针对传统视觉同步定位和映射（SLAM）系统在动态环境中鲁棒性和定位精度低等问题，基于ORB-SLAM2算法框架，提出一种在室内动态环境中运行稳健的视觉SLAM算法。首先，语义分割线程采用改进的轻量化语义分割网络YOLOv5获得动态对象的语义掩码，并通过语义掩码选择ORB特征点，同时，几何线程通过加权几何约束的方法检测动态对象的运动状态信息。然后，提出一种给语义静态特征点赋予权值，并对相机的位姿和特征点的权值进行局部光束平差法（BA）联合优化的算法，有效地减少动态特征点的影响。最后，在TUM数据集和真实的室内动态场景中进行实验，结果表明，与改进之前的ORB-SLAM2算法相比，所提算法有效地提高了系统在高动态数据集中的定位精度，并且绝对轨迹误差和相对轨迹误差的均方根误差（RMSE）分别提升了96.10%和92.06%以上。

研究了透视投影对同心圆偏心误差的影响并建立了偏心误差数学模型，提出一种基于同心圆偏心误差补偿迭代的高精度相机标定方法，使用基于几何约束的优化算法不断更新同心圆中心投影坐标，以精确地定位图像中同心圆的控制点投影中心，从而实现相机高精度标定。实验和仿真结果验证了所提方法在视觉应用中的有效性。与传统方法相比，所提方法可为计算机视觉和三维重建任务提供更准确的相机标定结果。

提出了编码器到解码器结构的深度卷积神经网络，并基于二维层面和三维层面共同约束网络从单目图像中学习深度。在二维图像层面，为了均衡网络提取到的浅层细节特征和深层语义特征，引入通道注意力机制，在相同尺度上为编码器特征与解码器特征添加权重连接；为了得到边缘细节信息更丰富的深度图，构建了尺度不变损失和基于图像金字塔的多尺度边缘损失。在三维几何层面，为了提高点云之间的几何一致性，基于空间中坐标点的局部和全局几何关系，构建了深度的全局几何约束损失和局部几何约束损失。在NYU Depth-v2数据集上将所提方法的结果与其他方法进行定量定性比较。结果表明本文方法可以估计出准确度和细节上表现更好的室内场景深度，实现了更为准确和平滑的单张图像三维重建效果。

将三角形约束方法引入到合成孔径雷达(SAR)影像匹配中。利用尺度不变特征转换(SIFT)算子生成特征点；采用鲁棒性较好的随机抽样一致(RANSAC)算法剔除错误匹配点，得到更高精确度的同名点；最后利用SIFT算法得到的同名点建立Delaunay三角网。在同名相似三角网内，以三角形重心点作为内插的虚拟同名点，并对虚拟同名点进行归一化互相关(NCC)约束，剔除不满足阈值要求的虚拟同名点对，同时根据内插得到的虚拟同名点建立新的三角网，对三角网进行动态更新，用于获取更多虚拟同名点，直至满足匹配要求。实验结果表明，本文方法能够有效增加匹配特征点数量，提高雷达影像的匹配精确度。

针对人体姿态估计中因肢体、环境复杂性导致的估计结果不精确问题,提出了一种基于二次生成对抗的人体姿态估计方法,通过两个阶段对堆叠沙漏网络(SHN)进行生成对抗训练。首先将SHN作为第一个生成对抗网络模型的判别器,通过在线对抗数据加强训练,以提升SHN的估计性能;然后将SHN作为第二个生成对抗网络模型的生成器,将肢体几何约束作为判别器,通过第二次对抗训练再一次提升SHN的估计性能,得到最终的SHN。在公开数据集LSP和MPII上对本方法进行测试,结果表明,该方法能有效提升SHN的估计精确度。

针对经典的函数映射方法存在描述符特征单一、映射矩阵约束不强的问题,构建了一种数据驱动强正则化函数映射方法,用于计算三维模型的对应关系。首先,通过前向传播将源模型和目标模型的方向直方图签名(SHOT) 特征描述符输入残差网络进行训练,获得增强的SHOT特征描述符;然后,用基于函数映射的几何约束代替标签;最后,通过反向传播优化描述符的训练过程,实现了无监督数据驱动函数映射对应关系的计算。在FAUST数据集上的实验结果表明,本方法不仅能降低函数映射网络(FMnet)中模糊对应关系矩阵和测地距离矩阵的计算量,且构建的对应关系准确性也优于现有主流方法。

针对遥感影像中单独利用点特征或线特征容易出现匹配精度低和匹配失败的问题,提出一种融合点线互补特征的遥感影像全自动配准算法。首先利用改进的尺度不变特征变换(SIFT)算法获得初始匹配点,并采用归一化互相关(NCC)测度和随机采样一致性算法剔除可能的误匹配情况,以获得正确率较高的同名点。然后采用改进的线段检测算子(LSD)提取线段特征,通过已知单应性几何变换约束和斜率约束确定候选匹配线段并构建特征描述符,继而获得同名线段。最后提取同名线段的交点并集成第一步的同名点集,计算影像间的投影变换参数以实现影像的配准。实验结果表明:所提算法在匹配精度以及匹配的正确率等方面具有显著优势。