大规模群体运动现象,例如群集的鸟类等动物群体、雨雪等颗粒、细菌等微观个体,是自然界中广泛存在的现象。这类现象在许多研究领域都是人们关注的热门研究对象,例如在生物行为学和力学等许多领域。研究者希望能够获取群体中各个个体的运动信息以便进一步分析研究。在此背景下,获取大规模群体运动中个体的三维运动轨迹的方法得到研究者们的关注,并取得了许多研究成果。例如使用无线电定位设备和声纳等技术获取群体运动轨迹的尝试,都为大规模群体运动的研究做出了重大贡献。在这些三维运动轨迹获取方法中,基于计算机视觉的方法采用相机等成像设备对需要观察的群体进行拍摄,并通过算法分析获取的图像序列以取得个体的三维运动轨迹。此类方法拥有装置简单灵活,时空精度良好,无需对被测个体加装其他设备等优势,因而在近年的计算机视觉领域研究中受到人们的关注并取得了许多有价值的研究成果。在基于计算机视觉的三维轨迹获取方法中,使用立体视觉的系统是一类主流方法。该类方法通过多台成像设备或称为视点从不同视角拍摄研究对象并通过投影三角关系确定其三维位置,例如类似于人眼的使用两个视点的双目系统。立体视觉方法除了解决在图像中寻找个体的目标检测问题以外,主要解决：在不同视点的图像中寻找对应于同一个真实个体的立体匹配并重建三维坐标的三维重建问题；以及在不同时刻寻找对应于同一个真实个体的匹配的目标跟踪问题。本文将上述方法分为跟踪优先系统、重建优先系统和平行系统,近年的成果尝试利用其中一个问题的求解结果作为另一个问题的约束条件,例如在跟踪优先系统和平行系统中得到应用的使用目标跟踪及其所使用的动力学约束帮助确定立体匹配的方法。尽管约束得到了更大程度的运用,在面对复杂的大规模群体运动时,立体视觉方法仍面临众多挑战。由于个体密度高,个体之间的相似性以及互相遮挡等问题,立体视觉面临的问题其中之一就是立体匹配歧义问题,即由于存在一个以上的可能匹配而导致无法做出决定的问题。立体匹配歧义问题在双目系统下尤其突出。尽管使用了目标跟踪的约束帮助削减立体匹配歧义,系统在面对类似集群平移和旋转的严重歧义场景时,约束的应用效率受到严重的限制。本文针对双目视觉系统的严重歧义场景,提出了一种用于提高应用目标跟踪约束削减立体匹配歧义的效率的视点位置优化方法。通过几何分析和对立体匹配歧义程度进行建模后的实验结果发现,在特定的优化的视点位置条件下,立体匹配歧义的削减效率得到显著提高,能够在更短的跟踪区间内确定立体匹配。本文定义了标准化歧义度(normalized ambiguity rate, NAR)和歧义减少率(ambiguity decreasing rate, ADR)用以表征场景的立体匹配程度,并通过实验验证了优化视点位置的存在。在模拟粒子群的轨迹获取实验以及现实世界中的运动实验中,优化的视点都显著提高了三维轨迹获取方法对抗立体匹配歧义的能力。同时优化的视点位置也有助于帮助现有的立体视觉大规模群体运动三维轨迹获取系统改善其结果精确度和鲁棒性。