相机的姿态估计问题是计算机视觉领域的研究热点之一,也是目标定位研究中的关键问题,在机器人导航、增强现实以及其他方面有着极大的应用。但是实际相机的姿态受平台运动和振动等因素的影响,会产生颠簸或者摇摆导致图像的抖动,传统的基于对应点的姿态估计方法难以准确有效地估计相机的姿态。惯性器件姿态测量技术具有高度自主性,不易受环境影响,具有广泛的应用空间,因此,本文在惯性器件的基础上融合视觉信息对相机姿态估计问题展开研究,在基于松耦合滤波的视觉惯性融合框架下,提出一种基于线特征参数的视觉惯性融合模型,并将融合模型应用在车载和机载平台上对相机姿态进行估计和目标定位研究,同时针对高空机载环境下的船舶目标检测、船舶目标特征提取和海面特征问题进行研究,解决了单纯依赖惯性器件进行姿态估计过程中的误差积累问题和高空环境下的船舶目标定位问题,并且在实际的挂飞实验中取得了良好的应用效果。本论文的主要工作为:首先,针对惯性器件的误差标定问题,提出一种基于经纬仪的加速度计标定方法,该方法利用重力加速度对加速度计的三轴产生激励,并利用Kalman滤波对待标定系数进行迭代收敛,实验结果表明,该方法能够将标定系数收敛到理想值。在陀螺仪的标定方面,在不依靠旋转平台的情况下,提出了一种基于视觉传感器的陀螺仪参数标定方法,利用相机坐标系下的特征点坐标进行陀螺仪尺度因子和零偏参数的标定,实验结果表明,该方法能够准确标定出陀螺仪的参数。其次,针对单一传感器进行相机姿态估计与目标定位过程中存在的问题,提出多传感器融合进行相机姿态估计与目标定位的模型。其中包括融合激光测距仪解决视觉传感器深度信息缺失的问题。针对基于松耦合滤波的视觉惯性融合模型中利用点特征进行姿态解算时存在特征点跟踪和匹配较困难的问题,提出一种在前端视觉传感器中以线特征参数作为视觉输出与惯性器件的姿态结果进行融合滤波的视觉惯性融合方法,以视觉传感器解算的线特征参数作为状态更新,以惯性器件的姿态解算为状态预测,并基于该模型对车载平台和机载平台下的相机姿态展开估计研究。然后,针对车载平台下的相机姿态估计问题,在传统的GPS信号失锁的情况下,介绍一种基于低精度的惯性器件进行车载相机姿态估计的研究方法,该方法利用低精度惯性器件结合车速传感器在汽车动力学方程的基础上,得到车辆的准确姿态,实验结果表明,该姿态测量方法即使在高动态情况下也能准确估计出车辆的姿态信息。在车载相机和惯性器件的融合方面,基于线特征参数的视觉惯性融合模型框架,提出一种将消影点参数作为视觉输出与惯性器件的姿态解算进行融合的方法,实验结果表明该方法能够在抑制惯性器件零漂的基础上有效解算出相机的姿态。同时针对视觉信息中的消影点参数测量问题,利用惯性器件的输出进行视觉信息消影点参数的辅助测量,实验结果表明能够在惯性器件的辅助下准确测量出视觉信息中的消影点参数。然后,针对机载平台下的海面船舶目标检测和特征提取问题,提出一种在惯性器件辅助下的尾迹特征识别方法,尾迹特征是在高空能够观察到船舶目标最明显的特征,通过尾迹的方向特征来识别具体船舶是高空检测船舶目标行之有效的方法。实验结果表明该方法即使在高空环境,船舶目标的其他特征完全失效的情况下,依然能够检测出待定位的船舶目标。在海面特征研究方面,在提取海陆特征的基础上,介绍两种基于超像素的海陆分割算法。第一种利用提取的海陆特性进行多特征融合的海陆分割,实验结果表明,该方法能够分割出海陆区域,只是分割结果依赖初始的超像素分割结果。第二种方法是基于超像素的多尺度海陆区域分割算法,对超像素块进行多尺度的特征统计,实验结果表明,该方法能够克服第一种的缺陷,达到比第一种方法更好的分割结果。最后,针对机载平台下的相机姿态估计问题,基于线特征参数的视觉惯性融合模型框架,提出利用环境线特征参数作为视觉输出参数与惯性器件进行融合的姿态估计方法。该方法在扩展卡尔曼滤波理论框架下,结合海天线观测模型与刚体旋转模型估计载机的姿态。通过预测海天线参数及其残差协方差来判断海天线是否检测正确,实验结果表明该方法能准确检测出海天线和估计出载机的姿态,并且在检测海天线的过程中,提出一种基于惯性测量和模板匹配融合的海天线检测算法,根据当前帧海天线的位置和角度,结合帧间惯性测量数据,预测下一帧海天线区域,实验结果表明,该方法能减小海天线检测区域,同时能大幅度提高检测准确率。在估计出机载相机姿态的基础上,建立基于机载相机姿态的海面船舶目标定位模型,并以实际的挂飞实验验证建立定位模型的准确性,实验结果表明,即使在高空环境下也能定位出海面船舶目标。研究基于视觉信息与惯性器件的姿态估计与目标定位技术有利于解决惯性器件姿态测量过程中的误差积累问题,拓展了视觉信息提取与惯性器件融合算法,可以为基于惯性器件导航、姿态测量等研究提供技术支持与方法参考。