金属增材制造具有快速、无模具、自由成形复杂结构的特点，已经成功应用于航空、航天、模具、医疗等领域。随着制造零件的复杂程度和体积的不断增加，三维模型的数据量增大，数据处理所需要的时间大幅增加，尤其是路径规划所需的时间陡增，这已经成为制约该技术应用的主要瓶颈，亟需解决。为了减少路径规划所需的时间，基于增材制造连续两层之间轮廓相似这一基本事实，将三维模型切片得到的二维轮廓按特征进行分组，提出层间信息继承算法，充分利用上一层计算的填充路径信息，快速计算出当前层的填充路径。该算法无需计算每条扫描线与当前层众多轮廓环的交点，极大减小了路径填充的计算量，加快了填充速度。实验结果表明，该算法整体的计算效率明显高于传统路径填充算法，尤其对于等截面或截面连续变化的模型，该算法的加速效果尤为突出。

扫描线滤波算法可以在一定程度上简化滤波问题,并在复杂地形中可以取得较好的滤波效果,但该算法难以滤除一些地面下方的噪声点以及正、反坡度角相差较大的点。针对上述问题,提出顶点向量角-扫描线滤波算法,利用顶点向量角并结合高差阈值对扫描线进行后处理,可以进一步提高所提算法的滤波效果。通过实验将传统算法与改进后的算法进行对比,证明顶点向量角-扫描线滤波算法能够取得更佳的滤波效果。

为了在复杂天空背景下检测出低空慢速小目标, 本文研究了“低小慢”目标的视觉显著性区域特征, 融合扫描线填充算法, 提出了一种动态背景下“低小慢”目标自适应实时检测技术。首先, 根据图像的亮度对比度获取显著性图。接着, 使用形态学梯度提取显著性特征, 通过三帧差分算法得到种子点。然后, 使用扫描线填充算法进行生长, 结合提出的自适应双高斯算法分割出前景。最后, 根据候选目标的面积占比变化、质心距离变化、宽高比差异剔除虚假目标, 完成检测。为了验证算法的有效性, 本文选取了7组复杂天空背景的视频序列进行测试, 并与其他优秀检测算法进行了对比。结果表明, 本文提出的算法对运动目标检测的平均运行时间为0040 9 s, 平均检测准确率为8997%, 相比于其他算法的平均运算时间减少了035 s, 检测的平均准确率提高了245%。算法在复杂背景下具有较好的稳定性和较强的鲁棒性。

针对二维格网形态学的插值误差及二维原始点云形态学的耗时等问题, 提出一种基于扫描线的一维渐进式形态学 LiDAR点云滤波方法。该方法根据点云数据近似直线扫描和顺序存储的特点, 将一维渐进式形态学方法运用于 LiDAR原始点云, 分析运算后的点值与其原始值的差异, 逐步滤除非地面点。为验证算法的有效性, 采用 ISPRS测试数据进行实验, 结果表明, 该算法无论是在城市地区还是在郊区均能有效滤除非地面点, 且具有较高的可靠性。

为了提高基于视觉引导的经纬仪测量系统的测量效率，提出了一种对空间平面上目标点坐标进行精确瞄准测量的方法。利用激光电子经纬仪对目标做单轴扫描，进一步获得像平面扫描轨迹的平行网格模型，通过该模型建立了扫描线长度与经纬仪单轴旋转角度的关系，并对镜头畸变进行校正，最后利用插值算法得到经纬仪瞄准目标点时的精确角度值。实验结果表明，在矫正畸变后在 10 m×10 m空间内精度可达到 3″，该方法可以有效提高测量效率，保证测量精度。