无人机位置和姿态测量是现代无人机控制、导航、跟踪等许多领域研究的一个重要问题。无人机本身的位姿信息是反映其运动状态的重要参量,获得这些参量从而用于无人机的飞行控制,有着重要的价值。计算机视觉测量技术,具有非接触测量以及信号采集、数据处理、自动化程度高等优点,已经应用于无人机的位姿测量中。本文的主要任务就是利用单目视觉成像技术,基于CamShift算法和编码标志识别技术完成对无人机位姿的测量,分析和计算其测量误差,分析其误差产生的原因。此外,利用GPU实现对TLD算法的加速。首先,利用张正友法对单目相机进行标定,得到相机的内部参数和畸变参数,为位姿测量做好准备。其次,基于CamShift算法,实现了无人机目标的位姿测量。分别对无人机的静态模型和动态模型进行测量,计算出目标的三个位置坐标和三个姿态角,给出测量精度和估算范围,分析其误差产生的原因,并提出减小误差的方法。再次,针对基于CamShift算法单目视觉测量精度不足问题,通过编码标志识别算法进行了位姿测量实验,计算其测量误差,并与第三章的测量结果进行对比。实验表明,基于编码标志识别的测量方法有效抑制了测量误差,提高了位姿测量的精度。最后,为提升目标测量的实时性,利用GPU的并行计算优势,在CUDA的架构上对TLD跟踪算法进行了并行化处理,分析了TLD算法各部分的耗时,使帧处理速度从16帧/秒提升至22.4帧/秒,在保证识别到目标的帧数的情况下实现了一定程度的并行化加速。