针对传统视觉同步定位和映射（SLAM）系统在动态环境中鲁棒性和定位精度低等问题，基于ORB-SLAM2算法框架，提出一种在室内动态环境中运行稳健的视觉SLAM算法。首先，语义分割线程采用改进的轻量化语义分割网络YOLOv5获得动态对象的语义掩码，并通过语义掩码选择ORB特征点，同时，几何线程通过加权几何约束的方法检测动态对象的运动状态信息。然后，提出一种给语义静态特征点赋予权值，并对相机的位姿和特征点的权值进行局部光束平差法（BA）联合优化的算法，有效地减少动态特征点的影响。最后，在TUM数据集和真实的室内动态场景中进行实验，结果表明，与改进之前的ORB-SLAM2算法相比，所提算法有效地提高了系统在高动态数据集中的定位精度，并且绝对轨迹误差和相对轨迹误差的均方根误差（RMSE）分别提升了96.10%和92.06%以上。

研究了透视投影对同心圆偏心误差的影响并建立了偏心误差数学模型，提出一种基于同心圆偏心误差补偿迭代的高精度相机标定方法，使用基于几何约束的优化算法不断更新同心圆中心投影坐标，以精确地定位图像中同心圆的控制点投影中心，从而实现相机高精度标定。实验和仿真结果验证了所提方法在视觉应用中的有效性。与传统方法相比，所提方法可为计算机视觉和三维重建任务提供更准确的相机标定结果。

提出了编码器到解码器结构的深度卷积神经网络，并基于二维层面和三维层面共同约束网络从单目图像中学习深度。在二维图像层面，为了均衡网络提取到的浅层细节特征和深层语义特征，引入通道注意力机制，在相同尺度上为编码器特征与解码器特征添加权重连接；为了得到边缘细节信息更丰富的深度图，构建了尺度不变损失和基于图像金字塔的多尺度边缘损失。在三维几何层面，为了提高点云之间的几何一致性，基于空间中坐标点的局部和全局几何关系，构建了深度的全局几何约束损失和局部几何约束损失。在NYU Depth-v2数据集上将所提方法的结果与其他方法进行定量定性比较。结果表明本文方法可以估计出准确度和细节上表现更好的室内场景深度，实现了更为准确和平滑的单张图像三维重建效果。

将三角形约束方法引入到合成孔径雷达(SAR)影像匹配中。利用尺度不变特征转换(SIFT)算子生成特征点；采用鲁棒性较好的随机抽样一致(RANSAC)算法剔除错误匹配点，得到更高精确度的同名点；最后利用SIFT算法得到的同名点建立Delaunay三角网。在同名相似三角网内，以三角形重心点作为内插的虚拟同名点，并对虚拟同名点进行归一化互相关(NCC)约束，剔除不满足阈值要求的虚拟同名点对，同时根据内插得到的虚拟同名点建立新的三角网，对三角网进行动态更新，用于获取更多虚拟同名点，直至满足匹配要求。实验结果表明，本文方法能够有效增加匹配特征点数量，提高雷达影像的匹配精确度。

针对经典的函数映射方法存在描述符特征单一、映射矩阵约束不强的问题,构建了一种数据驱动强正则化函数映射方法,用于计算三维模型的对应关系。首先,通过前向传播将源模型和目标模型的方向直方图签名(SHOT) 特征描述符输入残差网络进行训练,获得增强的SHOT特征描述符;然后,用基于函数映射的几何约束代替标签;最后,通过反向传播优化描述符的训练过程,实现了无监督数据驱动函数映射对应关系的计算。在FAUST数据集上的实验结果表明,本方法不仅能降低函数映射网络(FMnet)中模糊对应关系矩阵和测地距离矩阵的计算量,且构建的对应关系准确性也优于现有主流方法。

提出一种通过相机和投影仪的空间几何约束来展开相位包裹的方法, 只需要对结构光投影测量系统进行标定, 不需要进行传统的时间或空间相位展开.通过投影单周期条纹得到物体的大致高度信息以确定虚拟深度平面, 在虚拟平面z0min处, 根据结构光系统的标定参数创建最小绝对相位图, 物体的包裹相位逐像素与进行比较, 即确定条纹级数, 实现相位解包裹.该方法具有良好的鲁棒性, 对硬件要求低, 采集图像少并且不需要额外的物体来获得z0min, 能够实现自适应动态测量.实验结果表明, 在同等条件下, 与传统时间相位展开方法相比, 该方法的相对误差降低了14.33%, 同时简化了测量方法, 能够有效实现物体的三维形貌测量.

为实现视觉里程计在大规模复杂环境下的准确导航, 消除载体位姿估计的累计误差, 提出了一种基于几何约束的视觉闭环检测和位姿优化方法。首先建立基于LATCH二进制描述子的视觉词袋(BoVW), 并采用视觉单词向量描述图像进而归一化相似度的闭环检测方法, 然后对闭环候选关键帧和当前关键帧进行基于RANSAC-HORN运动估计的闭环验证, 最后将闭环关键帧的局部地图点投影到当前帧并最小化重投影误差以使得位姿得到优化。数据集实验表明, 提出的闭环检测和位姿优化算法能够有效地对闭环进行准确检测和验证, 并对视觉里程计的误差积累进行闭环位姿优化, 提高了视觉导航精度。

在多传感器被动定位过程中,借助传感器之间的几何位置关系,可得到传感器和目标之间的三角函数约束。然后通过最优化方法计算各个传感器的测量误差,并用该误差修正测量值。由于最优化方法结果往往是局部最优值或者是近似最优值,导致在交叉定位过程中仍然会存在多个不重合的交叉点。本文考虑到目标定位误差不但受到传感器性能的影响,而且也受到目标和传感器之间径向距离的影响,将传感器性能和径向距离作为参数计算各个交叉点的权值,然后对交叉点加权求和,从而获得了较好的定位效果。仿真实验表明改进算法的有效性。