本论文开展了类地重力场环境下机器视觉空间识别与目标测量的研究。通过理论建模、实验研究和数据分析等方法，进行了类地重力场中室外及室内场景图像特征分析、类地重力场环境下机器视觉空间识别模型及算法（包含:室外与室内场景）、以及场景图像深层次信息认知及目标测量等内容的研究。需要指出的是，由于本文中采用的大部分场景图像是地球重力场环境下采集的，因此，文中将类地重力场简称为重力场。　　主要的研究内容如下:　　1.基于场景图像颜色、纹理、边缘等特征的分析与研究，提出将重力场、透视投影原理及视觉空间尺度作为机器视觉空间识别的重要线索，进行室外与室内场景空间识别的思想。　　2.基于前期场景图像上下文的研究，提出了场景图像上下文信息中隐含着重要的重力场、透视投影规律及视觉空间尺度等因素，并在此基础上提出了重力场室外及室内场景视觉认知模型。　　3.构建了重力场环境下室外场景单目视觉空间识别算法，通过实验及相关数据分析验证了算法的准确性、有效性和可扩展性。并且定量和定性的比较了本文所提算法与以往算法的优势。　　4.构建了重力场环境下室内场景单目视觉空间识别算法，通过实验及相关数据分析，验证了算法的准确性和有效性，并对以往室内场景机器视觉空间识别算法与本文算法进行了定性比较与分析，展示了本文算法与以往算法相比所具有的优势。　　5.在场景空间识别的基础上，本文选择室外空间场景图像中树木和建筑物识别以及室内场景中人体识别与测量作为研究内容，开展机器视觉系统对场景图像深层次信息认知及目标测量的研究。