近年来,自动驾驶技术、人脸识别、人体姿态估计、三维重建、深空探测（月球、火星探测）以及卫星系统定位等技术引起了学术界和工业界的广泛关注,并吸引了大量的研究学者对此领域展开研究。随着遥感卫星对地观测的数据具有分辨率高、幅宽广的特点,其中相机姿态估计是确定遥感卫星相机传感器方位的基础,由于观测数据时其姿态是不断变化的,这使得地表数据不能保持设定的理想姿态,降低了遥感卫星相机姿态估计的精度。为了克服传统方法中由于图像畸变和视角对姿态估计精度的影响,本文提出了一种利用高精度三维点云模型获取多场景区域、特征信息丰富的图像,并将其与二维影像相结合进行遥感卫星相机姿态估计的方法。主要工作总结如下:（1）针对遥感卫星相机姿态估计的精度问题,提出了一种基于投影的2D-2D（2D参考影像与2D查询影像）影像匹配的相机姿态估计方法。该方法利用三维点云模型获取多张影像数据,主要思路是首先将高精度三维点云模型投影与遥感影像相结合进行相机姿态估计,即将高精度3D点云模型投影到2D影像空间得到投影影像;然后利用投影获取的影像进行2D-2D匹配,经多种匹配算法的实验对比分析,选择匹配效率高的SIFT匹配算法进行相机姿态参数计算;最后运用单应性矩阵和本质矩阵来求解出相机姿态信息。通过仿真实验,说明本方法具备较快的姿态估计速度,并且可以达到较好的姿态估计精度。（2）针对遥感卫星相机姿态估计的鲁棒性问题,提出了一种基于3D-2D（空间3D点坐标与图像2D点坐标）跨模态的EPNP（Efficient Perspective-n-Point）相机姿态估计方法。该方法结合鸽舍原理,在前期查找2D最邻近点对的计算过程中大大提升了运行效率,后期得到3D-2D之间的对应点关系并结合EPNP姿态解算算法,使得进行姿态估计时具备更好的鲁棒性与较快的速率。主要实现思路是通过三维点云模型透视投影、匹配搜索计算等方法找到模型与影像3D-2D之间坐标点对应关系,再分别在平面和非平面情况下运用EPNP方法进行姿态参数的计算。通过仿真实验与其他算法的对比,表明所提方法具有更高的鲁棒性。