近年来,随着航空摄影技术的快速发展,基于城市地理空间三维模型的智慧城市呈现出井喷式的建设势头;而倾斜影像定向作为航空摄影的关键技术之一,为城市三维模型重建任务后期流程中的密集匹配、表面重建及三维贴图提供了基础数据保障。作为影像位姿解算的传统方法,光束平差法已被广泛应用于倾斜影像定向任务;但其高度依赖良好初值的局限性,导致其在外部导航传感器缺失或导航传感器精度有限的飞行任务中,常发生非线性优化求解过程收敛缓慢或发散的问题。为此,本文研究了一种基于局部到全局的优化策略来提高图像定向非线性迭代解算的鲁棒性。其核心思想是:从图像数量少的局部优化开始,利用局部优化的结果对全图像数据集进行快速、高精度的全局优化;为保障局部到全局优化精度无损失,需重点关注不同阶段优化参数和不确定度的精确求解。本文主要工作如下:（1）研究了局部地图构建策略及其参数优化估计方法。根据最大重叠原则构建局部地图;在局部地图中,图像同名点作为约束优化观测值,以此来获取每个局部地图的未知参数和对应权值矩阵（信息矩阵）。（2）研究了全局地图构建策略及其参数优化估计方法。利用局部地图优化结果进行全局地图优化;与传统方法不同的是,本文方法引入局部地图信息矩阵作为全局地图优化权值,保证了全局优化精度无损失。（3）通过三组仿真数据和一组国际公测真实数据对本文方法进行了验证,在精度、收敛速度和收敛性方面与传统方法进行了详细的比较。实验结果显示:在精度验证试验中,对于大型仿真数据集和公测真实数据集,两种方法在相机位置求解结果上的均方根误差（RMSE）的差异仅为1.4mm（大型仿真数据集）和1.0mm（公测真实数据集）;在收敛性验证实验中,本文方法收敛速度和收敛性更优,传统方法在处理初值较差的大型仿真数据集时发散严重,但本文方法依然可快速收敛。