针对传统装配方法面向平面弱几何轮廓结构的工件装配任务表现出的数据配准成功率低、位姿控制精度不足的问题，提出一种基于平面点云配准与相对位姿控制的工业件装配方法。首先通过双目结构光传感器重建出工件点云信息，应用RANSAC-ICP算法对重建结果进行配准，并结合平面法向量特征与最大距离关系进行纠正，从而实现精准点云配准。然后，提出基于相对位姿关系的机械臂控制方法，省略了对工具坐标系的标定，直接利用相对位姿控制机械臂运动，并将相对位姿误差结果作为控制系统误差的评价标准，从而实现可靠装配。最后，在真实测试场景下使用大型工业机械臂进行实验。结果表明，所提方法较传统装配方法装配成功率提升85个百分点，自动化装配精度优于0.5 mm，即该方法可以有效解决平面工件装配问题。

提出一种新型的关键点距离表征学习网络，该网络利用位姿变换过程的几何不变性信息，在网络中引入距离量的估计，进而推导出稳健关键点，以此来提升基于深度学习的六自由度物体位姿估计方法的精度。所提方法包含两个阶段。首先，设计了关键点距离表征网络，通过一种骨干网络模块和特征融合结构实现RGB-D图像特征提取，并结合多层感知机预测物体逐点相对于关键点的距离量、语义和置信度。其次，根据可视点投票法及四点距离定位法，利用网络输出的多维信息推理计算关键点坐标，并最终通过最小二乘拟合算法得到物体位姿。为了证明所提方法的有效性，在公开数据集LineMOD和YCB-Video上进行了测试，实验结果表明，所提方法相比于原PSPNet框架中的ResNet参数量减少一半且精度有所提升，在两个数据集上精度分别提升了1.1个百分点和5.8个百分点。

目前视觉测量技术针对工业目标的六自由度测量，存在难以兼顾测量效率、精度与范围的问题。为此，本文提出了一种基于扫摆式多相机跟踪的六自由度测量方法，通过同站位不同角度多图像观测联合构成大尺寸坐标计算的冗余约束量，来实现高效率、高精度、大范围位姿测量。首先，提出相机旋转扫摆运动模型，快速估计相机位姿，并作为先验信息进行图像匹配与空间后方交会，得到精确相机位姿，进行空间前方交会；然后，提出了基于像点平差的位姿估计方法，直接利用物体移动前后的像点信息作为观测值，进行物体位姿的最优化估计。实验结果表明，测量效率提高了4倍，单点精度的最大误差不超过0.2 mm，姿态精度的最大误差不超过0.043°，证实提出方法能有效测量物体的六自由度位姿，一定程度上平衡了测量效率、精度与范围的矛盾。

作为影像位姿解算的传统方法,光束平差法已被广泛应用于倾斜航空影像定向任务;但其高度依赖良好初值的限制条件,导致在导航系统缺失或者导航精度有限的飞行任务中常发生收敛缓慢或收敛失败的问题。因此,为了在初值质量不佳或缺失的情况下进行有效迭代,提出了一种基于局部到全局优化策略的倾斜图像定向方法来提高优化迭代解算的鲁棒性。所提方法首先根据最大重叠原则来构建“局部地图”(由1个正视图像和4个斜视图像构成),然后通过优化这些局部地图来形成“全局地图”。在局部地图中,图像同名点用作约束优化的观测值,以此来获取每个局部地图的未知参数和对应的权值矩阵(信息矩阵)。在全局地图中,局部地图的变量估计值及相应的权值矩阵一起构成全局优化问题的观测量和权值。通过一组大型仿真数据集和一组小型国际上公测的真实数据集,对所提方法进行了测试。实验结果表明,与传统方法相比,所提方法在精度不丢失的前提条件下,收敛速度和收敛性更优。

对零件上圆形特征的测量是工业制造中质量控制和自动化加工的重要方面。针对基于计算机视觉原理测量空间圆位姿适应性弱、鲁棒性不强的问题,研究了一种基于线结构光传感器的测量方法。根据图像上椭圆以及空间圆对应的两个二次曲面方程之间的转换关系,求取圆孔法向矢量,该过程需要借助一个虚拟锥面构建中间曲面转换矩阵;进而结合法向矢量和激光线与圆周两个交点的三维坐标数据构建圆孔平面,利用共线方程即可得到圆孔的孔心坐标和半径。对该测量方法进行实验验证,结果表明:在线结构光传感器与空间圆的各种姿态下,圆孔半径在2~4 mm范围内,法向矢量平均误差为0.3°、半径平均误差为0.02 mm、孔心坐标平均误差为0.02 mm。在对比实验中,该方法对于半径为3.054 mm的圆孔,半径最大误差为0.04 mm,旧方法误差极值为0.23 mm。从而验证了该方法在各种场景下测量结果均能达到较高的精度,工作环境适应广,鲁棒性较强。

相位偏折测量系统的标定是影响其测量精度的重要因素。针对立体相位偏折测量系统中显示屏和相机位姿关系标定困难的问题,研究了一种新的系统标定方法。通过在显示屏上构造特征点,引入摄影测量系统作为显示屏坐标系与相机坐标系的转换中介,实现了显示屏坐标系与相机坐标系转换关系的高精度标定。搭建立体偏折系统进行标定精度验证,得到的重建表面平面度结果小于1 μm,这证明了本标定方法的可行性和有效性。