位姿测量在现代控制、国防、航空航天及医学等诸多领域都具有着重要的应用价值，如导弹的飞行状态测量，卫星及航天飞船的姿态测量等，此外机器人、自主无人车、手术辅助系统等都与位姿测量相关。位姿测量系统须具备高精度、强实时性以及安装方便等特点。视觉测量系统因结构简单、成本较低且分辨率高而相比其他测量系统具有一定优势。视觉传感器的有效作用范围为中、近距离段，其通过处理分析图像序列，实现目标重建或目标动态参数计算。而基于单目视觉的测量在该类系统中占据了重要地位，其仅需一台视觉传感器，便可实现对目标尺寸及位姿等参数的测量，且不会出现双（多）目系统中特征匹配困难、空间占用大、标定复杂及视场调整不便等问题。因此，基于单目视觉的位姿测量已成为目前位姿测量研究的重要领域，同时具有广泛的应用前景。　　目前基于单目视觉的测量系统仍存在一些约束其在各领域应用的问题。首先，利用图像特征解算位姿时，会受到特征提取精度、摄像机分辨率及解算方法自身缺陷等因素影响，导致测量精度不高。其次，位姿测量系统需要使用图像处理的结果，测量精度与图像质量直接相关。然而因应用不同，图像会受光照、环境、被测目标及测量元件抖震等因素的影响。最后，因受图像采集及传输速度的限制，系统无法测量高速运动的目标。目前基于高速以太网的摄像机或智能摄像机，可解决图像采集或传输问题，然而图像处理方法又成了短板。　　围绕单目视觉测量系统中准确性、鲁棒性及实时性问题，本文从实际应用角度出发，针对基于单目的视觉测量问题进行深入研究，主要贡献为:　　1.通过总结分析位姿测量发展现状，给出各类测量系统的优缺点。首先深入分析比较了目前位姿测量系统与方法，涉及基本理论、测量方式、适用范围及优势缺陷等，同时确定了本文的研究方向，即设计并实现一套具有精度高、实时性强且具有较好鲁棒性的基于单目视觉的位姿测量方法。　　2.设计了一套快速、有效的目标特征识别及跟踪算法。在基于视觉的测量中若无特殊光源及相应采集系统配合，快速准确的特征提取难度较大。本文根据所用标识特性设计了图像处理算法，实现了目标及其特征的分步提取。针对图像分割、编码、定位及角点提取等关键问题进行了研究改进。最终实现较复杂背景下的运动标识跟踪及特征提取，方法具有较小运算量及较好鲁棒性。　　3.研究目标位姿解算方法。结合PnP(Perspective-n-Point)算法解决单目视觉深度估计问题，并针对PnP解算过程对初值敏感及所得结果非正交等问题，提出并设计了基于卡尔曼滤波的两段式优化方法，提升了位姿测量精度。此外结合本文标识特点，通过在线估计摄像机内参数，增加了本文方法的实用性。　　4.基于家庭服务机器人平台的手臂参数标定过程对本文方法的验证。为了验证本文方法精度及易用性，引入家庭服务机器人平台。服务环境的特殊性决定了相关的测量及标定必须在具有较高精度的前提下，降低成本并简化操作。本文首先给出了可变形臂设计及特色，并对其应用过程中所遇问题进行了分析。然后，分析了本文测量方法应用于该平台的优势。最后，设计了基于本文测量算法的面向家庭服务的视觉测量系统，实现了可变形臂参数的辨识。　　5.人-车交互系统中人-车姿态测量过程对本文方法的测试。骑自行车运动属于高动态性的运动，骑行过程中，为了保持平衡或遇突发情形时，人体或车体姿态会产生剧烈变化，而且骑行环境复杂多变。因此，该平台为测试本文算法稳定性及鲁棒性的合适平台。本文首先根据人-车系统特点，结合本文测量方法并引入陀螺仪传感器，设计了针对人-车交互平台的测量系统。并完成了室内外环境下的姿态估计，进一步验证了本文视觉测量方法的性能。　　6.面向竞争型网络机器人平台的敌方状态识别过程对本文方法的测试。竞争型网络机器人在进行攻防作业时，需快速准确的跟踪并打击目标，同时躲避攻击以获取胜利。然而网络延迟等因素的存在，要求操控者与机器人实现智能的和谐分配，即机器人需自主完成打击任务。双方机器人的对立竞争关系，对本文算法精度，尤其是实时性提出了挑战。首先，设计了基于本文测量方法的竞争型机器人视觉伺服系统，随后给出了两种分别使用本文特征提取及位姿优化结果的控制策略。最后，通过多种跟踪打击实验测试并验证本文方法性能。　　本文提出了一套针对测量精度、鲁棒性及实时性能改进或设计的基于单目视觉的位姿测量方法，围绕三类对位姿测量具有针对性需求的具有实际应用意义的典型系统平台，对视觉测量方法展开了研究。针对三类典型平台并结合本文视觉测量方法设计出测量方案的同时，也验证了本文方法的有效性，为更多类似对测量有需求的应用任务提供了有效的解决方案。