车载全景影像系统是高级辅助驾驶的一项重要技术,是智能网联汽车的360°无死角的“眼睛”。但目前,基于国产低算力So C芯片的车载全景影像拼接算法的研究还较少,零星报道的已有算法嵌入式平台移植性能较差。为了加快车载全景影像系统国产化的进程,以及增强ADAS功能的扩展性,本文以全志T507 So C芯片作为算法验证平台,对高性能的全景拼接算法进行研究。T507 So C芯片是全志科技有限公司量产的国产车规级的低算力芯片。论文对全景影像拼接算法的关键技术进行深入细致的研究和改进,使其能够在低算力的国产全志T507 So C芯片上高性能运行,满足工程化应用需求。车载全景影像拼接算法的关键技术包括鱼眼相机畸变校正,外参的自动标定,图像的融合以及实时影像的生成。本文首先研究了车载全景影像的拼接原理,设计了一种高性能的车载全景影像拼接算法的框架。其次在对非畸变相机的成像模型和内参标定算法充分理解的基础上,研究了鱼眼相机的畸变模型以及内参和畸变系数标定的算法,提出了一种能够改变矫正图视野范围的矫正图计算方法。然后对比分析了透视投影变换和摄像头位姿在图像空间映射中的原理,确定了高性能的视角变换算法和3D纹理映射算法,并对车载全景影像中的配准算法进行了分析。对于外参的自动标定算法,提出了一种基于四边形轮廓的棋盘格角点检测算法,该算法能够解决因矫正图模糊和棋盘格形变较大而无法识别角点的问题。同时根据鱼眼摄像头安装位置,提出了一种基于图像融合区域面积比的图像融合算法。然后构建了3D模型,实现了3D车载全景影像。进一步为了提高车载全景影像拼接的性能,提出了一种将2D全景影像或者3D模型上的像素在鱼眼图像中的位置信息,以及融合区域的权重保存为png图片格式的LUT的算法。从而将算法的计算复杂度实现了“保存”,因此最后生成全景影像的时候,直接读取LUT中的信息进行赋值操作即可。最终,将上述改进的高性能算法用Open GL ES的GLSL语言,以及Open CV3开源库,在全志T507 So C芯片上进行部署,达到自动标定耗时优于10秒,2D车载全景和3D车载全景影像同时输出实时帧率达到29FPS的实测效果。