煤炭港在使用装船机的溜筒卸载煤的过程中会产生扬尘，港口为了除尘，需要先对粉尘进行检测。为解决粉尘检测问题，本文提出一种基于深度学习(YOLOv4-tiny)的溜筒卸料煤粉尘的检测方法。利用改进的YOLOv4-tiny算法对溜筒卸料粉尘数据集进行训练和测试，由于检测算法无法获知粉尘浓度，本文将粉尘分为四类分别进行检测，最后统计四类粉尘的检测框总面积，通过对这些数据做加权和计算近似判断粉尘浓度大小。实验结果表明，四类粉尘的检测精度(AP)分别为93.98%、93.57%、80.03%和57.43%，平均检测精度(mAP)为81.27%，接近YOLOv4的83.38%，而检测速度(FPS)为25.1，高于YOLOv4的13.4。该算法较好地平衡了粉尘检测的速率和精度，可用于实时的粉尘检测以提高抑制溜筒卸料产生的煤粉尘的效率。

在港口门机抓斗装卸干散货的作业过程中，人眼观察无法精确判断抓斗所在位置，会带来工作效率低下及安全性等问题。为解决该问题首次提出了一种基于深度学习的门机抓斗检测方法。利用改进的深度卷积神经网络YOLOv3-tiny 对抓斗数据集进行训练及测试，进而学习其内部特征表示。实验结果表明，基于深度学习的门机抓斗检测方法可实现门机抓斗检测速度每秒45 帧，召回率高达95.78%，在很好满足检测实时性与准确性的同时，提高了工业现场作业的安全性及效率。

基于PatchMatch(同时估计像素点的视差和法向量的3D标签)的方案已经在立体匹配中取得高精度的亚像素视差,但该类方法无法有效解决图像无纹理区域的错误匹配。针对这一问题,对LocalExp(local expansion move)算法进行了改进,并提出一种融合多维信息的自适应像素类别优化的立体匹配算法。该方法设计了一种交叉窗口,在窗口内基于颜色与颜色的自相关信息构建相关权重,并利用约束函数剔除匹配代价中的离群值;在PatchMatch的标签初始化阶段增加约束机制,改进视差标签的建议生成机制,并利用基于局部扩张运动的优化方法求解标签值;利用基于像素类别的填充策略进行视差优化。实验结果表明所提算法能够在Middlebury数据集上取得较低的匹配误差。

针对激光点云数据中存在的大量冗余信息, 造成传输、存储等后续处理环节付出多余的硬件和时间成本的问题, 提出了一种基于特征信息的点云精简方法。利用自适应近邻点进行PCA计算点云法矢; 利用冯.米塞斯分布进行边缘点提取, 对非边缘点以点法矢为基础赋予其距离权重进行阈值判断, 提取特征点; 划分空间均匀网格, 以网格为单元计算法矢均值, 提取潜在特征点; 对网格非特征点进行单点提取。以标准的Bunny和工件模型为对象进行了MATLAB仿真实验, 所提算法与传统非均匀网格法、聚类法、三角面片消减法比较: 在精简比1∶5、1∶10、1∶15、1∶20情况下, 最大误差降低27%以上, 平均误差降低12%以上。实验结果表明所提算法在特征信息较多的模型处理上具有更好的精简能力。

提出了一种利用光纤环形器实现收发同光路的大气激光通信系统, 有利于实现系统的光路简化及模块化。该系统采用无信标光, 利用信号光进行对准和通信; 根据通信距离不同采用调焦结构调节光束发散角。设计了一种利用外部套筒螺旋进行调焦的机构, 相较于传统的调焦机构, 该调焦机构具有结构简单、尺寸小等优点, 利用搭建的大气激光通信系统进行了实验, 取得了较好的效果, 1.5km左右时系统的通信速率为1.25Gb/s。

针对双目水下图像匹配不满足空气中常规极线约束的问题, 提出一种基于深度约束的半全局算法以实现水下稠密立体匹配.首先采用深度约束确定匹配过程的深度约束搜索区域.然后, 基于深度约束区域将绝对差值和梯度计算推广到二维区域并进行加权融合.在深度约束区域内的搜索过程中, 采用胜者为王的策略确定某一视差值下的最佳行差及最佳行差下的匹配代价, 并将其作为能量函数的数据项应用于半全局算法中, 进行匹配代价的聚合.最后采用抛物线拟合法得到亚像素级的稠密视差图.在水下图片上进行的稠密立体匹配结果表明: 相较于其他半全局匹配算法, 本文算法在极大提高运行速度的前提下, 可以获得良好的水下稠密立体匹配效果.

针对空气中极线几何不再适用于水下双目图像匹配以及尺度不变特征转换（SIFT）算法只能实现稀疏匹配的问题，提出了基于色彩分割的水下立体匹配算法。获取双目摄像机标定参数、参考图和待匹配图；推导参考图的特征点在待匹配图上对应的曲线表达式，同时利用均值漂移算法对参考图进行图像分割；用像素灰度差的绝对误差和算法进行匹配，根据图像分割结果对窗口内像素分配不同权重，并将搜索范围改为在对应曲线上，提高匹配精度。实验结果表明，该算法优于特征匹配SIFT算法，匹配精度有所提高，成功将区域匹配算法应用于水下图像稠密匹配。

针对变光照环境下给皮带撕裂视觉检测过程造成的识别干扰, 提出了一种基于洛伦兹信息测度(Lorentz Information Measure, LIM)分块的改进Ostu分割算法的结构光视觉检测方法。首先将红色线性激光投射到皮带表面, 通过CCD相机捕获高对比度图像; 然后利用LIM方法将ROI(Region of Interesting)区域根据其水平方向光照强度分块, 并逐块通过线性加权Ostu算法进行图像分割, 进而合并出整幅图像的激光条纹; 最后提取激光条纹中心线, 并对其信息特征进行分析比较, 判断皮带是否发生撕裂。通过现场在皮带机上进行试验, 在轻度和重度污染环境下, 892张样本的正确检测率为95.72%, 平均单张样本检测时间为89ms, 检测精度和速度满足实用要求。

针对水下非平行双目成像系统图像匹配时无法进行平行校正，并且不再满足空气中的极线约束条件这一问题，推导出一种适用于水下的极线约束模型。根据摄像机和防水罩间相对位置关系的不同，把水下双目成像方式分为平行成像、共用折射面成像和独立折射面成像三种情况，并推导了后两种情况的极线约束模型。对摄像机进行标定，利用尺度不变特征变换(SIFT)进行立体匹配，推导了参考图上特征点在待匹配图上所对应的曲线，根据待匹配图上特征点是否在曲线上，剔除误匹配点，提高匹配精度。实验结果表明，利用所推导出的水下曲线约束模型，可以有效地剔除误匹配点，降低误匹配率。