Diese Arbeit betrachtet echtzeitfähige Verfahren zur Fusion der zeitlichen Informationen des optischen Flusses mit den räumlichen Informationen der Stereo-Tiefenwerte innerhalb einer Stereo-Bildfolge, um eine nachfolgende Objektsegmentierung zu stabilisieren. Als ein Ergebnis wird ein System zur parallelen Verfolgung markanter Bildpunkte entwickelt, für die jeweils die Positionen und absolute Geschwindigkeiten in Welt-Koordinaten mittels eines Kalman-Filters geschätzt werden. Es werden mit dem IEKF und UKF zwei nichtlineare Filter auf ihre Eignung untersucht, sowie ein Sigma-Test zur Elimination von Ausreißern und eine Structure-From-Motion Erweiterung vorgestellt und implementiert. Das System wird abschließend anhand synthetischer Daten und realer Sequenzen evaluiert und mögliche Verbesserungen skizziert.