提出了基于轮廓模型的复杂背景弱纹理目标单应优化方法。算法在随机抽样一致(RANSAC)框架下实现了初始变换的求解，通过优化法向距离实现了单应的优化求解。为了快速稳健地求解初始单应，算法随机选取三条满足一定几何约束的直线段进行假设变换关系的求解，通过选取使得投影误差最小的变换关系作为单应初值。为了解决复杂背景条件下模型-图像对应错误引起的优化失败问题，在模型-图像点匹配阶段，算法为每个采样点保留多个图像点对应，同时在对样本点进行加权过程中，该算法综合考虑了样本点自身的属性和样本点同周围点的关系，有效提高了稳健性。实验结果表明：该方法能够实现复杂场景目标单应的优化求解，相比传统的方法，该方法能够有效克服复杂背景的干扰，实现弱纹理目标单应的稳健估计。

针对传统点结构光测量系统的标定方法难以满足远距离、高精度的测量需求，提出了一种基于单目视觉的两轴转台标定新方法。在激光测距仪绕旋转轴转动过程中利用标定墙和拦截面分别拦截激光射线形成激光光斑，通过单目视觉定位计算激光光斑的空间坐标，进而差分得到激光测距仪虚拟出光点的位置，最终拟合出旋转轴方向矢量和轴上定点坐标。利用虚拟出光点进行标定减少了激光光斑空间坐标误差对旋转轴标定的影响，大幅提高了转台的标定精度。在对转台的两个转轴精确标定的基础上，利用激光指向和测距信息可实时解算出目标三维坐标。实验证明，坐标测量中误差维持在0.5 mm以内，所提出的标定方法简单可靠，并适用于其他转台测量系统。