针对单一传感器难以解决激光雷达在运动场景中因为点云畸变和误差累积产生的运动失真与定位精度差的问题，提出一种融合惯性测量单元数据和轮速计数据的激光雷达点云畸变矫正与定位方法。首先，以激光雷达数据为时刻基准，利用积分的方法对惯性测量单元和轮速计的数据进行预处理；之后，将融合数据与激光雷达数据融合，以矫正产生畸变的激光点云；最后，利用线性插值的方式来保证传感器间数据的时间同步，并将计算的位姿作为里程计迭代计算的初值，降低计算复杂度并提高里程计的定位精度。实验结果表明，相比没有采用多传感器融合的传统方案（LOAM、F-LOAM），在公开数据集实验中，所提方法的定位均方根误差分别降低了81.11%和21.54%，在自测数据集实验中，定位均方根误差分别降低了52.76%和24.29%。

为了解决视觉-惯性里程计（VIO）在室外复杂环境中图像特征信息不足和累计误差的问题，设计提出了一种基于点线特征的单目VIO和全球卫星导航系统（VIO-GNSS）定位算法。首先，提出了一种基于几何约束的最小化策略对提取的线特征进行前后帧间约束匹配，改进了基于点线特征的单目VIO算法；在此基础上，建立了改进的VIO-GNSS松耦合定位模型，利用GNSS全局观测值对VIO位姿估计的累计误差进行校正和抑制。在KIITI数据集和实测数据集中进行了实验验证，结果表明，与几种同类算法相比，提出算法在GNSS信号良好/间断/拒止的大型室外复杂环境中均可保持良好的精度和鲁棒性，且满足驾驶定位的实时性要求。

设计了一个多传感器目标跟踪的控制系统。利用红外探测器和可见光探测器对目标进行双波段探测, 对其数据进行融合和决策, 控制二维伺服单元实时跟踪, 并保持和多个上位机通信。该系统充分利用多传感器的特性进行信息融合, 在实际的应用中取得了良好的效果。

针对杂波环境下多变采样率传感器多目标跟踪问题,考虑到二次雷达(SSR)具有辨别敌我方目标和更精确的高度探测能力,本文提出了一种带SSR 修正的异步多传感器系统的无味JPDA 跟踪算法。该算法首先通过测量值映射的异步数据处理方法对多传感器数据进行点迹的合成,然后通过二次雷达对敌方目标的高度信息进行自适应修正,最后用无味JPDA 算法对按序到来的异步采样量测进行顺序滤波融合。通过蒙特卡洛仿真,表明该算法在提高目标跟踪精度和正确关联概率上是有效的。

提出了一种新的基于小波-Contourlet变换的融合多传感全色和多光谱影像的算法。由于Contourlet变换具有良好的多方向性和多尺度，所以它比其他方法更适应于进行多传感图像融合，对于小波-Contourlet变换后得到的低频和高频分量系数，采用平均法选择低频区域系数，选择区域“能量”较大的高频系数作为融合影像的高频系数。实验结果表明,基于所提出的小波-Contourlet变换的融合结果优于其他常用的融合方法。

给出了一种新的基于对比度塔形分解的分层图像融合方法.其基本思想是先对源图像进行对比度塔形分解;其次,按照融合规则,采用基于区域特性量测的加权算子去构造融合图像对应的对比度金字塔;最后,通过逆塔形变换重构融合图像.该方法被成功地用于图像的融合处理.此外,利用熵、交叉熵、互信息、均方根误差、峰值信噪比等参量,对该融合方法的融合性能进行了评价与分析.实验结果表明,该融合方法是十分有效的.

提出了基于树状小波分解的多传感器图像融合方法,它能够在一定的能量准则下,自适应地根据图像特征进行子带分解和融合.对可见光图像与红外图像、可见光图像与毫米波图像进行融合的实验结果表明,所提出的方法比传统的金字塔形小波分解具有更好的融合效果.

给出了一种新的基于多尺度分解的像素级图像融合方法.该方法利用小波变换对每一图像进行多尺度分解,按照不同的融合规则,采用多种融合算子去构造融合图像对应的各小波系数,再根据融合图像的各小波系数重构融合图像.该方法被成功地用于红外与可见光图像的融合处理.实验结果表明该融合方法十分有效,获得的融合图像更符合人们的视觉特性、更有利于机器视觉.

文中讨论了二维仿射变换的平移、旋转和缩放等特性。对可见光波段和红外波段图像采用基于特征的配准，以边界作为特征进行相关运算，求出边界对应位置的关系，建立仿射变换模型，按照最大相关原则自适应确定最佳配准参数k、θ、Δx和Δy，能够实现图像的自动配准。并利用实际可见光与红外图像给出了运用仿射变换模型的实验结果，表明该模型可有效解决图像配准中的平移、旋转和缩放。