针对传统机器人视觉系统手眼标定方法存在人工定位特征点误差大和标定过程耗时长的问题, 提出了一种机器人视觉系统非接触式手眼标定方法。采用圆锥体作为标定块, 通过3D视觉传感器采集标定块图像, 基于Halcon编写上位机程序对图像进行处理计算, 自动获取3D视觉传感器坐标系下标定块特征点坐标, 同时导入机器人基坐标系下的坐标, 计算手眼关系变换矩阵, 完成机器人视觉系统手眼关系标定。实验表明: 此方法平均标定操作时间为6.47min, 平面定位误差最大值为0.39mm, 空间定位误差最大值为0.478mm, 缩短了标定操作时间并提高了标定精度。

为了使机器人准确使用全局地图、解决被绑架问题，设计了基于视觉内容匹配的自主定位系统，充分利用每个房间、每段走廊中的物体与布局信息进行机器人导航定位。视觉内容匹配包括提取图像重叠区、重叠区域的子块分解重建和相似度匹配。首先将待匹配图像中由机器人视觉和位移造成的畸变调整为一致、然后分析图像内容相似度，并设计了天花板特征点筛选和误匹配子块剔除算法，实现重叠区的准确提取与重建。实验中，机器人视觉可与关键帧序列构建的全局地图准确匹配，实时提取与之最相似的关键帧对机器人定位，匹配准确率不低于95%，定位精度RMSE<0.5 m，被绑架时仍能准确自主定位。

为了解决机器人室内定位时的绑架问题和相似物体的干扰，设计了一种具有图像内容匹配功能的视觉系统，从而使机器人能有效提取关键帧序列构建室内全局地图并实现自主定位。考虑影响图像内容匹配的主要干扰是机器人视角和位移造成的图像畸变，本文通过对室内物体的图像畸变建模与特征分析，设计了一种图像内容匹配方法。该方法以图像重叠区提取、基于子块分解匹配的重叠区重建两部分为核心，可将待匹配的两帧图像畸变调整为一致后再进行内容匹配并准确解算它们的相似度。其能有效利用各个房间内不同的景物和布局信息来消除相似物体的影响，从机器人学习环境时采集的视频中提取空间间距大且重叠相连的关键帧序列建立整栋建筑内部的全局导航地图。机器人工作时，实时视觉的图像内容与地图关键帧序列匹配，提取出与每个时刻视觉图像最相似的关键帧对机器人实施定位。在由3个房间和2条走廊组成的实验区进行了实验测试，结果表明: 机器人可有效消除相似物体的干扰，绑架发生时仍可通过与全局地图匹配实施准确自主定位，匹配准确率≥93%，定位精度误差(RMSE)<0.5 m。

为了实现机器人在弱纹理场景中的避障和自主导航, 构建了由双目相机和激光投点器构成的主动式双目视觉系统。对立体视觉密集匹配问题进行了研究: 采用激光投点器投射出唯一性和抗噪性较好的光斑图案, 以增加场景的纹理信息; 然后, 基于积分灰度方差(IGSV)和积分梯度方差(IGV)提出了自适应窗口立体匹配算法。该算法首先计算左相机的积分图像, 根据积分方差的大小确定匹配窗口内的图像纹理质量, 然后对超过预设方差的阈值与右相机进行相关计算, 最后通过遍历整幅图像得到密集的视差图。实验结果表明: 该视觉系统能够准确地恢复出机器人周围致密的3D场景, 3D重建精度达到0.16 mm, 满足机器人避障和自主导航所需的精度。与传统的算法相比, 该匹配方法的图像方差计算量不会随着窗口尺寸的增大而增加, 从而将密集匹配的运算时间缩短了至少93%。

基于计算机视觉的三维重构方法已经广泛应用在各行各业中。目前的三维重构研究主要针对不透明的朗伯表面，且已经比较成熟，但对非朗伯表面仍然面临诸多问题。而实际场景中的物体表面大多是非朗伯表面，因而，随着实际应用的推广，非朗伯表面的三维重构问题在计算机视觉领域越来越受到关注。虽然本现状研究不能完全涵盖针对非朗伯表面三维重构的所有方法，但它包涵了三维重构每个步骤中的各种典型方法。文中按照图像获取过程中的照明方式和重构原理对现有方法进行了分类，并逐类进行了介绍。由于不存在公共测试网络平台和带有标准视差的非朗伯表面立体图像集，因而，很难对各种算法的计算效率和匹配质量进行比较，文中主要对非朗伯表面的现有三维重构方法的原理、特点、适用范围和最新研究方向进行了介绍，对非朗伯表面三维重构的现有问题和发展前景进行了讨论。

野外机器人视觉导航是复杂场景理解一个重要的研究领域, 在**和智能交通等都有广泛的应用。本文提出一种利用光的偏振特性的环境积水区域目标检测方法, 利用水体的高偏振度和水体区域具有相似偏振相位的特点, 对图像积水区域进行分割。实验结果表明, 该方法在复杂自然环境下对积水区域和泥泞区域检测具有良好的效果。与传统机器视觉方法相比较, 偏振视觉手段计算简单、准确, 与现有图像处理技术结合使用, 更具普适性。

分析了光寻址空间光调制器对连续图像采样产生的噪音和假频,利用采样理论,提出设置光学去假频前置滤波器抑制噪音和假频的方法.理论分析得出去假频前置滤波器为矩形窗函数的基础上,根据视觉系统中光寻址空间光调制器的参量,计算出了本系统所用的去假频前置滤波器的结构尺寸.视觉系统图像特征提取试验结果表明效果良好.

针对传统的图像畸变校正算法建模复杂、实时性差且图像信息易丢失等缺点，提出了一种基于四边形分片逼近控制点的图像畸变校正算法。该方法以标准点阵图像作为量测目标，将数学形态学和滑动邻域操作相结合以确定畸变图像像素点质心，采用基于四边形分片逼近的方法来拟合高次多项式校正模型，运用两步一维线性灰度级插值向后映射算法确定输出图像中像素点的灰度。将该算法在TMS320DM6437 DSP 上实现，实验结果表明，校正一幅像素为768×494 的图像所用的时间为0.036 s，畸变校正的误差在0.31 个像素以内，有效地避免了边缘信息丢失、空洞及灰度失真现象。