针对目前图像匹配算法在月面宽基线、弱纹理和光照变化等条件下匹配成功率低的问题，提出基于视图合成与全局注意力的月面图像匹配方法。首先对同站点月面双目图像使用稀疏视差虚真值训练立体匹配网络，完成同站点图像的三维重建。基于场景深度，结合站点之间惯导先验位姿将待匹配图像转为新的合成视图用于匹配，解决不同站点宽基线图像对之间图像重叠度低、视角变化大等问题。进一步使用基于Transformer的图像匹配网络，提高弱纹理场景下的图像匹配性能，并在后处理阶段引入考虑平面退化的外点滤除方法。在真实月面宽基线图像数据集的结果表明，相比现有算法，提出的匹配算法大幅度提高了宽基线场景下的月面图像匹配精度与成功率，为月球车大跨度行驶中的自主视觉定位提供了重要基础。

针对目前单目同步定位与建图(SLAM)初始化方法鲁棒性差、精度低的问题,提出了一种基于点线特征的单目SLAM初始化方法。首先,在两帧图像之间提取线特征,并进行特征匹配。然后,通过最大化投影线特征的重叠长度优化两帧图像之间的初始旋转和平移矩阵。最后,用滑动窗口增加初始化的图像帧数,利用多帧图像的信息和约束关系以及全局光束平差法优化初始地图和估计的相机关键帧位姿。在TUM和OpenLORIS数据集上的测试结果表明,相比传统初始化方法,本方法的鲁棒性更好、精度更高,能在具有挑战性的场景中快速完成高精度初始化。

针对视觉里程计在弱纹理的道路环境下定位精度骤降的问题,提出一种双目视觉里程计优化算法。首先,通过提取局部特征平面,为立体匹配缺失的特征提供平面约束,增加有效立体特征的数量;其次,在特征追踪过程中,使用匀加速运动模型,提高特征追踪的数量和质量;最后,在位姿计算和优化过程中,使用考虑特征置信度的光束法平差算法来减少远距离特征引入的误差影响,提高算法的精度和稳健性。数据集实验和实际场景实验表明,该算法在占有极少计算资源的情况下对弱纹理环境下的定位精度有较明显的优化效果,在其他场景也具有较好的适应性。

在已知镜面和透视相机参数的情况下，提出一种不需要任何其他标定物的折反射全向相机镜面位姿的自标定算法，只需要折反射相机采集任意一幅图像即可估计出反射镜面与透视相机之间的旋转和平移。利用镜面外边缘所成的像，通过平面圆位姿估算方法获得两个候选位姿；再利用透视相机镜头边缘的成像，同时进行镜头边缘参数估计和镜面位姿选择。该标定方法操作简单，精度高，适用于非单视点相机的标定。仿真和真图实验结果证明了该方法的有效性。

提出了一种融合激光雷达和单目摄像机的草丛中障碍物检测方法。首先由三维激光雷达测得一系列作为训练样本的距离数据，统计障碍物与杂草的形状特征参数，并利用期望最大(Expectation Maximization)算法求得高斯混合模型(Gaussian Mixture Model)来表征该特征值分布情况。利用该高斯混合模型可以从待测场景提取出候选障碍物区域。同时，采用均值偏移算法对场景的彩色图像进行分割，获得场景的区域信息。借助激光雷达和摄像机联合标定的结果，将激光雷达获得的候选障碍物区域投影至分割后的彩色图像，并进行融合获得最终障碍物判别结果。实验表明该方法能有效地检测出草丛中的障碍物，并具有较高的精度和较低的虚警率。