针对超大范围相机标定和定向的难题，提出了一种双相机联合标定与定向的方法。采用无人机携带长度尺构建大型空间虚拟标定场的方式，两台相机同时采集长度尺两端标志点图像；并利用长度尺空间长度作为约束，建立自标定光束平差模型，解算两相机各自的内方位参数和畸变系数及相机之间的相对外方位参数；最后利用重建长度尺的长度进行误差和精度评估。在40 m×10 m×14 m的超大范围下，所提方法重建长度尺时的平均长度误差为0.193 mm，均方根误差为2.316 mm，相对精密度优于1/20000。实验结果表明，所提方法可在超大范围下方便准确地标定双相机系统的全部参数，具有操作简便、成本低、精度高的优点，具有很强的适用性，为超大范围大尺寸结构视觉测量提供了方法参考和数据依据。

将多个阵列推扫式相机以阵列方向视场拼接的方式进行组合,可以克服相机的探测器规模限制,在保证空间分辨率的同时有效增加视场角。现有视场拼接方法多建立在各子视场严格几何定标的基础上,需要高精度地面定标场数据或检校航带支持。本文提出了一种基于同名特征的子视场相对定向方法,从窄重叠区同名像点出发,在数字高程模型的辅助下建立子视场相对定向模型,同时辅以视场外侧稀少控制点的绝对约束,准确恢复相邻相机之间的安装关系。利用仿真数据对该方法进行的验证实验表明,本文方法解算得到的相对定向参数可支持子视场影像的无缝拼接,影像拼接精度优于2 pixel,几何定位精度平面中误差优于3 pixel。

为了提高大视场靶标场标志点自动编码的容量和效率,设计自编码标志和普通标志,建立以自编码标志作为编码基准、以普通标志点作为控制点靶标的室内靶标标定场。基于“同名点同编号”的原则,提出自编码标志和普通标志点的自动编码方法。该方法能自动实现同名影像标志点与同名物方控制点标志的自动编码映射,避免人工交互设置影像标志点编号,提高了标定的效率。推导出含有隐式约束条件的多视组合相机标定的间接平差模型的一般形式,并用其标定一种由网络摄像头组成的多视相机。实验结果表明:该方法具有标志点编码容量大(可达65535个)、解码效率高、能自动解码的优点;该标定方法的反投影像点平面方均根误差(RMS)小于0.20 pixel且相机之间的相对定向元素波动较小,能够有效地提高多视相机标定的稳健性和精度;该方法可方便地扩展到其他同类多视相机或者全景相机的标定应用中。

针对工业摄影测量中多基线、大倾角交向摄影时相对定向困难的问题, 提出一种混合式相对定向算法。算法先利用本质矩阵分解确立相对定向参数初值, 再利用非线性优化计算精确解。从共面条件获得的行列式出发, 推导本质矩阵与相对定向参数的内在联系, 给出求解本质矩阵的两种方法。然后讨论本质矩阵奇异值分解计算旋转矩阵和平移矢量, 同时给出剔除伪解的依据。基于共面条件方程, 建立相对定向参数非线性优化的目标函数。定向精度对比试验验证了所提出的混合算法的稳定性和高精度, 对卫星天线曲面的测量试验也进一步说明该算法在工程实践中的适用性和可靠性。

为了提高大视场摄影测量系统的测量精度和稳定性, 提出一种基于局部迭代搜索算法的相机相对定向方法, 仅需要两幅图像间匹配的像面坐标信息, 就可以计算相机之间精确的相对外方位参数。通过闭环多项式解法获得两图像之间本质矩阵的初值; 将本质矩阵进行局部迭代, 计算正交矩阵和外极线约束误差方程; 利用两图像上所有匹配点的像面坐标, 通过多次迭代获得本质矩阵的全局最优解; 分解本质矩阵获得图像之间的相对外方位参数, 并结合Cheirality约束条件确定外方位参数的唯一真实解。通过6m×4m×3m可展开桁架微波天线面形测量场的定向实验, 验证了提出方法的测量精度和可靠性。相比于传统的相对定向方法, 基于局部迭代搜索算法的相对定向方法具有较高的初始定向精度和稳定性, 平移向量误差小于5mm, 旋转角度误差小于0.1°, 而且消除了对于参照物的依赖, 对于提高摄影测量系统的性能具有重要意义。

大型槽式太阳能反射镜面尺寸大,对测量精度要求高,需要高精度的测量方法完成对其面形的三维重构。为了提高反射镜面形检测的精度和效率,提出并实现了一种基于大尺寸摄影测量技术的大型槽式太阳能反射镜面检测方法。针对大型槽式太阳能反射镜面,该方法首先利用凸包检测法筛选不共线的像点对,然后利用五点相对定向方法求解相机相对外参数以及利用光束平差方法对测量点的三维坐标进行优化迭代,最后将测量点拟合的抛物曲面的信息和反射镜的设计参数进行对比分析,从而完成大型槽式太阳能反射镜面的面形检测。利用该方法在尺寸为12.0 m×5.7 m×1.4 m的槽式太阳能反射镜上进行测量实验,结果表明反射镜上的测量点的均方根误差不超过0.033 mm,拟合曲面的z轴误差平均值和标准差分别为1.050 mm和1.466 mm,这些数据可以满足大型太阳能反射镜面形检测精度的要求,验证了摄影测量方法的可行性。

5点相对定向是摄影测量与机器视觉的经典问题，传统的5 点相对定向方法采用多项式求解技术，导致了解的多样性。为此，研究了基于前方交会约束的5 点相对定向方法，建立包含前方交会约束的同名像点共面条件方程，推导求解5点相对定向问题的最优化目标函数，并采用最小二乘广义逆法求解。非量测相机Nikon D80的8组5点相对定向实验结果表明，该方法仅利用5个同名像点即可获得两张像片的相对位置（相对定向）立体模型，在测量长度为0.92 m 的标尺三维(3D)长度时，其误差的标准不确定度为0.28±0.24 mm，与现有的5点算法相比，该方法无需排解即可确保5对同名射线对对相交，并且求解精度高，稳健性好，有实用价值。

本质矩阵五点算法是实现三维测量中双视图相对定向的常见方法，在其计算过程中常常采用多项式求解技术，从而引发了解的多异性。为了确定正确解，提出了五点算法的两种改进实现形式，用于消除多异解。它首先用点在相机前的约束排除非物理可实现解，然后在剩余的可能解中分别计算当前双视图中所有公共点的Sampson距离或反投影残差之和，最小值对应的相机参数即为正确的定向参数值。仿真和真实实验均证明了两种策略的可行性和正确性，且基于Sampson 的方法较基于反投影的方法速度快。

基于四个独立数码相机构建的组合大面阵数码相机，克服了数码相机像幅小，基线短的缺点，满足高精度、高效率的大比例尺低空摄影测量应用。针对组合大面阵数码相机简易的机械结构带来了航摄过程中机械变形问题，提出了基于每两幅影像重叠区内的同名点的相对自检校方法；针对不同投影中心的影像拼接成同一投影中心的虚拟影像的几何模型，提出影响成图精度的因素。实验证明，相对自检校有效纠正了航摄过程中机械变形，满足影像拼接的几何精度。

根据数字近景摄影测量的特点,针对建筑物三维建模的需要,提出了基于灰度投影的影像匹配算法。该算法将影像行、列两个方向上的一维灰度投影,拓展为行、列、主对角线和次对角线四个方向上的一维灰度投影,计算左右影像的四个一维投影向量间的相似性测度的加权平均值作为最后的匹配测度。利用相对定向线性变换(RLT)算法来确定同名核线,以改进的动态定界法来控制待匹配点序列中后续点沿核线匹配的搜索范围,以减少匹配的搜索空间并提高匹配的准确度。利用该算法对建筑物数字近景摄影影像进行了实验,结果表明该算法具有较高的匹配速度和匹配准确率。