无人机航拍是获取空间数据的重要途径,被广泛应用于军事和民用领域中.其中,基于无人机航拍视频影像的三维重建技术,在城市规划、变化检测、灾害评估等应用中发挥着重要作用.在视频影像的三维重建流程中,特征匹配是基础步骤,为相机方位及参数估计提供可靠输入信息;相机方位估计是三维重建的关键环节,其估计精度与三维重建的效果息息相关.因此,如何提升特征匹配的速度和相机方位的估计精度是当前图像处理、三维重建等领域的研究热点.为此,本文针对无人机航拍视频影像的特点,重点研究了快速特征匹配和相机方位估计问题,主要研究工作如下:1、针对航拍视频影像的特征点提取与匹配速度问题,提出了无迹卡尔曼滤波和KLT匹配算法相结合的特征点跟踪算法,实现了相邻帧特征点的方位预测与快速匹配.该算法首先针对航拍视频特点,利用无迹卡尔曼滤波在相邻帧中进行特征点预测,以确定匹配范围;其次,根据KLT匹配算法对特征点进行跟踪,得到的匹配结果作为观测值;最后,通过卡尔曼增益修正得到特征点的准确位置.对比实验证明了该算法不仅高效,而且在匹配精度方面优于KLT算法.2、针对航拍视频帧视差变化小的特点,提出了关键帧筛选算法,以减少频繁相机方位估计带来的累计误差问题.该算法以特征点对数量和运动大小作为衡量标准,首先利用特征点对计算出图像帧之间的平移量和旋转量,然后进行加权综合求出图像间的相异度,设置阈值筛选关键帧.对比实验证明了通过本文算法得到的关键帧的相机方位比ORB-SLAM得到的关键帧的初始相机方位精度高.本文首先提出无迹卡尔曼滤波和KLT光流结合算法实现了特征点的快速匹配,为相机方位估计提供了可靠的数据.然后提出关键帧筛选算法得到了关键帧的相机方位的精确估计值,相关结果可为快速三维重建方法提供基础理论.