受电弓磨耗关系着地铁的正常运行。为了对地铁受电弓磨耗进行有效检测，提出一种地铁受电弓磨耗线激光在线检测方法。该方法利用两台线激光传感器采集受电弓廓形数据，通过阈值设定、特征点搜寻、廓形配准对比得到受电弓实际磨耗。针对特征点搜寻，提出一种基于点云窗口移动计算的特征点搜寻算法，通过定义点云窗口来遍历受电弓廓形，计算每次移动后窗口内数据点方差，构造窗口最小方差索引点与廓形第一等分点直线，依据点线最大距离找出受电弓廓形特征点。采用主成分分析（PCA）算法的粗配准结合迭代最近点（ICP）算法的精确配准策略，实现受电弓廓形配准，依据配准结果得到受电弓磨耗。实验结果表明，特征点搜寻算法可准确找出所需特征点，廓形配准策略能有效保留廓形数据磨耗情况，使检测系统达到±0.5 mm的磨耗检测精度要求，实现地铁受电弓磨耗在线测量。

道路消失点检测是高级驾驶辅助系统中盲区监测的重要组成部分。针对现有消失点检测方法所存在的准确度低、运算量大等问题,提出一种基于车载视频图像的道路消失点检测算法。该算法在Harris角点检测基础上优化得分函数检测出图像特征点,减少在跟踪阶段的运算量;通过金字塔光流法和帧差距离对运动特征点进行跟踪,在结束帧上准确获得各特征点的位置;对特征点去除离值点后,通过优化初始聚类中心的K-Means聚类算法,得到车载视频图像的道路消失点。最后将算法应用于各种车辆行驶场景进行测试,在较短运行时间内,能准确检测出车载视频图像中道路消失点,证明算法鲁棒性好、运算简单易实现。

针对目前轨道交通市场上的一些以人工智能为主的地铁车辆列检产品在车辆变速时检测精度不高的问题，提出一种基于计算机视觉的地铁测速方法。首先，通过图像透视变换获取校正后的地铁图像，在校正后的图像基础上，利用深度学习目标检测方法定位车身区域。其次，对相邻两帧图像定位到的车身区域进行特征点检测，并采用区域最强特征点匹配方法获取匹配点对。然后，根据匹配点对计算出地铁移动的平均像素距离，结合像素尺寸换算出实际移动距离，再通过已知的相邻两帧图像时间差即可获取当前地铁实时速度。最后，根据实时检测的速度信息实时调整线扫相机行频，尽可能减少地铁车辆变速或者停车时产生的图像畸变，进一步提高地铁列检产品在车辆变速时的检测精度。在上海地铁17号线朱家角站的实际测试结果表明，由该技术获取的地铁车辆线扫图像不会因车速的变化而产生明显畸变，而且测速频率高，测试误差在1.2 km/h以内。

焊缝信息的快速准确获取是实现自动化焊接的首要问题。然而，在实际焊接过程中，电弧、飞溅、强反射光等噪声会严重污染采集的图像，导致焊缝定位偏移，最终导致跟踪失败。为了提高跟踪过程中的焊缝定位精度与图像处理速度，本文提出了一种将激光条纹分割与焊缝特征点定位相结合的轻量级多任务深度学习模型。该模型由编码器和解码器组成，激光条纹分割子任务与焊缝特征点定位子任务共用编码器主干网络，解码器包含激光条纹分割分支和基于可微空间到数值转换（DSNT）的焊缝特征点定位分支，整个模型遵从轻量化设计思想，同时利用多个子任务之间的相关信息，进一步提升各子任务的性能。实验结果表明，所提模型能够有效克服各类焊接噪声，完成焊缝特征的提取，单幅图像的处理时间约为11.45 ms，特征点定位精度可达0.1872 pixel，在自动化焊接方面具有广阔的应用前景。

针对视觉和激光耦合simultaneous localization and mapping（SLAM）中存在的视觉特征丢失、雷达闭环轨迹矢量漂移和高程位姿偏差问题，提出一种通过扫描上下文回环检测的紧密耦合视觉和激光雷达SLAM方法。采用基于SIFT、ORB特征点检测器的视觉里程计解决特征点丢失和匹配失败问题；通过雷达里程计融合视觉里程计帧间估计消除雷达点云畸变和大幅度漂移；通过扫描上下文进行回环检测，引入因子图优化里程计矢量漂移，消除回环检测失败问题。在多个KITTI数据集中对所提算法进行验证，并与经典算法进行对比，实验结果表明，该算法具有高稳定性、较强鲁棒性、低漂移和高精度。

随着农业机器人技术的不断进步和发展，利用机器人采集和处理特定农作物图像信息在农业应用领域中越来越重要，针对传统图像处理方法提取的玉米植株轮廓不完整甚至是缺失的问题，提出一种改进的玉米植株轮廓提取方法。采用HSV颜色空间对玉米植株的绿色叶部分进行图像提取，同时使用RGB通道分离方式对红色的根部分进行图像提取，在得到叶部、根部图像后使用F-B算法选取特征点并对特征点进行描述和匹配，并利用随机抽样一致性算法剔除错误的匹配点，最后用加权融合方式对图像进行拼接并选用Sobel算子提取植株轮廓。实验结果表明，F-B算法相比于传统scale-invariant feature transform（SIFT）、speeded up robust features（SURF）、oriented FAST and rotated BRIEF（ORB）算法在匹配速度、精确度上有所提升且匹配准确度高于80%，使用Sobel算子提取植株图像轮廓，获得的图像清晰度和完整度较好。该方法能够在较快速度和较高的精准度下实现对玉米植株的轮廓提取。

以ICESat-2为代表的光子计数激光雷达对地观测手段具有地面足印小、采样频率高、波束数量多等特点，获取点云的平面精度和飞行方向数据密集程度得到很大提升，可作为一种新型三维控制条件以提高卫星影像定位精度。为解决光子点云没有同步影像记录平面位置的应用难题，提出一种星载光子计数激光点云支持下的卫星影像定位精度提升方法。首先采用三维地形剖面匹配方法实现对光子点云数据与卫星立体影像自动生成的数字表面模型（DSM）的精确配准；然后依据坡度变化从光子剖面点云中提取地形特征点，联合DSM多种地形特征生成共同地形特征控制点；最后将该地形特征控制点作为平高控制条件引入带附件参数的卫星影像区域网空中三角测量过程，以进一步提升定位精度。利用陕西省两个地区的ZY-3影像和ATLAS ATL03级数据进行实验，结果表明与完全无控定位方法和SRTM数据辅助定位方法相比，所提方法能够显著提高ZY-3影像平面和高程定位精度，提升幅度相对于SRTM数据分别可以达60%和34%左右，验证了所提方法的有效性和可行性。

散斑结构光因只需投射一幅图像即可获取三维信息，成为近年来的研究热点。但利用散斑结构光进行三维信息获取时，存在散斑特征点匹配数量少、误匹配率高的问题，为此研究了散斑特征点提取与匹配算法。在分析散斑点区域灰度分布规律的基础上，提出一种基于灰度值比较的散斑特征点提取方法，通过比较窗口上相关像素灰度值进行粗提取，定义特征点响应函数消除冗余检测。匹配方面，建立散斑特征点描述子，提出一种基于描述子信息的多约束扩散匹配方法，首先通过多约束条件获得匹配度较高的种子点，生成种子点队列，其次利用队列中种子点的描述子信息，对描述子中未匹配的散斑特征点进行扩散匹配。实验结果表明，与其他方法相比，所提算法将匹配数量提高了35%以上，误匹配率降低到0.12%。