目标位姿参数测量广泛应用于目标识别、新武器检测、自动导航等领域,如何精确地求解目标的位姿参数一直是相关领域的研究难题。基于计算机视觉的位姿参数测量是一种比较热门的测量方法,根据拍摄航迹数据时摄像机的数目可分为两类:多目视觉位姿测量与单目视觉位姿测量。在实际的测量中,由于条件限制,会出现只有一台摄像机能拍摄到目标而其他摄像机丢失目标的情况,对此本文对单目视觉的目标位姿参数测量问题进行进一步研究。现有的方法主要通过求解人工指定控制点与成像点之间的对应性问题来获取目标位姿参数。在对应性未知的情况下,人们提出了离线训练、建立并求解目标函数等策略解决位姿参数测量问题。但是由于实际测量中目标图像质量不高、背景较复杂且存在噪声,现有的方法并不能很好地解决位姿参数的对应性问题。为此,在目标模型已知的情况下,本文提出了一种目标运动位姿参数的求解策略。即对图像进行分割提取目标并获取其轮廓,使用OpenGL导入目标模型数据,根据模型投影轮廓与图像中目标的轮廓的关系构造目标函数,并结合最优化计算方法对目标位姿进行求解,有效地避免了位姿参数对应性问题的直接求解。本文第二章通过介绍了位姿参数测量中涉及到的各坐标系,解释了位姿参数测量问题的实质。并且从共线方程出发,论述了摄像机成像过程与OpenGL成像过程具有的一致性,为本文核心算法中OpenGL与目标模型的使用提供理论基础。根据实际测量情况,本文第三章讨论对图像进行分割来获取目标并精确地提取目标轮廓的过程。通过比较分析编码本、均值平移图像分割方法,可知全自动图像分割方法并不能适应实际中图像背景复杂且噪声较多的情况,本文采用了在Graph Cut方法基础上改进的Grab Cut方法进行半自动的交互式图像分割。在目标已被提取的基础上,本文使用相关的图形学操作,结合轮廓的特性,精确地提取了目标的轮廓。为了实现后续帧图像目标轮廓的自动化提取,本文依据已知的前一帧中目标的轮廓使用光流法跟踪当前帧目标的轮廓关键点。在图像中目标的轮廓可被精确提取的基础上,本文第四章把图像中目标与其模型的位姿匹配问题转换为两者的轮廓配准无约束最优化问题。本文提出了使用改进的Hausdorff距离方法进行轮廓间的相似性测度,并据此建立了最优化问题的目标函数。为求解该函数,本文综合分析了三种典型的最优化计算方法:Hooke-Jeeves、模拟退火算法、差分进化算法,并根据它们的特性,本文提出了使用差分进化与模拟退火相结合的方法来解决本文轮廓配准的最优化问题。最后,本文利用模拟数据对本文的方法进行了仿真实验并对结果进行了分析,验证了本文方法对位姿参数测量的有效性和正确性。