相机的位姿估计广泛应用于计算机视觉和机器人学等领域。针对相机位姿估计的稳定性与实时性,基于正交迭代算法,提出了一种考虑空间参考点不确定性的相机位姿估计算法。该算法的关键思想是在考虑摄像头畸变的情况下,根据参考点的位置特征获得相应权值,并利用加速正交迭代思想对迭代过程中的重复计算进行规整,最小化加权重投影物方残差函数获得相机位姿。模拟数据实验和真实图像实验表明,该算法计算精度更高,速度更快,时间复杂度较低。在空间参考点深度较大或者偏离摄像头光轴的情况下,该算法的时间复杂度和精度均优于现有的正交迭代算法,从而实现了相机位姿估计的实时性。

人脸基准点定位可应用于人脸识别、疲劳检测等领域。针对人脸基准点定位中常用的主动表观模型(AAM)的局限性,提出了Haar分类器和AAM算法相结合的人脸基准点定位方法。先是计算图像积分图,然后采用基于 Haar特征的 AdaBoost级联检测器快速定位出人脸区域,最后将检测到的位置和图像信息传递给AAM进行人脸基准点定位。该方法在抽取的AFLW(annotated facial landmarks in the wild)人脸测试集上表现出良好的性能。实验结果表明,采用该方法能准确、快速定位出人脸基准点。

图像平移和旋转会降低手背静脉识别的准确性，针对该问题，本文提出了一种特征融合的手背静脉识别法.该方法充分考虑图像的细节特征和全局特征，首先选取图像中的交叉点和端点作为特征点，再从特征点中提取出图像匹配的基准点，计算基准点至特征点间的相对距离及基准点与特征点连线间相邻连线产生的夹角作为细节特征；然后利用不变矩方法提取图像特征作为全局特征；最后将两种图像特征融合，进行手背静脉识别.实验模拟结果表明，该方法可快速有效地实现手背静脉识别.

针对工业制造领域中大型工件很难进行全尺寸测量的问题，提出并实现了一种基于立体视觉技术的便携式工业测量系统。对该系统所采用的特征识别、相机定向、立体匹配、三维重建、多视点云配准等关键算法进行了研究。提出了改进的CANNY边缘亚像素检测算法，使用先验规则去除误识别的标志点，多次拟合定位标志点中心，对标志点环带多次采样取中值求取编码点的ID。根据ID号找出不同照片中的同名编码点，顺次对照片进行相对定向和绝对定向。然后，根据多幅图像的多极线几何约束，实现非编码点的匹配，消除误匹配。采用前方交会法重建标志点的三维坐标，利用光束平差对计算出的结果和内外部参数做迭代修正。最后，设计了双目结构光扫描系统，提出了一种改进的双目像机标定算法，描述了利用全局和局部标志点的子图同构实现多视点云配准的新算法。实验结果表明，该系统可在生产现场对大型工件进行快速测量，整体测量精度达到0.112 mm/3 m，可以满足工业现场大尺寸测量对精度和效率的要求。

引入战斗机人工势场的概念,建立针对主从编队引导控制的模型。在分析势、势场力的基础上,构建战斗机编队的队形势以及队形力函数。建立编队控制模型,编队队形的结构与队形参考点有关,参考点的数量和位置由队形和队形控制方式决定,主从编队控制以长机为队形参考点。建立了基于队形力的主从编队控制模型,并应用于实际领航者之中。仿真表明飞行误差收敛速度快,僚机能够稳定跟踪领航者的飞行轨迹,并保持较小的跟踪误差(20～40 m)。在密集编队控制中,仍需改进控制器和优化参数;在稀疏队形和分散队形中,完全可以满足控制需要。