由于近景摄影测量具有测量范围广、精度高和效率高等优点，其在大尺寸精密测量任务中承担越来越重要的角色。其中，基于平差优化的自标定测量模型是保证该方法实现高精度测量的重要原因。然而，随着越来越多的商业级单反相机应用到三维空间测量，发现其测量精度与专业相机相比有一定差距。经过大量分析发现，除了相机本身原因外，自标定模型过多地依赖相机内部参数，尤其是畸变参数，是导致测量精度降低的重要原因。为了降低参数化模型对测量结果的影响，提出一种不依赖相机内部参数的摄影测量方法。结合垂线法和Zeiss实验室标定方法，设计了一种针对大视场相机的非参数标定方法。经过不同图像间同名点匹配和平差初值确定后，便可建立基于角度信息的非参数测量模型。结合平差优化算法，完成对空间被测点三维坐标的精确解算。经过与传统摄影测量结果比对，证明该方法可以有效提高大视场单反相机的摄影测量精度。

移动视觉测量中大量非编码点粘贴在被测物表面。由于图像点在不同站位图像中形状相似，因此无法提供足够多的信息来对其进行分类识别，匹配不同图像间的非编码点是移动视觉测量中的一项重要任务。大量研究证明，极线匹配方法是实现图像点匹配的有效方法。然而移动视觉测量的相机是未经过标定的，在利用极线匹配方法时，图像畸变会使基本矩阵求解精度较低，从而导致大量误匹配情况出现。为了解决该问题，提出一种基于空间交会的非编码点匹配方法。该方法通过不同图像间编码点的自动匹配，结合平差优化算法初步获取各站位的内外参数。然后利用这些参数将二维图像点重投影成对应的三维空间直线，在空间中利用直线间的交会关系确定图像匹配点。大量实验证明，该方法可以比极线匹配方法寻找更多的匹配点，更适合用于移动视觉测量。