使计算机具有利用一帧或多帧图像认知周围环境信息的能力是计算机视觉研究中的一个重要目标。本文将角点检测、目标跟踪以及三维重建应用到场景姿态变化检测中,讨论并研究相关算法,从而解决高精度的场景姿态检测这一问题。本文的目的是得到高精度的场景姿态变化,算法思想是首先自动检测场景图像的角点,以角点作为特征点,应用目标跟踪算法粗略的匹配特征点位置,然后运用分解因子算法,精确检测场景中特征点的姿态变化,最后根据射影几何的交比不变性确定与选定的特征点同一平面内的点的姿态变化。在检测图像角点这一环节,本文讨论了Harris角点检测算法以及Susan角点检测算法。在Harris算法中,提出了一种根据求得的角点个数调整阂值的自适应阈值的方法,提高了角点检测的精度。在粗略检测场景姿态变化这一环节,以灰度不变性为前提,本文讨论了互相关算法以及运用Levenberg-Marquardt算法来估计多帧图像中角点的姿态变化。为了保证在目标快速运动时算法的鲁棒性,本文应用了双向卡尔曼滤波对角点的变化进行平滑。在精确检测场景姿态变化这一环节,基于透视模型,利用非线性优化算法对多幅图像综合考虑,重构摄像机运动和对应的场景结构。用分解因子法来获得高精度的场景姿态变化,这个算法只关心多帧图像中对应角点的位置而不关心图像本身的灰度、纹理等信息。最后,根据射影几何的交比不变性,应用分段线形仿射原理,确定场景的姿态变化。