无人机在大机动运动时视场变化较大，在弱纹理环境下视觉特征易丢失，这降低了视觉距离测量的精度。针对此问题，本文将折反射全景相机与结构光相结合，进一步提出了融合结构光的折反射全景单目视觉测距方法。在本研究中，为了提高测距方法的精度以及处理速度，首先对结构光进行感兴趣区域（ROI）提取，并运用中值滤波对激光条纹图像进行去噪后，再采用改进的Steger算法进行亚像素级别的结构光光条中心坐标提取。其次，运用最小二乘原理对提取的亚像素点进行曲线拟合，得到结构光的曲线方程。最后，通过理论推导求取空间平面参数，建立测距目标函数，进一步求得距离信息。实验结果表明：在不同场景下，所提出测距方法的测距精度均在3%以内，证明了该方法的有效性。满足无人机在大机动运动条件下以及弱纹理场景中稳定可靠的测距需求，进一步提升了无人机环境感知能力。

针对复杂应用环境中近红外单目视觉位姿测量系统偏离预置合作目标对象后，无法完成位姿测量的特殊情况，提出一种以合作目标周边随型粗糙面图像为测量对象的单目视觉测量方法，以及图像受损后的动态自愈方法。通过将实时获取的随型粗糙面图像特征与预存基准图像特征进行匹配计算，完成特殊情况下的应急测量。同时，为减少随型粗糙面图像污染或受损后对位姿测量精度的影响，实时计算污染或受损程度并动态自愈基准图像特征。实验结果表明，以随型粗糙面为对象的位姿测量精度稍低于合作目标对象，但能够满足特殊情况下的应急使用需求，提高了测量系统的鲁棒性；当随型粗糙面图像污染或受损达到70%时，采用自愈处理与未做自愈处理相比，方位角测量误差减少72%以上，验证了基准图像自愈方法的有效性。

针对空间物体姿态快速测量问题，以构建视觉最小系统需求为依据，研究了一种基于二维主动位姿引导的单目视觉空间姿态测量方法，建立了单目相机、二维载台与倾角仪之间的姿态测量模型，实现了空间物体的姿态角的测量。该方法以大地倾角仪坐标系统一测量系统的测量基准，由精密二维载台引导单目相机覆盖地空大视野三维空间，通过前期标定设计完成了单目相机与二维载台之间的工装校准；建立了载台坐标系、摄像机坐标系以及大地倾角仪坐标系之间的姿态测量传递模型，实现了定轴旋转双视角拍照下的空间物体的姿态解算和角度测量。构建了实验验证环境，测角实验结果表明：在系统测量基准坐标系下，其俯仰角的测量误差≤0.82°,测量相对误差≤6.1%；其横滚角的测量误差≤0.43°，测量相对误差≤3.4%。

从热红外图像对比度低、细节信息不足等特点出发，提出了一种面向热红外图像的景深估计方法。首先，设计了一种红外特征聚合模块，提高了对目标物边缘和小目标的全方位深度信息获取能力；其次，在特征融合模块中引入了通道注意力机制，进一步融合通道间的交互信息；在此基础上，建立了一种深度估计网络，实现热红外图像的像素级景深估计。消融实验与对比实验的结果表明，该方法在热红外图像像素级景深估计中性能优于其他代表性方法。

针对目前自监督单目深度估计网络在充斥着大量低纹理、低光照区域的室内复杂场景中存在预测深度信息不精确、物体边缘模糊以及细节丢失严重等问题，本文提出一种基于层级特征融合的室内自监督单目深度估计网络模型。首先，通过映射一致性图像增强模块来处理室内图像，提升低光照区域可见性并且保持亮度一致性，丰富纹理细节，一定程度上解决了训练网络时出现模糊假平面恶化模型的问题。然后，设计结合基于注意力机制的跨层级特征调整模块的深度估计网络，充分融合编码器以及编-解码器多层级特征信息，提升网络的特征利用能力，缩小预测深度与真实深度的语义差距。最后，设计基于图像风格特征的格拉姆矩阵相似性损失函数作为额外的自监督信号约束网络模型，提升网络预测深度的能力，进一步提高了预测深度的精度。在NYU Depth V2 和ScanNet室内数据集上进行训练与测试，正确预测深度像素的比例能够分别达到81.9%和76.0%。实验结果表明，相比现有主要的室内自监督单目深度估计网络，本文网络模型很好地保持了物体边缘和细节信息，有效地提高了预测深度的精度。