近年来随着增强现实技术在商业领域的不断推广,作为增强现实技术的基础,物体姿态估计也逐渐成为了一门研究热点。物体姿态估计不仅在增强现实技术上扮演着关键角色,更是在智能监控、机器人运动控制以及飞行器控制等方面发挥着必不可少的作用。目前通常使用基于特征点匹配的方法对物体姿态进行估计,这种方法相较于其他物体姿态估计方法简单且稳定。但目前基于特征点匹配的物体姿态估计仅采用单层特征点匹配,在不同环境下鲁棒性较弱且在精度、实时性上无法达到用户需求。针对上述问题,本文提出了一种全新的基于特征点匹配的物体姿态估计方法——基于双层点匹配策略的物体姿态估计,对两种特征点匹配算法进行不同组合实验,并据此衍生出两种不同应用:基于双层点匹配策略的3D物体姿态估计以及基于双层点匹配策略的多摄像头帧同步。基于双层点匹配策略的3D物体姿态估计:首先利用浅层特征点匹配算法对目标物体实现重定位,初步估计物体姿态;然后再分别使用两种不同点匹配算法求得匹配特征点对;最后利用得到的所有匹配点对精确估计目标物体姿态。跟踪阶段中,由上一帧定位结果,仅在目标物体周围寻找匹配特征点可以极大地减少特征匹配计算量。为提高匹配准确率,又接着利用交叉验证、KNN、RANSAC等算法对最后匹配结果进行优化。针对不同摄像头同时拍摄同一场景时画面帧不同步现象,提出基于双层点匹配策略的多摄像头帧同步。为解决摄像头硬件引起的无法准确获取拍摄图像时间戳问题,设计了一段同步视频用来代表时间戳变化,同时多组摄像头拍摄播放同步视频的显示器并对在显示器播放的同步视频进行姿态估计,以此对摄像头进行建模,最终利用得到的数学模型完成多摄像头帧同步。最后为提高物体姿态估计的精准度,加入冗余行策略重新设计同步视频,并采用双层点匹配策略估计在显示器播放的同步视频在每帧中的姿态。上述两种应用均在实验中进行了验证。实验分别对SIFT、SURF、ORB、深度点匹配、光流单独测试特征点匹配性能,并尝试不同组合测试特征点匹配性能,针对不同的应用,选择更加合适的方案。实验结果表明,对比单层特征点匹配,双层点匹配策略可以得到更加鲁棒的匹配特征点对,使得估计得到的物体姿态精度更高。