单目视觉中的参考点共面问题是计算机视觉领域内一个基础而重要的问题。建立了针对共面参考点的PnP（Perspective-n-Point）问题模型，并提出了一种稳健的解决方法，具体包括直接法和迭代法两个部分。在直接法环节，针对位姿恢复过程中存在的尺度不统一问题，利用奇异值分解方法对旋转矩阵的恢复进行改进，获得相机位姿估计结果，并将此结果用作迭代法的初始值。在迭代法环节，介绍了以物方空间共线性误差为目标函数的正交迭代算法，为提升该算法的稳健性，研究了加权正交迭代算法，确立了重投影误差中外点的判定阈值并以此为依据引入了权重信息。实验结果表明，在参考点数量较少或少量异常值存在的条件下，所提方法具有良好的计算精度及稳健性，有较高实用价值。

相机的位姿估计广泛应用于计算机视觉和机器人学等领域。针对相机位姿估计的稳定性与实时性,基于正交迭代算法,提出了一种考虑空间参考点不确定性的相机位姿估计算法。该算法的关键思想是在考虑摄像头畸变的情况下,根据参考点的位置特征获得相应权值,并利用加速正交迭代思想对迭代过程中的重复计算进行规整,最小化加权重投影物方残差函数获得相机位姿。模拟数据实验和真实图像实验表明,该算法计算精度更高,速度更快,时间复杂度较低。在空间参考点深度较大或者偏离摄像头光轴的情况下,该算法的时间复杂度和精度均优于现有的正交迭代算法,从而实现了相机位姿估计的实时性。

引入战斗机人工势场的概念,建立针对主从编队引导控制的模型。在分析势、势场力的基础上,构建战斗机编队的队形势以及队形力函数。建立编队控制模型,编队队形的结构与队形参考点有关,参考点的数量和位置由队形和队形控制方式决定,主从编队控制以长机为队形参考点。建立了基于队形力的主从编队控制模型,并应用于实际领航者之中。仿真表明飞行误差收敛速度快,僚机能够稳定跟踪领航者的飞行轨迹,并保持较小的跟踪误差(20～40 m)。在密集编队控制中,仍需改进控制器和优化参数;在稀疏队形和分散队形中,完全可以满足控制需要。