提出了一种基于并行融合网络的航拍红外车辆小目标检测方法。以并行残差块搭建的网络作为主干网络，完成对目标高精度且强鲁棒性的识别和分类。在此网络的基础上进行特征提取与特征融合，提出了基于跨层连接的改进YOLOv3算法，充分利用底层的信息完成对红外车辆小目标的高精度检测与定位。最后，采用soft-NMS替代NMS来缓解目标重叠问题。实验结果表明，本文方法能够准确检测复杂运动背景下的红外车辆小目标，并在误报率较低的情况下达到较高的检测精度。其中虚警率仅有0.01%且漏检率仅有1.36%。

针对立体视觉系统采用圆形特征点标定时存在的空间圆形投影边缘模糊和偏心现象问题，利用改进Zernike矩和偏心误差修正进行圆心的高精度定位，以此提高相机参数的标定精度。首先考虑了由于立体视觉成像系统的标定场景光照强度不均匀引起的圆形特征投影图像边缘模糊的问题，引入高斯误差函数对边缘过渡段的灰度分布进行描述，建立了高斯边缘模型，并基于该模型计算投影图像的Zernike矩，然后利用改进Zernike矩实现高精度的圆形特征投影边缘像素坐标定位。此外，分析了影响圆形特征中心投影点和拟合圆心间偏差大小的因素，基于该分析对迭代拟合圆心进行偏差补偿使之逼近真实的圆心投影，最后通过所提算法对99圆形标志点进行圆心坐标提取并用于相机参数的标定。仿真实验表明，文中算法对投影图像边缘定位的精度以及圆心拟合的精度均高于传统的算法；实测实验中，基于圆心高精度坐标得到的相机标定参数对标准杆进行三维重建，长度测量精度比传统算法提高了30%。

针对细长型和大尺寸试件的全场变形测量问题，本文提出一种基于数字图像相关方法的立体变形测量方法。通过建立多相机网络的联合约束关系，使其中任意两个CCD相机可以绑定为一个整体完成试件的部分测量，并最终将测量结果映射到统一参考坐标系下，从而减小了因直接进行全场测量而导致较大非线性成像畸变的影响，而且能够避免牺牲采集图像的有效空间分辨率。同时，联合约束关系的优化将图像对间立体配准点的搜索限制在对极线附件区域，而不是整幅图像上，从而缩小了搜索空间，提高了搜索速度。此外，通过优化试件与多相机网络之间的位置及姿态参数，进一步提高了散斑点空间三维坐标的重构精度。最后，通过位移和变形测量实验证明了本文方法的有效性，在［0.8 m，0.5 m，0.6 m］的空间范围内，目标的平移测量误差小于0.044 mm；离面位移测量精度优于0.06 mm。能够满足飞行器地面物理仿真试验的应用需求。

针对空间目标位姿测量下的相机多参数标定问题，提出基于双更新策略加权差分进化粒子群优化的相机参数标定方法。通过引入自适应判断因子来控制每一次迭代过程中加权差分进化(WDE)算法和粒子群优化(PSO)算法的调用比例，根据概率规律考虑对个体使用PSO算法或WDE算法来进行更新，并通过信息交流机制利用WDE操作得到的个体去引导PSO操作中的个体进化过程，所提出的WDEPSO算法能够保证种群个体进化的多样性和有效性，并且与相机非线性标定模型参数进行耦合，同步实现相机内外参数的组合非线性、全局连续优化，克服目标空间背景饱和光强造成的有限特征点失效引发的局部收敛问题。实验表明，文中方法优化得到的目标函数值更小，获得了较高的标定精度；利用标定参数得到的标准杆测量精度优于0.40 mm，目标大幅度角运动状态下的重构姿态误差小于0.30°，可重复性测量结果稳定。

针对多相机系统的高精度快速光束法平差问题，提出一种采用法化矩阵降维的多相机快速光束法平差新算法。充分考虑多相机系统中主从相机间的固定位姿参数关系，设置维数为3N (相机个数)×4的系统位姿变换矩阵，根据此矩阵可快速由主相机参数得到每个从相机的参数，并将此变换关系带入光束法平差算法中完成为对从相机位姿的求取。从相机的外参优化算法中便只需要对主相机的外参变化进行更新，由此将所有相机捆绑为一个整体，使雅可比矩阵与法化矩阵的维数相对下降，在一次迭代更新中可以完成对多个相机特征图像的运算，因此算法的精度与速度得到了大幅提高。根据仿真实验与实测实验表明，文中算法的优化精度比传统的光束法平差精度提高到了15.5%，运算效率提升了7.8%，能够满足实际工程的应用需求。

合作靶标点三维轨迹的跟踪识别是实现室内环境中多飞行器位姿估计的关键，为此，提出了一种基于时空一致条件下的多目标三维轨迹跟踪识别算法。该方法包括运动轨迹跟踪与识别两部分，对于合作靶标点三维轨迹跟踪，提出了一种基于运动目标位移矢量一致的数据关联方法，该方法首先利用运动平滑性假设计算得到的数据关联概率值，结合匈牙利算法求解得到目标的数据关联关系，然后在贝叶斯滤波框架下实现合作靶标点的三维轨迹跟踪。对于合作靶标点的三维轨迹识别，又可以分为粗细两部分，利用运动轨迹Hankel矩阵的秩实现运动轨迹的粗识别，利用运动轨迹之间的Hausdorff距离实现运动轨迹的细识别，最终实现对每一个飞行器的轨迹识别与注册。实验结果表明，在三维测量手段为机器视觉，测量空间大小为2 m×2 m×2 m，提出的多目标跟踪算法的三维轨迹跟踪误差小于4 mm（3σ）时，轨迹识别正确率为100%。因此，所提出的算法可以有效地实现多飞行器上合作靶标点三维轨迹的跟踪识别。

在多飞行器地面试验位姿估计中，由于跟踪算法导致的跟踪轨迹不连续会使得位姿估计产生累积误差，为了实现位姿的精确估计，提出了一种基于图模型的全局位姿估计非线性优化方法。首先，建立了一个飞行器地面视觉位姿估计系统。然后根据飞行器上特征点的数目提出了一种向量交叉式的飞行器位姿解算方法，求解得到数据已关联飞行器位姿估计值。利用中介坐标系法求解得到轨迹段初始位姿节点在测量坐标系下的值，最后，在图模型基础上下，对整个量测过程中飞行器的位姿估计结果进行非线性全局优化减小线性算法的累积误差，并通过仿真与实际实验对飞行器位姿估计算法的可行性与精度进行验证。实验结果表明：在测量范围为6 000 mm×6 000 mm×3 000 mm的范围内，飞行器尺寸约为400 mm，特征点三维定位精度为2.9 mm的条件下，基于非线性优化的飞行器位姿估计算法的理论精度分别可达0.5° (3σ)与3 mm (3σ)，实际绝对测量精度分别可达1.3°(3σ)与4 mm (3σ），基本满足地面试验对多飞行器编队算法开发以及制导控制系统性能长时间评估稳定可靠、精度高、抗干扰能力强等要求。