针对电厂高温管道红外图像背景复杂、干扰较多的特点，结合电厂巡检机器人系统对图像处理算法的需求，提出了基于改进二维最大类间方差法(OTSU)和区域生长法的电厂高温管道缺陷定位与分割方法。将红外图像灰度化后，通过改进二维 OTSU进行预分割，提取出管道区域；基于管道区域灰度直方图，结合邻域灰度均值，实现多种子点的自动检测与定位；采用基于生长区域灰度均值和标准差的自适应阈值以及基于 Prewitt算子的梯度幅值改进的生长准则完成缺陷区域的分割。实验证明，所提算法不仅能实现电厂高温管道多缺陷自动检测与定位，而且能精确地提取出缺陷区域，准确性高且具有良好的实时性。

融合视觉传感器和激光雷达可以实现优于单一传感器的同时定位与建图(SLAM)系统,现有的视觉和激光雷达融合算法仍然存在计算复杂度高、系统精度及稳定性受错误的深度匹配影响等问题。为了更加高效、鲁棒地融合视觉和激光雷达的信息,充分利用图像和激光点云中的地平面信息,提出了高效的视觉辅助激光雷达SLAM算法。首先,从激光点云中分割出地面点云用于提取图像中的地面ORB特征点,并通过单应性变换中的交比不变性校验特征匹配,从而高效鲁棒地利用单应性矩阵分解实现绝对尺度相机运动估计。然后,将得到的相机运动估计以李群SE(3)形式进行插值,用于校正激光雷达在自身运动过程中产生的点云畸变。最后,单目相机的运动估计作为初值用于激光里程计的位姿优化。公共数据集KITTI和实际环境的测试结果表明,本文算法可以有效利用相机运动估计对激光点云畸变进行校正,实时准确地实现里程计和建图。