视觉导盲仪是一种旨在解决盲人出行困难的导盲设备, 为了实现视觉导盲仪诱导盲人找到盲道并沿盲道行走, 提出了一种基于机器学习识别与标记分水岭分割的盲道图像定位算法, 通过离线训练与在线的识别、分割来定位盲道区域。首先对盲道图像进行视角变换的预处理, 根据盲道的地面方程将变化的倾斜视角转换为固定的俯视视角, 消除射影变换带来的失真; 然后利用局部二进制模式描述子提取鸟瞰图的纹理特征, 以自适应增强学习算法离线训练盲道识别分类器; 进而利用分类器对鸟瞰图像进行在线识别, 粗略确定盲道区域; 最后将识别结果进行形态学处理后作为标记, 利用标记分水岭算法得到精确分割的盲道区域并定位盲道中心线。在研制的视觉导盲仪上进行验证, 结果表明盲道定位准确率达到了95.44%, 速度平均每秒8帧, 具有高准确率的同时达到实时性要求, 为盲道的准确三维定位提供了必要条件。

为满足直升机实时图像数据与机载静态三维地形数据的融合要求,提出了一种适用于机载光电侦查系统的图像定位算法以及基于蒙特卡洛方法的误差仿真模型。通过构建摄像机坐标系、机体坐标系、载机地理坐标系(东北天坐标系)、大地直角坐标系及WGS-84坐标系,利用摄影测量原理、数字图像处理原理、视线向量原理、齐次坐标转换原理得到光电图像4个角点在WGS-84坐标系中的实际位置,在给定飞行参数瞄准线斜角近90°时,定位误差较大。该模型将为实时图像与三维地形的融合提供一种图像粗配准方法,便于将来对其进行特征点匹配等精准定位以及融合的实现。

为了保证定位的速度和准确率，采用2016年在目标检测领域取得最佳检测效果的YOLO v2网络制作了以明显特征的地物作为目标区域的目标检测数据集。通过目标框维度聚类、分类网络预训练、多尺度检测训练及更改候选框的筛选规则等方法改进YOLO v2网络，使其更好地适应定位任务。能够将无人机实时获取的航拍图像定位到目标区域，并通过投影关系进行坐标转换得到无人机的经纬度。结果表明：该方法效果较为理想，在航拍图像的目标区域检测任务中检测网络的平均准确率提高到79.5%；在包含目标区域的航拍图像中，经模拟飞行的仿真实验验证，其网络定位准确率大于84%。

为了满足空间遥感TDICCD相机侧摆成像时对图像定位精度的要求，提出了一种侧摆成像时图像定位精度优化方法。首先，根据遥感TDICCD相机的工作原理计算了星下点成像和侧摆成像2种模式下的行周期值。然后，在分析了侧摆成像会导致一段时间内出现定位误差太大的原因的基础上，介绍了利用记录3种信息：行周期信号上升沿时刻、行同步信号上升沿时刻和二者之间时间差来对图像进行定位的方法。最后，计算了提出方案的定位误差。实验结果表明，在一次成像过程中，产生的定位误差小于地面像元分辨率大小，能满足系统对于图像定位精度的要求。