摄像机位姿估计是计算机视觉领域一个重要的研究方向,也是机器人定位与导航、目标跟踪与识别、虚拟现实和运动估计等许多理论研究与实践所要解决的核心问题。摄像机位姿估计方法大致分为基于传感器的方法和基于视觉信息的方法两种,但目前大多数的摄像机位姿估计方法都是基于传感器实现的,而完全基于图像提供的视觉信息的摄像机位姿估计方法的研究还相对较少。本文主要针对通过移动摄像机视点获得的图像序列,研究基于视觉信息的摄像机位姿估计方法。摄像机位姿估计是以摄像机标定为前提的,本文首先采用张正友摄像机标定方法获得摄像机的内参数,然后基于此标定结果,利用改进的PnP算法对单幅图像的摄像机位姿参数进行估计。但为了实现基于移动视点的摄像机位姿估计,本文接下来对特征点跟踪方法进行了研究。首先,研究特征点提取方法,通过研究及实验对比后采用Harris角点检测算法来获得特征点；其次,研究特征点匹配方法,分析Harris角点的特性后采用归一化相关灰度的匹配方法进行特征点的粗匹配,然后利用RANSAC算法实现特征点的精确匹配,剔除存在的误匹配；最后,研究特征点的跟踪方法,为了实现对特征点高效有序的跟踪,本文提出了一种融合了2D和3D信息的特征点存储结构。基于特征点跟踪获得的特征点对,再结合图像序列初始帧人工引入的6对3D点坐标,即可利用改进的PnP算法实现对图像序列的摄像机位姿参数进行估计。但完全基于图像中视觉信息实现位姿估计势必会因图像噪声而引入累积误差,因此需要对位姿参数的初始值进行优化处理,本文采用稀疏光束平差法通过最小化重投影误差来获得稳定鲁棒的摄像机位姿参数估计结果。本文研究的基于移动视点的摄像机位姿估计方法,只需人工在首帧图像引入数据,为其提供空间点的3D坐标,即可获得图像序列对应准确的摄像机位姿信息。该方法的研究在目标识别与跟踪,机器人导航和视觉里程计等研究方向有着非常重要的意义。