无人机遥感平台作为航天、航空遥感的有力补充,具备灵活机动、成本较低、安全性高、时效性强等特点,在环境监测、测绘、应急救灾等场景得到了广泛的应用。在利用无人机平台进行航空摄影测量任务时,通常要求对飞行区域进行场景三维重建和正射影像生成。无人机影像定位是其中的关键技术,通过无人机影像定位可以获取相机拍摄时的姿态信息,并进一步计算得到场景的真实三维模型,为后续信息分析与管理提供良好的基础。但无人机平台容易受到风雨等环境因素影响,获取的影像存在姿态变化较大、重叠不规则、基高比小等问题,导致图像特征匹配误差大,匹配错误率高。同时,无人机影像通常只有GPS信息,却不具备姿态信息,在使用传统方法进行光束法平差时无法完全消除累积误差,造成影像定位精度低甚至定位结果完全错误。为了对无人机影像进行快速而精确的定位,本文从基于视觉特征的图像误匹配剔除方法和计算机视觉运动恢复结构理论与方法出发,研究如何加速无人机影像定位并提高其定位精度。论文主要研究了基于运动恢复结构的无人机影像定位优化方法,利用运动格网估计方法、层次式定位方法和GPS辅助光束法平差,实现无人机影像定位加速与定位精度提升。基于图像运动平滑性约束,通过格网运动统计的方法区分正确与错误匹配,有效的保证了RANSAC方法的模型估计精度和图像匹配的正确率。基于分而治之的思想,利用图像匹配与关联信息构建场景图并对其进行划分,通过层次式运动恢复结构方法对各个子场景进行处理,实现大规模无人机影像的定位加速。基于无人机影像的GPS信息,通过融合图像的视觉特征约束和空间地理信息约束,构建同时顾及重投影误差和空间距离误差的统一代价函数,实现GPS辅助的无人机影像定位平差优化。同时,本文在多个实验数据集进行验证,并取得了良好的实验效果,充分证明相关算法对于无人机影定位加速和定位精度提升的有效性。