登机桥在对接舱门后,飞机会随着自身的载重变化发生高度变化,因此登机桥必须工作在自动调平模式以避免和飞机舱门发生碰撞。登机桥通过调平轮上的编码器实现此功能,但该机构会发生假接触,打滑等问题,每次对接完成后都需要桥手进行检查。目前无人驾驶登机桥的研究在替代桥手的同时也引入了新的研究课题,即如何更准确且智能的检测机舱位移。本论文分析基于视觉的无靶标位移测量方法,主要研究了基于稀疏光流和特征点匹配的机舱位移检测技术。本文主要研究内容如下:1)针对机舱和登机桥的相对运动在成像平面上基本上只表现出平移变换的特点,提出了一种基于平移变换的加权位移计算方法。使用改进渐近一致采样（PROSAC）方法计算平移变换模型以及剔除不符合模型的外点,并且改进算法区分内外点的阈值可自适应样本集,最后使用加权的方法计算各内点的位移均值。2)针对特征点匹配法对特征提取算法速度的高需求,并结合本论文需要检测的机舱具有表面纹理简单且有大量成片颜色不变区域的特点,提出了基于分块的特征点提取算法。通过设置块大小和图像块标准差阈值两个参数,对于标准差小于阈值的图像块判定该块无特征点。同时设计参数可以自适应金字塔图层的尺度变化,以更有效的加快计算速度并达到多尺度块大小设置的效果。3)根据稀疏光流法相比匹配法计算速度快但累计误差大的特点,本论文设计了光流和匹配法融合的位移检测算法。算法在非融合帧处使用光流法测量位移,在融合帧处将光流法和匹配法的初始追踪结果融合后再计算目标位移。通过实验分别验证了论文采取的新的位移计算方法对机舱位移测量性能的提升,对匹配法的改进加快了特征点检测速度并且提高了算法的光照鲁棒性。而融合算法在进行机舱测量时相比稀疏光流法虽然速度稍微下降,但累计误差得到有效消减,可以满足长时间位移检测的需要。