Las grúas montadas en embarcaciones operan en entornos marinos complejos, donde la medición precisa de las posiciones y actitudes de la carga es un desafío tecnológico clave para garantizar la estabilidad y seguridad operativa. Este estudio presenta un sistema de medición integrado que combina tecnologías de visión y sensores inerciales, utilizando una cámara estéreo y dos unidades de medida inercial (IMUs) para capturar el movimiento de la carga en cinco grados de libertad (DOF). Al fusionar los datos de la cámara estéreo y las IMUs, el sistema determina con precisión la posición y actitud de la carga en relación con la cámara. La metodología específica se introduce de la siguiente manera: Primero, se adopta el modelo YOLO para identificar objetivos en la imagen y generar cuadros delimitadores. Luego, utilizando el principio de disparidad binocular, se calcula la profundidad dentro del cuadro delimitador para determinar la posición tridimensional del objetivo en el sistema de coordenadas de la cámara. Al mismo tiempo, la IMU mide la actitud de la carga, y se aplica un filtro de Kalman para fusionar los datos de los dos sensores. Los resultados experimentales indican que los errores de medición del sistema en las direcciones x, y, y z son menores al 2.58%, 3.35% y 3.37%, respectivamente, mientras que los errores en las direcciones de balanceo y cabeceo son del 3.87% y 5.02%. Estos resultados demuestran que el sistema de medición diseñado proporciona efectivamente la información de movimiento necesaria en 5-DOF para el control de grúas montadas en embarcaciones, ofreciendo nuevos enfoques para la detección de poses de grúas marinas y cargas.