针对现有安全帽佩戴检测算法对密集目标和小目标存在漏检现象且参数多、计算量大，不适合部署在嵌入式设备端等问题，提出了一种改进的YOLOv5安全帽佩戴检测算法YOLOv5-Q。首先，在原网络80×80的特征图上进行2倍上采样操作形成160×160的特征图，新特征图融合了原模型的3层特征信息，形成四尺度检测，提升了密集目标及小目标的检测精度。其次，采用轻量级的GhostNet替换原YOLOv5的主干网络实现特征提取，降低了网络的参数，可以移植在嵌入式设备端实现目标检测。最后，添加注意力机制CA提升特征图中重要信息的权重，抑制非相关信息的权重，从而提升模型的精度。实验结果表明，YOLOv5-Q的模型大小为26.47 MB，参数量为12 696 640，精度为0.937。与YOLOv5相比，YOLOv5-Q算法的参数量减少了39.12%，模型大小降低了37.2%，但是精度仅降低了1.2%。YOLOv5-Q算法提高了密集环境下小目标的检测精度且满足在嵌入式端部署的需求。

为满足坦克、装甲车辆等军用车辆的闭舱、无窗驾驶需求，研制了一套新型辅助驾驶系统。系统将分布于车辆四周的多路光学传感器获取车辆近身场景，通过全景拼接算法得到车辆近身360°的全景鸟瞰视频，该视频显示于车载显示屏，用于车辆通过窄道、有障碍物等特殊路段，或倒车时，驾驶员观看。同时，在车辆通过常规路段时，上述视频可根据驾驶员头部扭转角度，裁选出符合人眼观察视角的车外场景视频，传输至驾驶员显示头盔上，供驾驶员观看。如遇特殊情况，车载显示屏会报警，驾驶员将回归车载显示屏的观看。其中，驾驶员头部位置确定方法采用了红外LED光源图像定位技术和MEMS惯性器件定位技术。在实验室，搭建模型小车，验证全景鸟瞰视频生成技术和头盔自由视点观察技术。此外，还使用真实车辆进行了跑车实验。实验结果表明，上述系统可满足闭舱无窗车辆在常规路况下行驶，速度可达40 km/h，同时可辅助车辆窄道行车、障碍物绕行和倒车等事项顺利进行。

设计了一种用于头盔式微光夜视仪的轻量化光学系统，包括物镜与目镜。为了在提高系统成像质量的同时实现光学系统的轻量化，使用非球面进行设计。首先理论计算确定物镜、目镜设计指标，选用合适的初始结构，之后引入非球面进行优化设计，最终得到了一个7片式的物镜系统和2片式的目镜系统，将物镜的重量从原有的35 g降低到了26 g；将目镜重量从原有的52 g降低到了20 g，使得一套夜视仪系统重量总共减少了41 g，镜头重量减少了47%，成功实现了系统的轻量化。

针对非对称光学系统视场范围和出瞳直径较窄、光学结构复杂、制造成本昂贵、装配调整麻烦等问题，本文采用在系统中加入自由曲面反射镜的设计方法。首先，论述了双反射镜非对称光学系统的设计要求和工作原理。然后，分析了三反射镜非对称光学系统的离轴结构控制方法。最后，采用XY多项式自由曲面反射镜折叠光路、消除遮拦、扩大视场、校正离轴像差，设计出一款适用于头盔显示器的非对称光学系统。设计的双反射镜非对称光学系统的视场为60°×30°，出瞳直径为8 mm。在截止频率52 lp/mm处，全视场的调制传递函数值大于0.25，系统畸变小于5%，单目系统重量约为190 g。设计结果表明，该非对称光学系统的视场大小和成像质量均有所提升，实现了小型轻量化，可应用于头盔显示器。