模仿和学习一直被认为是入脑智能的主要体现，让机器人模仿灵活的人体运动是人类的美好愿望，也是机器人智能的重要体现。基于标记点和运动捕捉系统的人体运动模仿系统已经比较成熟，但是基于单目视觉和不带标记点的人体运动模仿却还在研究阶段。本文对基于单目视觉和不带标记点的人体手臂运动模仿中的技术问题进行了探讨。主要研究内容及结果如下：　　 ⑴利用旋量理论对6自由度机械臂进行了运动学分析：利用旋量和指数积方法完成了对6自由度机械臂的运动学正问题的分析；灵活应用了paden-Kahan子问题，得到了6自由度机械臂运动学逆问题的封闭解；对6自由度机械臂存在的奇异性进行了分析。　　 ⑵总结了现有的摄像机标定算法，在分步标定摄像机思路的基础上，发展了一种先标定摄像机的畸变参数，再标定摄像机的内参数，最后标定摄像机的外参数的思想。由于摄像机按照小孔成像模型成像，必须满足一条基本性质：空间中的直线通过小孔成像之后在成像平面内仍然映射为直线。利用这条性质，本文提出了分组并行回归算法对摄像机的畸变参数进行校正，和传统的Levenberg-Marquart等非线性搜索算法相比，优化算法不需要别的算法来为寻优过程提供合适的初始值，因为寻找初始值的过程就存在于优化算法的第一轮迭代中。　　 ⑶研究了现有的从单目视频中恢复人体的运动的方法。提出了“APF+KJP”的人体手臂运动跟踪算法，它结合了由文献[41]提出了退火粒子滤波算法(annealed particle filter，APF)和文献[43]中提出基于运动学的粒子跳转算法’(Kinematic Jump Process，KJP)的特点，’APF+KJP’能够以更高的效率挖掘权值相对高的粒子，使人体手臂的跟踪更加鲁棒。此外KJP还能够一方面帮助跟踪器挖掘那些可能存在，但是目前还没有被发现的全局最优点，另一方面当跟踪器跟踪到错误的全局最优点时，KJP能够帮助跟踪器重新逼进正确的全局最优点。　　 ⑷在由“APF+KJP”估计的人体手臂关节角度估计的基础上，提出了手臂关节参数后续处理的“四步法”：第一步，根据‘Interpretation Tree’的构造法则，找出和所估计的手臂参数具有相同像平面投影的手臂参数；第二步，根据人体运动的惯性约束，利用动态规划算法(DynamicProgramming，DP)对手臂的关节角度进行平滑处理；第三步，由于跟踪算法中的人体模型结构与6自由度机械臂的手臂结构并不完全一样，最后，本文作者采用了“保持手臂上肢和下肢方向不变”这一准则，根据运动学的推理把人体关节角度从人体模型向机器人模型转化，得出了它们之间存在的解析关系；第四步，根据“最优后的人体关节角度和最优后的机器人关节角度空间距离最小”这一准则，对机械手关节空间角度再寻优。