针对扩展卡尔曼滤波算法在摄像机标定优化应用中，滤波精度较大程度地依赖于噪声协方差矩阵的准确性这一问题，提出了一种基于自适应扩展卡尔曼滤波算法的摄像机标定优化方法。以所检测到的二维棋盘格标靶上特征点的图像坐标作为自适应扩展卡尔曼滤波算法的观测量，摄像机的内、外参数作为状态量，将观测图像上的特征点进行逐点滤波运算，过程和观测噪声协方差矩阵在迭代过程中随着观测值和预测值之间新息的变化而更新，从而优化对应的摄像机参数。实验结果表明，经本文算法优化后获得的摄像机内、外参数具有较小的重投影误差，USB相机和工业相机的标定结果较张正友标定法分别提升了61.17%和12.17%，所提算法较无迹卡尔曼滤波算法和扩展卡尔曼滤波算法在噪声环境下具有更高的标定精度和更好的鲁棒性。

针对传统视觉同步定位与地图构建(SLAM)算法在动态场景下定位精度低的问题,提出了一种基于动态目标检测的视觉SLAM算法。首先,在视觉SLAM系统的前端对输入图像帧进行预处理,通过目标检测网络YOLO v3(You only look once, v3)剔除图像潜在的动态区域。然后,通过重投影误差优化单应性矩阵,通过求解运动补偿帧得到四帧差分图,并对四帧差分图进行滤波、二值化和形态学处理。最后,结合YOLO v3网络对动态目标检测结果进行优化,以减小图像模糊和强视差产生的噪声。用静态区域的特征点进行视觉SLAM的跟踪、建图与回环检测,在公共TUM数据集上的实验结果表明,本算法能有效提高动态环境下视觉SLAM的精度。

在红外光谱中, 大气对不同波长辐射透过率不同, 透过率较高的波段范围称为大气窗口。 为在大视场角范围内探测目标在长波红外光谱的辐射, 弥补传统可见光相机在复杂环境下不能探测目标的缺陷, 超大视场长波红外相机应运而生。 相比于传统可见光相机, 超大视场长波红外相机覆盖视场大, 能够用于夜间、 烟雾等复杂环境, 具有一定穿透效果。 双目超大视场长波红外立体视觉系统可用于车辆夜间辅助驾驶, 军用无人化作战平台全天候信息侦察等领域。 作为实现立体视觉的第一步, 标定的准确性严重影响立体视觉中物体三维重建精度, 因此提高标定准确性是立体视觉研究中的关键问题。 标定目的是求出立体视觉成像的内部参数和外部参数, 内部参数描述相机镜头成像的物像关系, 外部参数表示两个相机之间的相对位置关系。 但超大视场长波红外相机成像畸变严重、 分辨率低、 图像对比度低, 对立体视觉标定造成极大困难。 为准确标定超大视场长波红外立体视觉外部参数, 在Scaramuzza通用相机模型基础上提出了一种基于最小二乘法的外部参数标定方法; 为评价内外参数标定结果准确性, 以常用单目角点重投影误差评价内部参数为基础, 引入外部参数, 提出一种双目角点重投影误差评价方法。 为验证方法有效性和准确性, 使用主动红外辐射标定板生成角点, 分别采用视场角（FOV）为180°和210°的两组双目超大视场长波红外相机, 在不同位置上进行标定实验。 实验结果显示, 常用的Bouguet方法双目平均重投影误差（BMRE）在0.782～0.943 pixels, 而基于最小二乘法方法BMRE处于0.620～0.754 pixels, 实验数据表明该方法有效降低了双目角点重投影误差, 提高了外部参数标定准确性。 此外, 评价方法操作简便、 客观准确, 避免在评价过程中对物点三维重建从而引入额外误差, 并且不需要高精度三维坐标测量设备。

现有线阵CCD内参校准方法往往依赖于畸变参数模型,其标定精度受限于模型内部参数的相关性,因此为提高线阵CCD相机内参校准精度,提出一种采用非参数模型的线阵CCD相机内参校准方法。通过小孔成像模型和垂线法,构建线阵CCD相机成像的非参数模型,直接确定空间特征点与成像点间的映射关系以及理想成像点与实际成像点间的畸变量大小。采用重投影误差作为评价标准,与采用参数模型的内参校准方法作对比实验,实验结果表明,由所提方法得到的重投影误差的均方根、平均值和最大值分别为0.42,0.00,0.95 pixel,均小于由基于参数模型的内参校准方法得到的0.80,-0.10,2.47 pixel。

为满足高速复杂流场中投放物位姿高精度测量的要求,分析了图像噪声对位姿估计误差的影响。在传统非线性优化位姿算法的基础上,提出了自适应重投影误差的单目位姿估计优化方法。该方法以位姿估计初值为中心设置了约束区间,建立新的罚函数将约束非线性优化转化为无约束非线性优化,分析像平面重投影误差与约束区间的关系并建立相应的数学模型,根据模型自动调节约束区间,基于自适应重投影误差对位姿估计参数进行约束非线性优化。仿真结果表明,该方法在不同大小图像噪声下的重投影误差和位姿估计参数都有最优解,且优于传统非线性优化算法,具有较高的位姿估计精度。

针对测角误差与定位误差对精度的影响持平的高精度场合, 提出了能够同时考虑测角误差与定位误差的相机姿态估计算法。在传统最小二乘平差相机姿态估计算法的迭代过程中, 将定位误差的协方差投影到单位球面上并与测角误差的协方差融合; 用块松弛迭代法解决投影过程依赖于待估计参数的问题; 用融合后的协方差作为权重构建加权最小二乘平差方程; 从平差方程中解出融合定位与测角误差的相机姿态在当前迭代状态下的估计值。该方法统一了位置测量误差模型与角度测量误差模型, 实验结果表明其可有效应用于导弹发射车定向系统。

为了提高大视场、远距离的双目摄像机标定精度，提出一种基于位姿约束的摄像机标定算法。该方法利用双目摄像机之间的三维位姿关系是刚体变换这一属性，标定出左、右摄像机相对位姿的外部参数。利用相对位姿为约束条件求取摄像机的初始内部参数，剔除较大的重投影误差值对应的标定图像组，重复迭代直至重投影误差平均值小于指定值，得到多个待优化的摄像机内部参数。再将最后标定图像组的角点坐标、待优化的摄像机内部参数和相应的外部参数，建立一个以角点三维重构坐标值与实际设定角点三维坐标值的模均值为最小的目标函数，求解出双目摄像机标定参数的最优解。该方法很好地解决了误差大的标定图像造成的影响，且充分利用了双目摄像机之间的位姿约束关系。通过仿真和标定实验可以看出，本文方法可以实现大视场双目摄像机的高精度标定。