无人机遥感在国防和经济建设诸领域的应用日益广泛,解决无人机遥感探测数据处理的整套技术,一直是广受重视的研究内容。其中,高质量、高效率地实现无人机影像定位,始终是无人机探测数据处理的关键环节。本文围绕无人机影像定位核心技术的优化开展研究,重点突破特征提取、影像匹配、区域网平差在精度改善、解算稳健性等方面的策略和技术方法,探索大规模区域网平差并行加速途径和技术流程,并通过多种测试数据验证了相关优化技术的有效性。论文的主要工作和创新点如下:(1)总结归纳了国内外研究现状和有待解决的问题。在介绍和论述特征提取、影像匹配、无人机影像位姿恢复与优化相关理论和技术的基础上,重点对无人机影像处理中涉及的参数估计基础理论进行了探讨与分析,包括常用的代数方法、几何方法、鲁棒方法和统计方法,以及摄影测量光束法平差和计算机视觉多视图几何等内容。(2)设计了无人机多视影像分层分块、逐级引导的特征提取与匹配策略,有利于充分发挥GPU高效并行运算的优势,用于解决无人机影像幅面越来越大和计算处理能力有限之间的矛盾。同时,引入图论并査集思想改善多视同名点快速提取的质量,为提高区域网平差网形强度和稳定性奠定了基础。利用多组无人机影像验证了相关策略和处理方法的有效性。(3)提出了一种纹理自适应的影像连接点提取方法,有针对性地解决沙漠地区无人机影像对比度低、相似性强、纹理信息不均衡,经常会造成连接点过少甚至提取、匹配失败的突出问题。该方法利用影像金字塔进行粗匹配,建立影像之间近似单应变换关系,然后通过对原始影像分块计算灰度共生矩阵的熵来评估影像纹理指标,并据此实现连接点的自适应提取与匹配。实验表明,该方法能够得到数量较多、分布均匀、可靠性强的同名点。(4)针对海岛礁影像大面积落水、误匹配点多且剔除难度大的问题,提出了一种虚警值最小化的误匹配剔除方法。该方法根据残差分布统计随机抽样本的虚警值,按照虚警值最小化的原则自适应确定内外点阈值,以此精确求解几何约束模型。利用多组典型无人机海岛礁影像进行试验,取得了良好的效果,验证了该方法的必要性和有效性。(5)为提高无人机影像对地定位精度,对POS安置误差、相机内方位元素、镜头畸变进行了几何标定与补偿,补偿后对地定位精度有显著提升。引入了计算机视觉运动恢复结构(Structure From Motion,SFM)方法,并就普遍关心的精度问题与POS辅助光束法进行了对比实验,结果表明SFM与POS辅助光束法平差的精度基本相当。因此,应急条件下可采用POS辅助进行目标直接地理定位,常规生产任务可以采用SFM方法,既能保证精度又降低了作业成本。(6)无人机影像区域网平差过程中噪声数据较多,采用标准的L2范数对于噪声比较敏感,尤其是为了克服法方程的病态而采用列文伯格-马夸尔特法,噪声的影响更加明显。为此提出了一种顾及观测值可靠性的稳健平差方法,该方法能够根据特征点的重叠度和残差大小自适应调整代价函数,从而克服误匹配点对平差结果的干扰。为评估稳健平差的效果,提出了相应的精度评价方法。实验表明,本文提出的方法鲁棒性较好,在误匹配点较多的情况下依然能够取得比较稳定的结果。(7)为提高无人机影像大规模区域网平差的计算效率,设计了一种基于前承条件共轭梯度和非精确牛顿解的法方程并行解算优化方法,改进了平差计算流程,避免了对大规模方程组直接求逆并减少了共轭梯度迭代次数。该计算步骤采用块压缩稀疏行的格式存储稀疏矩阵,在利用CPU多核并行和GPU并行计算时,能够降低对CPU和GPU的RAM资源要求。多批次无人机数据的实验表明,本文的区域网平差方案能够在普通配置的计算平台上处理1万余幅影像且具有较高的效率和加速比。