视觉导航技术是移动机器人自主导航技术研究的重要领域,普通设备拍摄区域有限很难满足全局定位与导航需要,拼接技术的出现使得在不改变硬件条件下获取宽视野景物图成为可能。图像拼接技术是将多幅具有重叠块的图像配准融合成一幅宽视角、失真小、无明显缝合线的完整图像。本文围绕基于特征的图像拼接技术进行了研究,针对不同问题提出了相应的拼接算法。针对待拼接图像亮度差异较大时传统的加权融合算法获取图像有明显拼接痕迹,以及算法实时性问题,本文提出了一种基于ORB(oriented FAST and rotated BRIEF)算法和OECF(the Opto-Electronic Conversion Function)模型的图像拼接算法,利用HALCON库开发了一个图像拼接系统。首先采用SIFT算法提取特征点,使用ORB算法获取特征点的二进制串描述子,结合汉明距离实现粗匹配,然后估算投影变换模型,最后估计摄像机的光电转换函数OECF,利用Laguerre OECF模型参数对拼接图像进行色彩调整,SIFT和ORB算法的结合使得特征具有尺度信息同时提升匹配速度,解决了多幅图像拼接中颜色不一致的问题。针对线性尺度空间边缘模糊问题,提出一种简单有效的AKAZE算法实现拼接。首先提出FED(Fast Explicit Diffusion)算法加快非线性尺度空间生成速度,借助Hessian矩阵提取特征点,接着计算M-LDB(Modified-Local Difference Binary)描述符,用汉明距离匹配,然后利用RANSAC(Random Sample Consensus)算法剔除误匹配点估算单应性矩阵,最后加权融合实现两幅图像的拼接。对KAZE、SIFT、SURF、ORB、BRISK(Binary Robust Invariant Scalable Keypoints)进行性能实验比较,本文算法不仅对于高斯模糊、角度旋转、尺度变换和亮度变化等情况下依然保持良好的性能,而且大大缩短了处理时间,实现了有效的图像拼接。实验表明本文算法在实现图像精度拼接的基础上,进一步提高了拼接的鲁棒性和实时性,且无明显拼接痕迹,可适用于多种环境。实际应用效果可以满足移动机器人视觉导航中的道路检测需要,为视觉导航和路径规划提供依据,提供更大视野。