针对现有的非重叠视场多相机系统标定方法复杂的问题,提出了一种基于空间约束的非重叠视场相机精确标定方法。将多个小靶标分布在各自相机的视场中,拼接成大的标定平面,采用大视场相机对固连靶标进行平面测量,求得标定板之间的位置关系,作为相机之间的关**数;通过非重叠视场相机分别获取视场区域中的小靶标,依据空间约束条件,构建相机之间的重投影误差函数,采用Levenberg-Marquardt算法进行非线性优化,获取优化后的非重叠视场相机之间的转换矩阵。实验结果表明,所提出的全局标定方法在X轴和Y轴方向上的重投影误差分别为0.33 mm和0.57 mm,具有较高的精度和稳定性,可以实现非重叠视场相机的精确标定。

提出了一种基于局部特征索引结构的目标跟踪方法, 将BoVW(视觉词袋)引入到跟踪方法中。构建了一种不依赖于具体特征类型的目标跟踪方法, 较好地解决了实际应用特征描述子在进行相似度度量时的计算和度量问题。再通过对误匹配特征的剔除和未匹配特征的关联预测,提高跟踪的准确性与鲁棒性, 最后对目标区域前景特征进行分离并对目标区域进行最优更新,得到更为精确的跟踪结果。

LK光流算法是一种精确高效的特征跟踪算法, 能够较大幅度提高图像配准的精度和速度。针对时间序列图像的配准问题, 基于LK光流算法, 通过基于图像金字塔的方式跟踪改进后的FAST特征角点, 采用一种鲁棒的单应矩阵估计算法解算配准参数, 提出了一种基于LK光流和改进FAST特征的实时鲁棒配准算法。通过一组时间序列图像从配准精度和配准速度两个方面对所提出算法的性能进行了验证分析, 平均重投影误差为0.16, 平均处理速度为30 Hz。实验结果表明, 该算法能够提取稳定的FAST角点, 快速准确地跟踪匹配序列图像之间的特征, 较好地解决时间序列图像的实时配准问题。

针对多飞行器协同末制导条件下单一基准图的适应性问题，提出一种有效的基准图适应性分析方法。建立了多飞行器协同末制导模型，重点研究了飞行末段飞行器探测夹角与初始位置的模型关系; 针对探测夹角模型，结合实际参数进行算例分析，并提出一种基准图的适应性分析方法; 模拟探测夹角对实时图施加几何畸变，采用归一化积相关算法进行大量匹配仿真实验，对提出的基准图适应性分析方法进行了有效的验证，为多飞行器实时图校正、基准图改造以及匹配算法适应性增强等研究提供理论依据。

针对单目视觉系统中载体纯旋转运动引起的估计退化问题, 结合运动参数约束条件, 提出了一种基于OPA的时空约束单目视觉位姿估计方法。该方法利用OPA算法在估计本质矩阵和平移方向之前判断载体的运动形式, 检测修正估计退化问题, 并结合摄像机在运动过程中的时间相关约束及图像特征点在空间中的相关约束, 实现单目视觉系统的位姿估计。两组对比实验结果分析表明,新算法相比于传统的估计算法具有更高的精度和稳定性。