同时优化运动和结构的集束调整方法存在对初始值依赖太大，收敛速度慢，收敛发散等数值稳定性低的缺点。本文提出了一种新的用于立体视觉定位的多帧序列运动估计方法，该方法收敛速度快，能收敛到全局最小，可大大减少积累误差。立体视觉定位仿真实验和户外智能车真实实验表明：基于多帧运动估计的实时立体视觉定位算法在计算精度、运行时间、抗噪声、对初始参数的稳定性方面都优于基于集束调整的实时立体视觉定位算法。

选取场景中常见的门形结构为处理对象, 提取门形结构中的三条直线, 拟合直线方程, 进而确定直线的交点及两条平行直线的消失点, 根据消失点原理和垂直关系等先验知识确定摄像机坐标系和世界坐标系的映射。空间解析过程以直线方程为基本要素, 参与解析运算的点特征均由直线方程确定, 随机选取的点坐标仅用于方向一致性判定, 减少了随机误差引入。仿真实验表明, 本文的视觉定位方法对噪声有较高的鲁棒性, 与融合线特征和随机点特征的方法相比降低了定位误差。

针对智能车自主视觉导航需要快速准确地获取自身位置的要求，提出了一种鲁棒、高效、精确的立体视觉定位方法.计算中采用直接P3P位姿估计方法和RANSAC算法进行匹配内点检测和初始运动参量估计，极大地提高了计算准确度.利用基于一般相机模型序列正交迭代算法的立体视觉定位运动参量非线性优化法对立体相机的最近N帧运动参量和结构参量进行快速在线优化，与集束调整法相比，该方法的优化速度有较大提高，且能保证全局收敛，鲁棒性高.室外真实实验结果表明：本文方法计算速度快，定位准确度高，鲁棒性强，能满足导航定位的高性能要求.

立体视觉定位算法的运动估计通常在 3D欧式空间中进行, 但由于特征点 3D坐标的噪声各向异性且分布不均匀, 3D重建在深度方向上比另两个方向上的准确性差, 从而导致 3D欧式空间运动估计精确不高。本文提出了一种新的基于视差空间运动估计的高精度立体视觉定位算法。算法首先采用视差空间 4点闭环线性解法和 RANSAC算法得到初始鲁棒运动估计和匹配内点。接着, 利用新的视差空间再投影误差函数提出了基于 LM算法的视差空间运动参数非线性优化方法, 对初始运动参数进一步优化。视差空间噪声分布均匀且各向同性, 本文的初始运动参数线性估计和非线性优化都在视差空间中进行且能达到全局最小。仿真实验和真实实验结果表明, 本文算法能得到高精度的立体视觉定位结果, 优于传统的 3D欧式空间运动估计方法。

运动估计算法是影响立体视觉定位精度的重要因素，传统的 3D-3D运动估计算法受噪声影响很大，计算精度不高。本文提出了一种基于 2D-3D双目运动估计的立体视觉定位算法。算法不使用运动后的特征点 3D坐标，而直接利用其 2D图像投影坐标。首先，利用 EPnP运动估计算法确定匹配内点和初始运动参数。接着，利用双目相机之间的 2D投影几何约束，提出了基于 Levenberg-Marquardt算法的 2×2D-3D运动参数优化算法，利用确定的匹配内点和初始运动参数，使特征点在立体相机左右图像上的再投影误差最小，从而达到最优的立体相机 2D-3D运动估计。仿真实验和户外真实实验表明: 本文算法获得了很高的计算精度、鲁棒性，大大优于传统的基于 3D-3D运动估计的立体视觉定位算法。

提出了一种新的基于广义正交迭代算法的立体视觉定位.该算法通过提取CenSurE局部特征和相应的U-SURF描述符，采用SAD方法进行子像素立体匹配，并利用U-SURF描述符匹配进行前后帧图像特征跟踪.在RANSAC框架下对匹配点进行3D-3D运动估计获得了运动参量的初始值.由于3D-3D运动估计使3D点集间欧式距离误差最小，而3D特征点坐标受噪音影响很大，因此运动估计误差也较大.本文把广义正交迭代算法应用到立体视觉定位方法中，得到使立体相机目标空间共线性误差最小的运动估计参量，由于共线性误差比3D-3D运动估计算法中的共点误差受噪音影响更小，从而大大较少了运动估计误差.仿真实验和户外真实实验表明: 本文算法获得了较高的计算准确度、鲁棒性和实时性，优于传统方法.