针对深度图在边缘修复过程中受外部物体深度值的影响，造成深度值修复出现偏差的问题，提出了一种顾及边缘交融特征的自适应深度图空洞修复算法。首先，对深度图和RGB图的边缘进行提取、空洞伪边缘去除和边缘融合处理；然后，通过融合的边缘信息和有效像素占比设定滤波窗口大小，并根据滤波窗口与空间距离的关系设定空间距离权重参数，采用深度图与RGB图之间的结构相似性最大值作为颜色权重参数；最后，采用中值滤波去除边缘空洞像素和离散的噪声点。在Middle bury数据集和NYU Depth Dataset V2中对所提算法进行实验，并与其他算法进行对比分析。实验结果表明，所提算法能较好地修复边缘区域的空洞，保持较为清晰的物体边缘轮廓信息，具有较强的鲁棒性。

为了有效提取地面点云并提高运算效率,提出了一种结合统计滤波与密度聚类的矿山地面点云提取算法。首先,基于高效的KD-tree索引算法与统计特征思想进行统计特征的改进,并分析非地面点的空间分布特性;其次,结合二维特征密度空间的分布特性对密度空间进行聚类并分别提取地面点;最后,对各密度空间的提取结果进行求交,即可得到有效地面点。该方法的算法复杂度为o(n2)。实验表明:该算法具有较高的提取精度和效率;经测试,当近邻点为36时效果最好,总误差为0.00770,均方差为0.019633;同时,对510519个点的提取时间少于27 s,约为传统方法耗时的1/7。此外选择了大面积矿山点云对该算法的普适性进行了验证。

针对当前金属零件破损处识别研究中自动化程度和识别精度较低等问题,提出一种结合信息熵与低秩张量的金属破损处检测算法。首先,运用差值法、中值滤波和傅里叶滤波等方法对图像进行去噪处理;其次,根据金属零件破损处与其邻域明显的差异性,采用信息熵边缘检测法获取边缘信息;最后,运用低秩张量分析差熵和权差熵矩阵以提取破损处,并与其他算法的结果进行对比分析。实验结果表明,本文算法能够有效并快速地识别金属破损处,检测结果噪声点较少,且该算法的有效精度高于80%,优于传统算法且具有较好的稳健性。