针对特定工作条件下机器人位姿测量问题，研究和设计了一种简易的基于单目视觉的位姿测量系统，提出了一种精确的靶标检测算法与单目视觉测量方法相结合的方案，可实现机器人位姿的测量。首先，通过图像预处理和靶标检测算法提取靶标在图像中的坐标，其中图像预处理包括中值滤波、边缘检测和图像形态学膨胀等过程。然后进行测量模型的标定，用最小二乘法求解模型参数，利用建立的测量模型进行坐标系的转换，将所得靶标图像二维像素坐标转换成三维世界坐标，从而得到靶标在世界坐标系中的位姿。实验证明了该方法的准确性和有效性，满足测量要求。

对于大型圆环零件的圆度测量目前主要采用人工接触式测量, 工作效率较低。针对接触式测量的缺点, 以基于机器视觉的非接触式测量技术对大型圆环零件圆度测量展开研究, 测量过程中无需与待测零件直接接触, 通过采集零件部分圆弧图像, 利用拟合算法得到圆度及同心度数据。首先对采集到的图像进行预处理, 针对采集图像存在噪声等因素的影响, 选择处理效果最佳的双边去噪算法；其次在边缘检测及轮廓提取环节, 在基于传统Canny边缘检测的基础上研究实现了改进后的Canny自适应边缘检测算法；在图像拟合环节, 基于传统的最小二乘拟合算法做了改进, 即最小二乘迭代拟合算法对大型圆环零件部分圆弧进行迭代拟合, 验证了该算法的有效性及优越性。本测量方法操作方便、可靠, 提高了检测效率, 可在误差允许的范围内快速测量出零件的尺寸。

针对传统的接触式测量方法存在需要和零件接触以及测量时间和人为因素等局限性, 研发出基于机器视觉的大型零件尺寸测量系统, 从而满足产品的非接触、测量速度快、测量精度高、实时显示等测量要求。在基于机器视觉的大型零件尺寸测量系统中, 首先对于采集的图像进行预处理, 针对采集图像存在噪声等因素的影响, 利用小波去噪完成对图像的平滑去噪; 其次, 选取SIFT(尺度不变特征转换)算法进行图像配准, 选择基于加权平均的帽子函数加权平均融合算法无缝隙的完成图像融合, 从而完成图像的拼接。然后, 基于Canny检测算子提出了一种改进的单像素边缘检测方法用于提取零件图像边缘轮廓。最后, 对提取的图像边缘轮廓进行几何量的实验测量并分析实验数据。基于机器视觉的大型零件尺寸测量系统不仅操作简单, 价格低廉, 而且测量上能够在误差的允许范围内快速测量出零件的尺寸。

围绕红外视频流机动目标识别中存在的图像噪声大、对比度低的问题, 首先通过改进中值滤波算法对图像进行预处理, 在此基础上, 提出通过自适应改变描述背景像素高斯分布个数的方法来提高建模效率的策略, 并将帧差法和背景差分法相结合起来用于提取机动目标。当检测到多个机动目标时, 提出一种计算连通域坐标的方法以完成目标的定位, 并运用Haar_like矩形来完成对目标的特征提取。最后通过支持向量机完成机动目标的识别。大量的实验结果表明, 提出的算法能够高效的实现红外视频中行人和车辆的实时识别。

提出被动风冷的高光束质量、高稳定性半导体可饱和吸收镜(SESAM)锁模1064 nm Nd∶YVO4皮秒振荡器。在对SESAM 被动锁模理论进行理论分析和实验验证的基础上，获得更精确的SESAM 锁模脉宽表达式。测得该振荡器的脉宽为15.5 ps，平均功率为210 mW，重复频率为100 MHz。其光束质量因子M2=1.15，长时间均方根(RMS)功率不稳定性优于1%。整机外形紧凑，尺寸为350 mm×150 mm×50 mm。该激光器能够作为可靠的皮秒种子源用于后续的功率放大并应用于科研和工业等领域。

针对舰船模型其横摆度与纵摆度量的检测问题，研究了一种基于序列图像的复杂背景下字符识别方法用以检测舰船模型的摆度量。首先利用背景图像相邻区域灰度值变化缓慢的特性，采用高斯低通滤波算法对图像背景进行实时更新；其次提出了一种基于差分图像统计信息的自适应阈值分割算法，用以消除光线和环境的变化对背景的影响；最后研究了基于改进扫描线算法与模板匹配算法的字符识别算法。实验结果表明，研究的算法可以在不同光照情况下完整、快速地识别出舰船模型上印刷的字符，完全可以用于摆度量的检测，具有较大的实用价值。