近年来，利用数字图像处理技术对普通数码相机拍摄的现场照片进行分析处理已成为事后交通管理部门寻找事故原因、认定事故责任的辅助手段。图像拼接技术是克服普通数码相机成像视场小这一缺点的关键技术，可以使交通部门管理人员通过一系列拼接后的图片把握到整个交通肇事场景信息，因而具有重要研究意义；平面测距技术则是一种辅助测量手段，可通过照片对实际场景中散落物、车痕等进行测量，作为认定事故责任的依据。　　 本论文对常用的图像拼接算法进行了研究及实验分析，并对以角点为特征的图像拼接算法进行了改进。分析了基于灰度信息的图像拼接算法、基于相位相关的图像拼接算法以及基于特征的图像拼接算法的优劣；研究了常用的角点检测算法，并通过实验分析了几种常用角点检测算法的性能。　　 针对交通肇事场景下的图像有可能出现尺度变化的问题，将一种多尺度Harris角点检测算法引入到拼接算法中的特征点提取步骤，以适应图像的尺度变化；对一种基于Sift特征的描述符的进行详细分析，并对该特征描述符在向量构造和采样区域等方面进行了改进；针对拼接算法的前序步骤中的错配，提出了一种基于SVD分解迭代求解图像变换模型并去除误匹配的算法；采用了一种通过黑白棋盘作为标定物对相机进行标定并进行测距的方法，分析了平面测距技术对单幅图像和拼接后图像测距效果的对比。　　 通过实验证明，改进的特征描述符对图像的噪声、旋转和尺度变化均有较好的鲁棒性，能够有效的减少误配；基于SVD分解迭代求解变换模型的算法可以更进一步的剔除误匹配，并能够得到一个准确的变换模型，提高了以特征点为基础的图像拼接算法的精度。