为了实现基于点云的空间目标相对位姿快速估计，提出一种旋转投影二进制描述符(BRoPH)。该描述符首先建立特征点处的局部参考坐标系，然后通过旋转投影局部点云生成不同视角下的密度图像块和深度图像块，最后根据图像块生成特征点的多尺度二进制字符串。针对位姿估计对实时性的要求，在分析BRoPH Hamming距离分布的基础上，提出了基于Hamming距离阈值的特征匹配策略，用于剔除潜在的错误配对，加快位姿估计收敛速度。最后，在基于局部特征描述符位姿估计框架下分别与SHOT描述符和FPFH描述符进行了比较。结果表明: BRoPH描述符在仅需要SHOT和FPFH平均内存1/80的基础上，得到了远高于SHOT和FPFH的平均位姿估计精度，其平均姿态误差小于01°，平均位置误差小于1/180 R。此外，基于Hamming距离阈值的特征匹配策略使得BRoPH的位姿粗估计速度加快了7倍，总体位姿估计频率超过7 Hz，比SHOT和FPFH分别快3~6.8倍。该方法具有占用内存小、计算速度快、位姿估计精度高和抗干扰能力强等优点，满足基于点云的空间目标位姿估计实时性要求。

双目视觉作为一种非接触三维(3D)测量技术, 其位姿标定结果的好坏将直接影响3D物体测量的精度。基于迭代最近点(ICP)算法获得两组点集之间平移和旋转参数的原理, 提出了一种在传统双目位姿标定结果的基础上补偿双目标定矩阵改善精度的方法。介绍了摄像机模型、双目视觉测量模型和ICP算法的基本思想。用双目摄像机标定的外参数和相同的靶标坐标系获得双目视觉位姿矩阵, 在此提出基于ICP算法获得两组点集的旋转平移矩阵补偿双目位姿矩阵的方法, 以及相应的靶标角点坐标投影误差分析模型。双目摄像机采集9组5×7个角点的靶标标定图像, 应用ICP算法补偿双目位姿矩阵, 并采用误差模型对9组标定结果进行了分析, 双目结构光标定改进实验结果表明, 应用ICP算法补偿双目标定模型能显著地提高双目标定的精度。