针对增量运动恢复结构（SFM）算法在重建大规模无人机影像数据集时效率低、易产生场景漂移的问题，提出一种可并行化处理的增量SFM重建算法。首先，利用词汇树图像检索结果约束图像特征匹配的空间搜索范围，提高图像特征匹配的效率。其次，综合考虑特征匹配数量和无人机平台获取的全球定位系统（GPS）信息构建无向加权场景图，并选用归一化割算法将场景图划分为多个相互重叠的子集。然后，将每个子集分布在多核CPU上并行执行增量SFM重建算法。最后，基于子集间公共重建点和强相关子集优先被合并的策略实现子集合并。此外，结合GPS信息为光束法平差（BA）代价函数添加位置约束项，有效消除每次执行BA优化引入的误差。为了验证所提算法的有效性，在3个无人机数据集上进行实验，实验结果表明，所提算法相比原始增量SFM重建算法不仅显著提高了位姿估计和场景重建的效率，而且合理优化了重建结果的精度。

针对激光跟踪仪光束法平差，基于稳健估计理论中的选权迭代法，提出一种自适应加权秩亏三维光束法平差解法，通过对观测值选权判定阈值与秩亏平差基准方程权的自适应调整，能够准确识别粗差并抵御其影响。通过仿真实验验证了方法的可行性，并在合肥先进光源预研平台进行了实测验证，实验结果与SpatialAnalyzer软件的处理结果精度相当，可为准直测量数据处理提供抗差结果参考。

目前视觉测量技术针对工业目标的六自由度测量，存在难以兼顾测量效率、精度与范围的问题。为此，本文提出了一种基于扫摆式多相机跟踪的六自由度测量方法，通过同站位不同角度多图像观测联合构成大尺寸坐标计算的冗余约束量，来实现高效率、高精度、大范围位姿测量。首先，提出相机旋转扫摆运动模型，快速估计相机位姿，并作为先验信息进行图像匹配与空间后方交会，得到精确相机位姿，进行空间前方交会；然后，提出了基于像点平差的位姿估计方法，直接利用物体移动前后的像点信息作为观测值，进行物体位姿的最优化估计。实验结果表明，测量效率提高了4倍，单点精度的最大误差不超过0.2 mm，姿态精度的最大误差不超过0.043°，证实提出方法能有效测量物体的六自由度位姿，一定程度上平衡了测量效率、精度与范围的矛盾。

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。

作为影像位姿解算的传统方法,光束平差法已被广泛应用于倾斜航空影像定向任务;但其高度依赖良好初值的限制条件,导致在导航系统缺失或者导航精度有限的飞行任务中常发生收敛缓慢或收敛失败的问题。因此,为了在初值质量不佳或缺失的情况下进行有效迭代,提出了一种基于局部到全局优化策略的倾斜图像定向方法来提高优化迭代解算的鲁棒性。所提方法首先根据最大重叠原则来构建“局部地图”(由1个正视图像和4个斜视图像构成),然后通过优化这些局部地图来形成“全局地图”。在局部地图中,图像同名点用作约束优化的观测值,以此来获取每个局部地图的未知参数和对应的权值矩阵(信息矩阵)。在全局地图中,局部地图的变量估计值及相应的权值矩阵一起构成全局优化问题的观测量和权值。通过一组大型仿真数据集和一组小型国际上公测的真实数据集,对所提方法进行了测试。实验结果表明,与传统方法相比,所提方法在精度不丢失的前提条件下,收敛速度和收敛性更优。

在完成对投影仪的参数标定后可将投影仪看作另一个相机,并将其与双目相机组成三目立体视觉系统。不同于借助高精度平面靶标的传统标定法,本文只需一个简易制作的无标识白纸靶标即可获得由双目系统提供的特征点世界坐标。使用线性模型和包含薄棱镜畸变系数的畸变校正模型完成对投影仪的初步参数标定,采用改进的光束平差法对投影仪与双相机的参数进行全局最优估计。标定验证实验结果表明,改进的光束平差法可以实现参数的优化。对标准平面的测量对比实验证明,三目立体视觉系统可以提高测量精度。

针对带状序列无人机影像自检校空中三角测量时存在相机参数误差累积过大的问题, 提出一种分类自检校(CSC)方法。该方法首先根据影像的GPS位置信息建立KD树, 并利用K-Means进行自分类; 然后对每类影像分别进行自检校光束法平差, 将自检校得到的多组相机参数进行加权平均; 最后进行全局自检校光束法平差。多组实验表明, CSC方法与室内检校场检校参数的像点畸变不符值均方根误差为0.5像素, 检查点点位均方根误差为10.1 cm, 且较Smart3D, VisualSFM和COLMAP软件能更精确地表示数据的原始姿态。综上, CSC方法可为带状区域无人机影像自检校空中三角测量提供一种有效的方案, 具有较强的实践应用价值。