针对人与机器人共存的服务空间中人的定位跟踪问题，提出了一种基于分布式激光雷达协作感知的全局定位跟踪方法。分别对各台激光雷达获取的数据进行统计检验，将其分为静态数据和动态数据，利用静态数据完成各台激光雷达的位置标定，实现背景消除。动态数据通过无线网络传送到服务器，将来自同一时刻不同激光雷达的动态数据组成观测数据的一帧，实现数据的同步与融合。对获取的每帧数据进行基于迭代最近点算法的轮廓模型匹配，区分各个目标。采用基于位置-速度的关联门对相邻两帧的检测目标进行关联，实现对各动态目标的跟踪。实验验证了该方法在解决人的定位与跟踪问题的有效性，与基于视觉的定位跟踪方法相比，本系统在定位精度和跟踪成功率上优势明显。

为了快速且直观地对相机弱标定 (即相机内参数已知而外参数未知) 情况下的立体图像对进行欧氏极线校正, 提出了一套完整的欧氏极线校正框架。首先, 针对两视图对应相机的位姿信息估计问题, 提出一种新的不依赖矩阵奇异值分解运算的本质矩阵分解和唯一解确定算法。然后, 对传统欧氏极线校正问题进行推广, 并利用估计出的相机位姿构造出具有明确几何意义的无穷单应变换对, 进而将其施加到立体图像对来完成欧氏极线校正。最后, 利用8组SYNTIM立体图像对验证了所提出校正框架的正确性和校正精度。实验结果表明: 该欧氏极线校正框架不仅形式直观, 计算简单, 易于实现, 而且具有明确的几何意义。与其他欧氏极线校正方法比较, 提出的方法能够获得更高的校正精度, 且更好地消除了立体图像对的水平或垂直视差。