在视觉同时定位与地图构建问题中，ORB(Oriented FAST and Rotated BRIEF)特征由于其高效、稳定的优点而受到广泛关注。针对ORB特征提取过程中存在的像点量测精度较低、特征聚集现象明显等问题，提出了一种适用于高精度SLAM的均衡化亚像素ORB特征提取方法。分析了精确特征定位的原理，对误差方程进行合理的简化并采用一种基于模板窗口距离的权函数计算方法，大幅降低了计算负担; 设计了一种基于四叉树结构的特征均衡化方案，对包含特征的像平面空间进行有限次数的迭代分割，然后选取具有最优响应的特征。试验表明，本文方法进行特征提取的额外计算负担小于2.5 ms，在运行TUM和KITTI数据集时，ORB特征的量测精度分别为0.84和0.62 Pixel，达到亚像素水平，可以降低误差初值，提高光束法平差效率，并能够在满足特征总体分布规律的情况下，显著改善特征聚集的现象，有利于后续问题的稳健、准确求解。

针对最小二乘的旋转平均方法对粗差敏感, 求解影像旋转参数不够精确的问题, 提出了一种稳健的旋转平均方法。先利用李群和李代数之间的映射关系, 将旋转矩阵的乘积运算简化为李代数中的减法运算, 推导出旋转平均迭代解算的线性化方程; 然后利用L1范数优化和迭代加权最小二乘相结合的方法求解全局一致旋转最优解; 最后采用迭代策略剔除粗差, 得到精确的旋转矩阵。实验结果表明, 与传统最小二乘方法相比, 提出方法的旋转参数求解精度更高, 稳健性更好, 用于三维重建可以得到更密集均匀的点云, 重建完整性更好。旋转平均的精度优于0.15度, 计算时间不超过0.31s, 光束法平差后, 重投影误差在1.3个像素以内。基本满足快速稳健三维重建的要求。

针对光学线阵遥感影像几何定位中, 系统误差改正参数对应系数矩阵存在误差的问题, 提出了一种基于正则化总体最小二乘的光学线阵遥感影像定位方法。首先依据有理函数模型的定义, 构建共线条件方程, 利用线性化构建光学线阵影像定位方法和系统误差改正方法, 然后依据EIV模型的定义和性质构建相应的优化目标函数, 并引入正则化项, 依据Lagrange条件极值原理推导基于正则化总体最小二乘的系统误差参数迭代估计方法。实验结果表明: 与经典的最小二乘平差算法相比, 该方法的总体定位精度提高了11.61%, 且比Tikhonov正则化法的定位精度平均提高了6.06%。本文提出方法在不增加任何额外控制信息的情况下, 是提高光学线阵影像定位精度的有效途径。

针对增量式运动恢复结构算法在无人机影像三维重建中运行效率低的问题，提出了一种基于关系图的无人机影像批处理重建方法。利用无人机低精度的位置姿态测量系统数据概略估算影像间的重叠关系，在关联影像之间进行尺度不变特征变换匹配，使用随机抽取一致性算法和三视图约束进一步剔除弱关联的影像连接关系，再通过深度优先搜索得到最终参加重建的影像集连通分量，构建出强关联的稳健影像关系图。然后，根据影像相对位姿参数，由最小二乘法解算全局一致性旋转参数，利用三视几何约束和线性规划求解全局一致位置参数，最后进行一次光束法平差优化。实验结果表明: 与经典的增量式重建Bundler算法相比，该方法运行速度至少提高了2.6倍，且生成的三维点数量增加了76.5%，更真实地恢复出场景的几何形态。该算法在改善重建效果的同时提高了处理效率，能够满足无人机快速响应应用的需求。