从图像中得到相机成像环境的几何结构和场景中物体的运动信息一直是计算机视觉的研究核心之一。视频作为连续图像的集合,在提供了图像已有色彩信息外,还为目前的图像算法提供了几何与时间约束。随着无人驾驶技术的发展,在定位或测距信息之外,基于摄像头的场景理解和运动识别可从另一个维度指导行车,于是结合相机信息的单目交通视频处理,成为了目前图像算法研究的重点。通过研究单目相机针孔模型,标定得到相机参数,结合成像过程中的坐标变换,可以得到世界空间点和图像空间像素的对应关系。本文针对目前无人驾驶的需求,结合单目交通视频的特性和相机成像流程,展开如下研究:由于目前无人驾驶需要大量包括空间物体运动信息在内的环境感知数据,本文结合单目标定矩阵和相机外参,提出单目动态相机的场景流估计算法,为空间运动分割和包围盒碰撞检测提供点云位置和运动域信息。算法首先根据视频的时空一致性提出三个重要假设,公式化为能量泛函的数据项;然后根据场景流和深度分布的特性,提出一个各项同性和一个各向异性平滑算子,作为能量泛函的约束项;除此之外,针对运动带来的遮挡,算法提出遮挡点掩码算法;在此之后的极小值求解中,通过使用欧拉-拉格朗日公式重写泛函,得到求解的非线性迭代公式,再通过结合高斯金字塔的两层迭代,得到场景流的估计结果。最后,通过在多个数据集上进行实验得到结果,并与当前通用双目场景流算法的实验结果比较,评估算法有效性,证明其与多目场景流算法相比,具有更大灵活性。目前针对交通视频的机器视觉研究广泛开展,但由于交通场景具有高度动态性,不同天气条件,不同行车环境的数据集采集非常困难,并且需要耗费巨大的时间和人力成本。对此,本文结合单目标定参数,提出一个增强现实数据集生成系统,其将现有单目交通视频和标定参数作为输入,遵循几何一致性原则,将虚拟模型加入到场景,生成多样化的交通场景视频数据集,解决目前数据集种类单一,特殊条件数据集难以采集的问题。该系统使用三维引擎作为空间渲染的工具,使用图像处理库OpenCV作为视频加载工具,使用WPF作为界面工具,首先将标定相机数据转换为Unity3D相机投影矩阵,保证模型和场景的几何一致性;然后将Unity Player封装为组件嵌入窗口控件中,通过进程间消息机制实现界面进程和渲染进程的通信;最后,通过关键帧插值的方式,实现虚拟车辆在视频中的平滑移动和旋转。在根据图像算法测试需求生成新的交通视频外,系统在添加虚拟物体的同时还使用粒子效果模拟了多种天气场景,使得生成的样例更具多样性。