获得三维模型指定点的空间坐标是针对模型文件操作的基础。针对传统算法的不足提出一种获取所选点原始坐标的方法。在选点的过程中, 该算法允许模型进行任意角度的旋转, 以选取模型侧面及背面的点, 并通过旋转矩阵对该点还原。算法完成从屏幕的二维像素坐标到模型的三维坐标, 再到模型文件原始坐标的转换。实验表明, 该方法可以准确获取模型的所有可视表面的点坐标,提高了拾取的灵活性。

综合分析了常见的基于图像的三维重构方法的优缺点，提出了一种基于单张图像，采用马尔科夫随机场(MRF)推断3D位置和方向的3D重构方法。该算法首先将图片分割成多个小的区域(超像素块)，并假定空间场景由许多很小的平面组成，超像素块与平面相互对应，对图像中每个超像素块求取出一组特征向量(纹理、颜色等)，使用MRF模型化平面参数之间、超像素特征向量与平面参数之间的关系，采用监督学习的方式求取相关参数，求解MRF模型，并根据平面参数进行场景重建。这种算法不需对场景结构做明确的假定，因此较之以前的方法可以获得更多3D结构细节信息。用该方法对200张图片样本进行验算，样本中有60%实现了较为准确的3D重构。

本文报道了一种磁场检测灵敏度为10-5Oe量级的光纤弱磁传感器。文中提供了传感头与检测系统的设计理论和方法。