位姿参量是反映空间中物体运动状况的核心参数,对于军事、导航、航天、航空等众多领域的发展都至关重要。考虑到硬件设施、经济因素等一些实际条件的限制,利用光学设备拍摄的影像序列,结合设备内外参数来进行位姿求解的方式逐渐成为主流。如何从航拍数据中精确地获取运动目标的位姿参量,已成为摄影测量和计算机视觉领域中一个亟待解决的问题。目前,基于摄影测量的目标位姿求解方法,根据拍摄影像序列的光学设备的数目,可以分为单目测量和双目测量(也称为单站测量和双站测量);根据待测目标上控制点与其成像点对应关系是否明确,可以分为点对应性已知的方法和点对应性未知的方法。由于单目测量方法仅有一站影像数据,信息量有限,位姿求解算法的精度受到限制。而点对应性已知的方法,大都需要人工事先在目标及其模型上指定部分控制点,这在实际应用中,很多时候难以满足。因此,本文主要研究点对应性未知的双目位姿测量方法,在总结学习现有方法的基础之上,提出了一种基于模型的双目位姿参量求解方法。在既不需要事先指定目标控制点,也不用提前进行大量机器学习来训练模板库的前提下,首先分别对两站图片进行分割处理,分离出感兴趣的前景目标;然后对其进行边缘检测,提取出能够反映目标全局特性的轮廓特征;之后借助OpenGL工具,对目标模型仿真投影,将模拟图像轮廓与实际影像轮廓进行相似性匹配,通过加权融合两站的匹配结果,构建能量函数;最后结合摄影测量学中双目交汇的相关算法,利用最优化方法求解目标位姿参数。本文对算法中图像处理和位姿参数最优化求解这两个关键阶段进行了重点研究和分析。在图像处理阶段,对边缘检测和图像分割领域中的经典算法进行了学习。其中,图像分割方面,重点研究了GrabCut算法,对其优点和不足进行了详细分析。在此基础之上,结合实际问题,研究并实现了一种适合影像序列的连续图像分割算法,该算法无需过多人工干涉,在保证分割效果的前提下,提高了连续图像分割的自动化程度。轮廓提取方面,主要研究了Canny边缘检测算法,为了进一步提高轮廓特征的精度,引入模板过滤,形态学处理,Douglas-Peucker多边形拟合,线性插值等算法对轮廓线进行优化。在位姿参数最优化求解阶段,充分利用双目信息提高算法的精度和收敛速度。首先实现对轮廓线相似性度量方法的定义;然后引入加权策略,对两站轮廓匹配情况进行融合来构建能量函数;最后,利用双站空间交汇算法确定目标空间位置信息,减小优化算法的可行域,加快其收敛速度。文章最后,利用OpenGL、3DMax等软件模拟影像序列,对本文算法进行测试分析,验证了算法的有效性。