自动驾驶应用中,基于视觉的相对位姿估计是实现无人驾驶汽车自动定位的核心技术之一。针对单目视觉系统的视场范围较小以及双目视觉系统需要公共视场等问题,提出一种无公共视场的多相机系统相对位姿解耦估计方法。利用场景中远、近点的不同特性对旋转矩阵和平移向量进行解耦估计。对远处场景特征点采用直方图投票法求解相对旋转矩阵,在相对旋转矩阵已知的条件下,对近处场景特征点采用采样高度法求解相对平移。通过仿真模拟和实际实验对所提方法的可行性、鲁棒性和精度进行验证。实验结果表明,所提方法的相对姿态精度优于0.05°,相对平移向量方向精度优于2.5°,具有较高的精度和较好的鲁棒性。

针对嫦娥一号探月卫星2C级月面成像，提出了基于待配点最优模板选择的二次函数形变补偿迭代匹配方法。仿真表明它能有效地适应地形起伏引起的图像形变，匹配精度较高且稳定性好。在标准相关匹配的基础上结合所提出的方法完成了下视图与前、后视图的精确匹配，采用三视约束机制和顺序检验机制保证了匹配的稳健性。分析了线阵相机成像的仿射近似模型，并以此为基础实现同轨三视重建。基于邻轨下视图同名特征点，采用RANSAC方法估计邻轨三维坐标转换参数，完成邻轨拼接。实验结果表明，三维重建的月貌图能够更好地表达月球表面的形状和地形。

由于工艺水平的限制，相机靶面不可避免地存在位置安装误差和指向安装误差，为了消除靶面安装误差的影响，定性分析了靶面安装误差；理论推导出显式包含指向安装误差的误差模型及成像模型；得到综合考虑靶面指向安装误差和镜头畸变的全像差模型；利用标定结果对实际像点进行修正。仿真和半实物实验验证了模型和标定方法的正确性，比较得知全像差模型相对于传统像差模型对实际像点有更好的修正效果。

在大视场摄像机标定中，常常会出现由于场景过于单一而很难达到自标定所需要的场景约束和运动约束条件、立体标定所需要的强立体条件或者平面靶板标定所需要的绝对共面条件，如指向高空区域的摄像机标定任务就很难满足上述要求，因而大视场摄像机标定需要较为弹性的标定算法。提出一种基于无穷单应的大视场摄像机标定方法，该方法最少只需要4个非共线控制点和摄像机粗略的位置即可求解无穷单应，并且提出一种坐标变换方法以保证线性求解和优化无穷单应时的稳定性。从无穷单应中分解得到摄像机参数初始值，通过Levenberg-Marquardt(LM)优化算法最终实现摄像机的标定。在优化过程中，通过假设图像中心为主点和采用一阶径向畸变模型，相对增加了优化过程中的剩余自由度，能够实现4个像点为观测值的参数优化。相比于强立体或共面的条件，此方法所需条件很容易满足。仿真和实际实验验证了此方法的正确性和高精度，以及重复测量实验的灵活易实施。

对于大尺度运动目标的参数测量，固定相机存在着视场与空间分辨率之间的矛盾，并且当测量空中或海上目标时相机的标定也十分困难。跟踪式相机（如光电经纬仪）能解决此问题，但存在体积大、成本高和操作复杂等缺点。结合两者特点取长补短，将相机固定在二维旋转平台上，尽可能实现同心放置，组成准同心广义经纬相机进行中远场高精度测量，测量过程中转台实时跟踪目标并为相机提供外参数。此方法并没有光电经纬仪非常严格的同心同轴的安装要求。在合理假设基础上建立了经纬相机成像模型，提出了线性求解及平差优化相机参数的方法。大量仿真与实际测量验证了模型和标定方法的正确性和高精度。广义经纬相机测量系统组合巧妙、装拆和操作简单、体积小、成本低、可全视场测量且测量精度高，有广泛且重要的应用前景。

散装物料大型堆场三维形貌参数的准确快速测量是现代物流管理、装卸工程机械智能化作业的重要工作。由于堆场形貌复杂、纹理特征贫乏和材质反射效率低等特性，非接触方式中的激光扫描、摄影测量难以准确有效测量，传统光刀法也很难做好大型堆场测量工作。提出了激光投线仪扫描辅助下的双目摄影测量方法，并从影像梯度与核线关系解决立体影像同名点匹配、同名点交会平差获得轮廓边缘三维点集、基于投影轮廓线空间特征重建三维轮廓线的模型算法。通过该方法，双目相机在不同工作测站均可对堆场进行扫描与局部三维形貌重建。实验证明该方法具有速度快、精度高、自动化程度高和工作稳定可靠的特点。

现有标定方法得到的相机参数与真实物理意义并不能精确对应，因为物理参数不能作为独立的未知数出现在方程中而是耦合在一起。当需要独立使用某参数时，必须分解投影矩阵，造成很大误差。为此提出了一种逐级标定相机各参数的方法。鉴于位姿对等效焦距敏感，基于位姿估计的变化量来标定等效焦距，然后采用平面单应提供的约束方程求解主点，用正交迭代算法来估计外参，最后计算畸变系数。实验验证了方法的正确和高精度。避免了参数之间的耦合，各参数与其物理意义相符，可独立使用。