针对信号调制与传输特点, 设计搭建了一种由两个不同驱动频率声光调制器组成的外差干涉系统, 双路光强调制避免了由声光调制引起的衍射级次混叠和频移漂移等影响, 采用双路调制最后输出由两个+1级衍射光干涉形成的拍频信号, 消除了级间干扰; 同时系统良好的共线性和对称性, 极大地减小了外界环境噪声对测量精度的影响, 提高了检测精度。基于折射率改变引起的相位变化信息进行检测及处理, 通过测量不同百分比浓度的溶液, 并对系统的相位特性进行了研究, 提出一种溶液浓度检测的新方案, 并对激光漂移和调制强度对测量系统的影响进行了分析。实验结果表明, 该检测系统能够较好地通过对信号相位差改变信息的处理完成对溶液浓度的检测, 在0.1%~0.5%范围内, 最大相对误差约为8.0%, 为光外差干涉溶液浓度测量系统小型化设计和制造提供了参考。

提出一种基于消隐点共线约束的镜头畸变非量测校正方法。针对畸变中心的定位误差问题，利用畸变模型的基本矩阵和最小二乘法，实现畸变中心的高精度定位。同时，根据消隐点共线约束，定义消隐点和直线联合度量的畸变测度函数，并使用Nelder-Mead算法进行非线性优化，迭代计算出精确的畸变模型系数。实验结果表明，所提方法能够有效、准确地对镜头畸变进行校正，方法简单易行，校正精度高。

普通靶标用于相机标定时需要保证其在各角度成像的完整，靶标占相机视场比例较小，相机标定精度低，且变焦测量中相机视场改变，标定精度进一步降低。理论分析了单应矩阵的特点，发现从各角度拍摄的靶标图片中靶点不完全相同，这不影响单应矩阵的计算和相机标定。结合仿真分析，设计了一种定向分层靶标，第一层设计定向标志点，靶点向外层逐渐增大，针对不同的视场采用不同范围的层，靶点在视场中所占比例一直较大，确保相机标定精度。提出基于共线原理和射影变换结合的靶点匹配方法，只要靶标的定向特征点出现在图片中，即能实现靶点识别与匹配，进而提高靶标使用的灵活性和相机标定效率。实验结果表明，定向分层靶标的靶点识别与匹配方法准确有效，不受靶标部分靶点缺失的影响；使用该靶标可以提高相机标定精度，且标定精度不受相机视场改变的影响。

针对厚度测量中对射激光束共线性的要求, 提出了一种基于双分光棱镜的传感器光轴空间位姿视觉检测方法。在分光镜坐标系下, 分析了单条激光束在组合分光棱镜中的光线传播和光斑变化规律, 建立了两条激光相对位姿与光斑中心点之间的数学模型。借助于棱镜坐标系和图像坐标系之间的转换关系, 可以根据四个拟合光斑中心坐标快速计算出激光束的相对位姿, 进而将激光束的共线测量转换为光斑中心坐标的拟合、对比问题。实验结果表明, 在传感器测量范围内, 该方法可以使两条激光束之间的夹角不大于0.17°, 距离不大于0.05 mm; 同时, 调整前后对量块的测量表明, 厚度测量误差由12 μm减小到4 μm, 间接验证了共线检测方法的有效性。所提方法实现了光束调整过程的数字化、可视化, 并且使共线性测量结果具有可溯源性, 有助于定量分析因两个激光传感器测量线不重合而引起的厚度测量误差。

采用单像空间后方交会算法求解相机的外参数是摄影测量及机器视觉等领域的基本问题。在介绍前人研究成果的基础上,提出一种新的单像空间后方交会算法,即利用3个控制点建立临时坐标系,根据这些控制点在临时坐标系下的部分坐标分量为0的特点,将后方交会求解转换为三元二次方程组的求解,3个控制点的图像坐标数据可为非线性方程组的迭代求解提供初始值,使求解过程更加可靠。利用某商用工业摄影测量系统对实验空间中布设的控制场拍摄了120幅图像并计算其外参数,采用后方交会算法和角锥体算法分别对所取特征点计算外参数,结果表明:后方交会算法求解的参数正确,且迭代求解收敛性好,适用于任意旋转角的相机外参数求解。

为获得共线双脉冲激发方式对土壤中Pb和Ba元素的谱线增强效果, 研究了1064 nm单脉冲和(355 nm+ 1064 nm), (1064 nm+355 nm)共线双脉冲三种激发方式下, 谱线强度随采集延迟时间的变化规律和谱线增强倍数随双脉冲时间间隔的变化规律。研究发现, 与单脉冲激发方式相比, 在双脉冲激发方式下, 谱线Pb I 405.78 nm和Ba I 553.55 nm强度的最大增强倍数分别为5和8。该研究结果为检测土壤中重金属元素提供了参考。

静止轨道全谱段高光谱成像仪需采用通道分离、视场和机械拼接的方式, 并通过扫描镜摆扫获得宽视场、高空间分辨率的高光谱影像, 若直接拼接, 子视场间不一致的几何变形将使地物光谱信息失真。假设子视场间同名像点坐标的差异是由各子视场内部参数变化引起的, 提出以全景畸变正切改正公式为数学模型的区域网平差方法, 实现像方坐标系内的视场拼接。并在可见光近红外通道4个子视场仿真影像的基础上完成了视场拼接实验, 达到了0.72 pixel的拼接精度。与基于共线条件方程区域网平差的视场拼接方法相比, 该方法精度与其相当, 且算法更简单, 不需要控制点和DEM辅助, 适用于初级影像生产。

为了保障无人驾驶车的可靠性与安全性,首先根据多线激光雷达点云数据的特征结合区间共线点特征获取路沿点并利用改进的DPCA 算法对得到的路沿点进行聚类。其次,应用最小二乘法拟合出两侧路沿。最后,通过改进的 DPCA 算法将路面上的障碍物点进行聚类并计算得到障碍物的信息。利用区间共线点特征提取路沿点不易受其他干扰点的影响,而改进的DPCA 算法则能够自动并准确地获取聚类中心,解决了DPCA 算法需要人工选取聚类中心的缺陷。实车实验证明该算法的实时性与准确性。