目前利用神经网络进行摄像机标定的研究，只能实现单个位置上或小范围空间的标定精度要求。当标定空间扩大到一定范围，标定精度和标定速度的冲突便不可调节。首先推导了摄像机的成像原理，证明沿世界坐标系3个坐标轴（XW轴，YW轴和ZW轴）方向存在截然不同的成像规律，提出沿上述3个方向分别进行标定的并行标定方法；进而提出一种新的归一化方法，较好的提高了XW轴和YW轴方向的标定精度。实验结果表明，ZW轴向标定是整个大范围标定的关键，其重构标准差远大于XW轴和YW轴的重构标准差。在保证精度与速度的前提下，新的归一化方法扩大了摄像机标定范围。

针对装甲车上的图像跟踪系统，提出一种机动目标预测方法。将目标的运动分解为2部分，即全局运动和局部运动，并根据各自的动态特性分别进行预测。文章以局部运动预测为重点，通过对机动目标跟踪技术的研究，建立起性能优良的跟踪滤波器，并将其扩展到预测滤波器中对目标的未来运动状态进行预测，从而提出“交互式多模型预测算法”，并对该算法进行仿真，给出速度均方根误差的仿真结果。仿真结果表明：该算法预测精度高、自适应能力强。最后还给出了预测门的计算方法。

提出了一种新的稳像方法.首先,采用了一种由粗到精、由局部匹配到全局配准的高效配准策略.在粗配准时,提出基于灰度投影均值的SSDA改进算法,用于快速模板匹配;精配准时,将改进的联合直方图区域计数法用于车载图像序列,在保证精度的同时摆脱大量浮点运算.其次,详细阐述了自适应均值运动滤波法.通过自适应选取滑动窗口的大小,一方面对运动曲线进行平滑以降低抖动,另一方面防止了过稳现象的发生.实验结果表明:该方法能准确、快速实现车载图像配准,且配准精度达到了"亚像素"水平,满足了车载图像跟踪系统对电子稳像技术的实时性及精度要求.

提出一种有效的车载图像配准稳定算法,这种算法的关键技术包括:一是采用由粗到精、由局部匹配到全局配准的两级配准策略,即在粗配准阶段,利用基于灰度投影均值的SSDA改进算法进行快速模板匹配;精配准时,借鉴联合直方图区域记数法的思路,在灰度信息的统计特性空间上巧妙定义一种全局准则函数,既能保证精度又摆脱了大量的浮点运算.二是在运动滤波时通过自适应选取滑动窗口的长度,降低了图像序列的抖动,同时防止过稳现象的发生.实验结果表明,该算法的平移配准误差°+0.254,+0.083°远远小于1个像素,且在一定硬件平台上稳定单帧图像需要14.7ms,仅为同精度其它算法的1/3,从而满足了车载图像系统的实时性和精度要求.