计算机视觉是上世纪七十年代兴起，在工业界，由于传感器的简单易用，信息丰富以及成本低廉，使得工业任务越来越多得偏向于使用计算机视觉。基于视觉的目标检测需从图像中提取出稳定不变的元素，这通常是通过稳定的点特征或对图像模板进行编码来实现。目标定位是和目标检测密不可分的两个任务，虽然在目标检测的同时就可以完成粗糙定位，但是工业应用中往往对精度有苛刻要求，高精度的目标定位属于图像配准领域范畴，由于噪声，光照等因素的存在，也为图像配准带来了难度，衍生了不同种类的图像配准算法。本文对常见的目标检测及图像配准进行了回顾和总结，对现有算法提出了改进，设计并完成了面向工业物体的快速，比较鲁棒的，精确的图像配准算法。论文的主要研究内容和成果如下：1.面向目标定位的形状上下文描述子。针对工业应用中目标纹理较少的情况，本文改进了前人的工作，提出了一种Shape Context描述子的改良，通过引入更高精度的采样，更高维度的柱状图表达，额外的角度信息的加入，能够对少纹理的物体进行形状上的详细特征描述。2.面向工业应用的亚像素配准算法。本文总结了基于图像灰度的Lucas-Kanade框架，以及基于图像空间信息的ICP框架，针对工业应用中的对速度的额外要求，本文采用不同的距离度量，为ICP算法中的数据点引入新的维度，结合KD-tree编码加速图像配准，实现了面向多纹理物体和少多纹理物体的亚像素精度检测。3.针对单目摄像的人体姿态估计框架。本文吸纳了多目摄像下的人体姿态估计的框架，尝试在只有单目摄像机拍摄下，人体信息严重缺少的情况下，完成3维尺度上的人体骨架模型重建，并未后续的人体重构与跟踪，以及动作行为识别打下基础。