随着图像处理技术的飞速发展,基于视觉的位姿测量技术可以在没有环境先验信息的情况下,实时估计目标自身的位姿,因而引起了广泛关注。陌生环境的复杂性给位姿测量系统带来了巨大的挑战,实现一个精度高、实时性好、鲁棒性强的自主位姿测量系统已成为计算机视觉领域的一个重点研究方向。本文在目前已有的基于特征进行双目视觉位姿测量方法的基础上,围绕目标实时跟踪困难、优化计算复杂度高、尺度不一致的问题展开了相关的研究工作,并出了一些新的方法。本文的主要研究内容及贡献包括:(1)出了一种基于直方图均衡化的特征取算法。通过对图像进行限制对比度的直方图均衡化,高了算法的鲁棒性,并进一步保证了基于数据关联进行图像间实时位姿跟踪算法的准确性。此外,本文通过对物体当前时刻运动状态的判断,出了运动模型自适应选择算法用于帧间位姿跟踪,增强了系统的稳定性,并设计了合适的关键帧生成策略用于后续的局部优化。(2)出了一种基于滑动窗口的局部位姿优化算法。将局部化表示成一个滑动窗口问题,继而对局部关键帧和三维地图点的位姿进行非线性优化。通过使用滑动窗口存储局部关键帧并更新数据关联关系,截断了关联性差和时间距离远的关键帧和三维点,消除了邻近图像间测量的误差传递,升了位姿优化的性能。本文还使用了严格的关键帧筛选策略剔除冗余数据,节约了计算力。此外,基于滑动窗口的数据关联独立于非线性优化,避免了反馈回路从而防止了误差的反馈传播,升了测量的准确性。(3)出了一种基于倒排索引的图像相似度检测和环路检测算法。在目标长期运动过程中,取图像上的视觉特征向量进行倒排索引,从而加快了环路检测时识别重复场景速度。同时,根据闭环两端的一致性,通过对全局关键帧位姿进行尺度矫正,消除了累积误差,高了位姿测量结果的精确性。此外,环路检测为帧间跟踪失败的情形供了重定位功能,使测量能在相邻帧间匹配失败的情况下连续进行,增强了测量的稳定性。(4)将环路检测模块与帧间位姿跟踪测量模块和局部位姿优化模块结合,共同搭建了位姿测量框架。通过在公开数据集上进行实验,分析了本文所出方法的性能。实验结果表明,本文方法的测量准确度较高,对环境变化有较高的鲁棒性,且相比已有常规方法节约了位姿优化的计算资源,实现了测量精度与性能的平衡,能有效处理尺度变化的复杂情况。