本文研究了车载全景影像获取的关键技术。街景全景影像在行人导航和汽车导航逐步得到了应用,如Google map, Map bar, City bar等,它己成为支撑数字城市建设的重要数据源。本文针对街景全景影像的生产所涉及的关键技术开展研究,包括全景影像的高精度时空定位、序列全景影像的亮度均衡化技术、以及全景影像的高效拼接技术。本文的研究,对推动城市信息平台建设,提高城市道路基础数据的获取质量与管理水平,提供丰富的人性化的城市道路空间信息服务具有重要的意义。全景影像的高精度时空定位。本文研究的全景影像采集系统硬件设备由4台高分辨率的彩色CCD相机、工业镜头、GPS/DR、同步控制器和CPCI(Compact PCI)计算机等组成。通过GPS授时与高稳晶体振荡器结合,建立了系统的时间基准,保证了同步控制的可靠实现；通过POS与DMI组合,建立系统的空间基准；通过高精度的时间与空间位置的匹配,实现了系统的时空统一。有了统一的时空基准,从时刻可查找全景影像对应的空间位置,通过全景影像的空间位置也可以查询事件发生的时间。序列全景影像的匀光方法。在传统的单幅影像匀光、多幅影像匀光算法的基础上,提出了序列全景影像的匀光方法。该方法充分考虑了全景影像的时空连续性,首先对单幅采集影像进行亮度均匀处理(单幅匀光),然后对同一时刻的单帧阵列全景影像(每帧全景影像含4幅采集影像)进行亮度均匀(多幅影像匀光),最后对不同帧全景影像之间的亮度进行均衡化处理(全景序列影像匀光),从而在全局和局部上都保证了全景影像的亮度均衡。全景影像的高效拼接方法。首先构建了基于相机模型的全景影像拼接模型,通过标定场获得模型参数可以实现对全景影像的粗拼接；然后,利用粗拼接获取相邻影像的重叠区域,在重叠区域范围内进行SIFT特征点匹配和影像拼接,即基于约束区域的SIFT匹配的全景影像拼接。该方法充分利用了相机模型的标定结果,大大缩小了SIFT特征匹配的搜索范围,从而提高了全景影像的拼接效率。