随着科学技术的不断发展，社会生产力不断提高，近年来计算机视觉系统在工业领域的应用愈发广泛。计算机视觉技术通过图像传感器和个人计算机替代传统的人工方式完成图像处理，模式识别，图像理解和几何建模等基本任务。在即将步入以智能制造为主导的“工业4.0”时代的今天，对计算机视觉技术的研究显得更加意义重大。论文源自生产项目“iPad跌落检测”，针对计算机视觉中的空间形状描述部分提出了一种快速求解空间姿态的算法，并通过实验验证了算法的有效性。该算法通过深入理解摄像机模型，克服镜头畸变产生的图像失真，并对三维空间中刚体旋转变换的物理意义给出新的解释，最终实现了目标物体的空间姿态估计。　　论文的主要内容和创新点如下:　　研究了经典的线性摄像机模型，对摄像机的内外参数做了深入分析，并对传统的摄像机标定方法做了总结与归纳。　　针对传统摄像机标定方法中相机内外参数与镜头畸变参数耦合导致相机参数的求解有较大误差的情况，结合国内外主流的畸变校正方法，提出一种基于共线向量的非量测镜头畸变校正方法，单独求解畸变参数。讨论了畸变中心与畸变系数之间的耦合性，并设计了一种效果评估函数以评价畸变校正的完成情况。完成畸变校正后，线性求解相机内外参数。本文提出的方法仅需一张图片完成所有摄像机参数的求解，提高了标定效率。　　研究了经典的双目立体视觉理论，并分析了传统双目视觉方法在空间姿态估计问题上存在的不足。对三维空间中的刚体变换过程做了深入分析，尤其针对坐标系之间的旋转矩阵提出了一种新的理解，对旋转矩阵中的每一项赋予了明确的物理意义。在此基础上实现了基于单个相机的空间姿态估计算法，并将两个平面之间的旋转关系研究拓展到更多个平面的情形。　　实验表明本文算法在相关应用场景下快速有效，空间角的测量精度能达到0.2°，对提升制造行业的产品质量有十分重要的指导意义。