位姿估计是通过利用传感器获取特征信息进而计算获取目标主体在空间中的位置和姿态的方法。位姿的准确获取对实现机械臂准确跟踪、航天器姿态调整、手术器械位姿确定、风洞模型姿态测量等应用起着关键作用。视觉传感器作为一种成本较低、位姿估计精度较高的传感器,在位姿估计系统中占用重要地位,但在实际应用环境中,常常因为存在眩光、外部噪声干扰、人为干预等问题,导致传感器无法获取完整的特征信息,从而影响系统的跟踪结果。本文针对基于视觉的位姿估计技术、多传感器技术、信息融合以及遮挡处理方法等关键技术开展了研究工作,主要内容包括:1、提出了一种基于过程噪声方差自适应调整的无迹卡尔曼滤波位姿估计方法。针对位姿估计过程中系统过程噪声未知的问题,本文提出了一种适用于无迹卡尔曼位姿估计的过程噪声方差自适应调整方法,通过引入改进的Sage-Husa噪声估计器,在每次滤波迭代的过程中对过程噪声协方差进行调整,进而降低因过程噪声方差不确定性对估计结果造成的影响。仿真和实验结果表明,本文提出的自适应无迹卡尔曼滤波位姿估计方法能够有效估计目标位姿轨迹,并且提高了位姿估计精度。2、提出了一种基于自适应无迹卡尔曼滤波的矩阵加权分布式融合位姿估计方法。针对单个视觉传感器位姿估计系统噪声敏感度高、估计精度不足等问题,本文通过利用多个视觉传感器子系统构建多视觉传感器位姿估计系统,先对每个局部子系统利用所提的自适应无迹卡尔曼滤波方法进行局部估计,随后利用分布式融合技术融合每个局部位姿估计结果,从而使最终估计结果精度高于子系统结果。仿真和实验结果表明,本文所使用的融合估计方法能够一定程度上提高系统估计精度,位姿估计结果优于各个局部子系统。3、提出了一种适用于遮挡情况的自适应无迹卡尔曼分布式融合方法。针对视觉传感器容易受外部环境影响而产生信息观测不足的问题,本文设计了一种基于自适应无迹卡尔曼滤波的遮挡情况位姿处理方法,根据视觉子系统观测的特征信息量对系统进行遮挡状态判断,针对严重遮挡、部分遮挡、正常未遮挡子系统分别提出了相应的处理方案。实验结果表明,当多视觉传感器位姿估计系统中出现遮挡子系统时,使用本文所提处理方法能够保证系统继续稳定运行,同时能够保证位姿估计精度。