基于运动成像平台的运动目标检测,文献中又称为独立运动目标(Independently Moving Objects)检测是计算机视觉的研究热点之一,在工业自动化、视频监控、人工智能、医学图像分析、军事等领域有着广阔的应用前景。基于单一视觉传感器的独立运动目标检测方法,由于成像平台运动、相机抖动和有限图像分辨率等多种因素的影响,检测实时性和稳定性仍需改进。惯性传感器与视觉传感器具有很好的互补特性,两者的融合可以解决单一视觉或惯性传感器运动估计存在的模糊,从而改善独立运动目标检测性能。一方面,图像观测可以修正惯性传感器的误差积累,可以区分传感器的旋转、加速运动、重力场以及加速度测量中的偏差的影响;另一方面,惯性传感器数据可以解决图像场景堕化(Degeneration)问题例如场景中包含的特征点少、特征点无限远,可以解决由于特征点的进入和离开视野所造成的运动估计不连续性问题,可以使运动估计对特征的误匹配具有鲁棒性。本文首先回顾了基于视觉传感器的静止成像平台、运动成像平台以及基于多传感器融合的运动成像平台下的运动目标检测方法。在分析惯性传感器数据特点和融合检测策略的基础上,本文对三种典型应用场景下的独立运动目标检测进行了研究(1)针对成像平台沿成像光轴方向的平移运动可忽略或场景的深度变化远小于场景绝对深度的情形,本文提出了一种基于运动补偿的融合单目视觉传感器和惯性传感器的独立运动目标检测的新方法,在单目工业相机和微机电惯性传感器组成的传感器平台采集到的室内数据上进行了实验;(2)针对成像平台旋转运动可忽略的情形,本文提出了一种基于扩展点光流一致性约束的融合单目视觉传感器和惯性传感器的独立运动目标检测新方法,在VISAT多传感器移动测量系统实测的单目序列图像和惯性传感器数据上进行了实验;(3)针对无成像平台运动模式限制的复杂场景中独立运动目标检测情形,本文提出了一种基于时域空域双重重采样的粒子滤波的融合双目立体视觉与惯性传感器的的独立运动目标检测的新方法,在VISAT多传感器移动测量系统实测的双目序列图像和惯性传感器数据上进行了实验。不同应用场景下的实验结果与分析证明了本文提出的三种方法的有效性。