广泛密布的视频传感器可持续记录降雨信息，基于视频传感器估算高时空分辨率的雨量数据，已经成为当前最具有前景的雨量估计途径之一。然而，由于传感器设备、视频场景等的复杂多变，极易导致各个视频传感器反演的降雨数据质量参差不齐，需要对其处理，保证反演数据质量。受地理学第一定律启发，以视频传感网中节点间的时空信息为约束，提出一种视频节点协同的雨量反演精度控制模型（Precision Control Model，PCM）。PCM模型通过视频节点间降雨信息互验证的方式，从降雨事件的时空一致性、态势一致性和相关性等特征出发，构建雨量反演的多粒度滤波方法，以期实现降雨事件的高精度表达。实验结果表明，在多种降雨场景中，PCM模型均可有效的提高了雨量反演的准确性与稳定性。降雨强度（Rainfall Intensity， RI）相对误差的均值在中、小雨场景降低约14.85%，大雨场景降低约19.90%；RI相对误差的标准差在中、小雨场景降低约40.87%，大雨场景降低约40.96%，可为高质量降雨数据的生产提供支持。

针对单目视觉系统中载体纯旋转运动引起的估计退化问题, 结合运动参数约束条件, 提出了一种基于OPA的时空约束单目视觉位姿估计方法。该方法利用OPA算法在估计本质矩阵和平移方向之前判断载体的运动形式, 检测修正估计退化问题, 并结合摄像机在运动过程中的时间相关约束及图像特征点在空间中的相关约束, 实现单目视觉系统的位姿估计。两组对比实验结果分析表明,新算法相比于传统的估计算法具有更高的精度和稳定性。