针对组合式光学扫描系统中转位姿存在的尺度差异问题，提出了一种融合尺度因子的中转位姿标定方法。建立了组合式光学扫描系统数学模型，基于数值模拟探究了全局测量精度相对尺度差异的线性规律。建立了融合尺度因子的中转位姿标定模型，基于张量积展开给出了中转位姿的理论解，并对系统参数和尺度因子进行优化。利用仿真和实验验证了标定方法的有效性和标定精度。结果表明：组合定位精度优于0.1 mm；融合尺度因子的中转位姿提升了组合式光学扫描系统的整体扫描精度。

自20世纪70年代以来，伴随着光通信领域中光纤、光源和相位调制器等光学器件的逐渐应用和走向成熟，具有独特优势的基于Sagnac效应的干涉式光纤陀螺（IFOG）技术得到了迅速发展。40多年来，该技术从实验室走向了陆海空天等各个领域。回顾了IFOG技术的发展过程。首先，介绍了自Sagnac效应发现至实用化期间IFOG技术的探索历程。然后，阐述了IFOG经典的最小互易光学结构与信号处理方案。接着，梳理了IFOG技术在高精度、小型化和环境适应性等方面的研究现状。最后，分析了该技术发展、应用的趋势和方向。

针对复杂曲面建筑物三维模型重建出现的拉花变形、点云缺失造成的空洞等问题，提出了一种三维激光扫描技术和倾斜摄影测量技术相结合的研究方案。以某一复杂表面建筑物为例，先是采用改进的顾及尺度因子的迭代最近点算法（SICP）完成两种点云数据的配准融合，然后通过融合后点云数据实现复杂表面建筑物的三维模型重构。试验结果表明：改进配准融合算法相较于SICP算法可以有效提高不同尺度点云数据融合精度，且配准融合后点云数据也可以有效地构建高精度和高分辨率的三维模型。

提出了一种使用固定频率窄线宽激光器作为干涉光源的闭环谐振式光纤陀螺系统。该系统利用相位调制器对干涉光进行移频控制,完成对谐振腔逆时针方向谐振频率的跟踪和锁定。建立了陀螺系统Simulink模型并仿真研究了不同速率点下的陀螺输出特性,结果表明,±200(°)/s速率范围内逆时针谐振频率锁定时间小于15ms,陀螺标度因数非线性为2.41×10-4。与采用传统频率可调谐窄线宽激光器的闭环谐振式光纤陀螺系统相比,两者锁频时间和标度因数非线性基本一致。该研究为低成本闭环谐振式光纤陀螺系统的实现提供了理论和数据支撑。

针对城市隧道、偏远山区等复杂路况下, 卫星导航系统信号被遮挡较严重或无卫星导航系统信号的场景中, 车载GNSS/INS组合导航系统精度下降的问题, 提出一种里程计辅助的高精度车载GNSS/INS组合导航方法。该方法中的组合滤波模式可根据载车环境变化在GNSS/INS组合模式和DR/INS组合模式间实现自适应切换, 该组合导航方法将三维里程计航位推算位置误差作为状态量扩充到常规组合导航滤波器中, 里程计的标度因数误差、安装角误差可通过里程计误差标定方法离线精确得到, 后续使用只需将里程计误差参数装订到组合导航系统中即可。车载试验表明, 7 km的信号遮挡场景下组合导航系统单个方向上的位置误差最大值也不大于8 m, 整个跑车过程中位置误差在3 m以内, 进一步保证了车载GNSS/INS组合导航系统复杂路况下的高精度定位。

针对部分遥感图像整体亮度偏暗、边缘细节特征模糊和可视性不够理想的缺点,提出了一种基于非下采样轮廓波变换(NSCT)与加权引导滤波的增强方法来改善图像质量。先利用NSCT获取图像多尺度子带图像,再对低频子带图像采取全局映射调整亮度,利用加权引导滤波器代替Retinex中的高斯滤波器获取细节分量和基础分量,同时采用比例因子调整两分量在低频子带图像中的比例;采用改进的自适应贝叶斯阈值和非线性增益函数增强各个高频子带图像;最后将各子带信息通过NSCT逆重构得到增强图像。与传统图像增强算法相比,该方法在清晰度和信息熵等方面有所提高,较好地保留细节特征,明显提高视觉效果。

传统的多视图几何方法获取场景结构存在两个问题：一是因图片模糊和低纹理带来的特征点误匹配，从而导致重建精度降低；二是单目相机缺少尺度信息，重建结果只能确定未知的比例因子，无法获取准确的场景结构。针对这些问题本文提出一种基于深度学习的真实尺度运动恢复结构方法。首先使用卷积神经网络获取图片的深度信息；接着为了恢复单目相机的尺度信息，引入惯性传感单元(IMU)，将IMU获取的加速度和角速度与ORB-SLAM2获取的相机位姿进行时域和频域上的协同，在频域中获取单目相机的尺度信息；最后将图片的深度图和具有尺度因子的相机位姿进行融合，重建出场景的三维结构。实验表明，使用Depth CNN网络获取的单目图像深度图解决了多层卷积池化操作输出图像分辨率低和缺少重要特征信息的问题，绝对值误差达到了0.192，准确率高达0.959；采用多传感器融合的方法，在频域上获取单目相机的尺度能够达到0.24 m的尺度误差，相比于VIORB方法获取的相机尺度精度更高；重建的三维模型与真实大小具有0.2 m左右的误差，验证了本文方法的有效性。