手术导航综合运用器官分割建模与手术规划、位姿标定与跟踪定位、多模态图像配准与融合显示等技术，使医生精确定位病灶与手术工具的位置，透过组织表面对内部组织进行观测，可大幅提升手术的安全性，缩短手术时间并提高手术效率。常规手术通常使用超声、内窥镜或X光等单模态影像进行手术过程引导，信息单一且均为二维影像，空间立体信息缺失，手术过程严重依赖医生经验；而多模态图像引导的手术导航技术通过融合多模态图像的优势，在三维空间提供病灶的结构或功能信息，大幅提升医生对血管、神经以及重要组织结构的空间辨识力。由此，本文针对多模态图像分割建模、手术方案决策、手术空间位姿标定与跟踪、多模态图像配准、图像融合与显示等多模态图像引导手术导航的关键技术进行总结和分析，提出其进一步发展面临的挑战并展望其未来发展趋势。多模态图像引导手术导航技术已成为神经外科、颅颌面、骨科、经皮穿刺、血管介入等临床科室精准治疗的新兴手段，具有重要的应用前景。

基于方位角测量的定位跟踪系统隐蔽性好, 是反侦察、反干扰和实施突袭的有效手段。针对地面观测站对地面运动目标的定位需求, 建立目标匀速及匀加速直线运动模型, 为减小测角误差的影响, 依据最小二乘估计准则推导目标定位算法。分析影响定位精度的主要因素, 并从观测站数量、目标距离、角度测量误差等方面进行了仿真实验和数值分析, 采用蒙特卡罗方法分析了定位误差的均值、标准差等指标。计算表明: 在同等条件下, 采用3~4个地面观测站即可获得较优的定位精度; 定位误差及误差离散程度随着目标距离及角度测量误差的增大而变大。实验结果对于优化地面观测站参数配置、提高目标定位精度以及定量评估设备预期效果具有一定的借鉴意义。

屏幕通信是以动态条码为信息载体, 以可见光为媒介的近场通信方式, 因其抗干扰能力强、不占用频谱资源和部署简单等特点, 具有广泛的应用场景和极大的发展潜力。文章提出了一种基于深度学习方法的屏幕通信定位跟踪算法, 采用快速区域卷积神经网络(Faster R-CNN)算法对信息区域进行处理, 使光学摄像头在不依赖传统定位寻像图形的情况下智能定位携信区域, 进而提高单帧携信量; 采用卢卡斯-卡纳德(LK)光流法对抖动引入的帧间信息区域位置变化进行估计, 提升了连续帧处理速率从而提升了系统通信速率。实验结果表明, Faster R-CNN算法的平均精度均值(mAP)达到了90.91%, 同时引入LK光流法提升系统的处理效率, 相比于仅采用Faster R-CNN的算法处理时间缩短59.5%以上, 解决了终端系统处理能力瓶颈问题。

针对人与机器人共存的服务空间中人的定位跟踪问题，提出了一种基于分布式激光雷达协作感知的全局定位跟踪方法。分别对各台激光雷达获取的数据进行统计检验，将其分为静态数据和动态数据，利用静态数据完成各台激光雷达的位置标定，实现背景消除。动态数据通过无线网络传送到服务器，将来自同一时刻不同激光雷达的动态数据组成观测数据的一帧，实现数据的同步与融合。对获取的每帧数据进行基于迭代最近点算法的轮廓模型匹配，区分各个目标。采用基于位置-速度的关联门对相邻两帧的检测目标进行关联，实现对各动态目标的跟踪。实验验证了该方法在解决人的定位与跟踪问题的有效性，与基于视觉的定位跟踪方法相比，本系统在定位精度和跟踪成功率上优势明显。

无源声探测定位与跟踪是一种非线性系统状态估计问题。为了降低系统的复杂度和提高系统硬件的可实现性，将扩维UKF(Unscented Kalman Filter)应用于多传感器无源声探测定位跟踪。用多声传感器所测的方位角进行交叉定位，建立了扩维UKF无源声探测定位跟踪的状态方程和观测方程。为了提高跟踪精度，采用了一种基于子滤波估计值之间支持度的非等权值融合算法，将UKF子滤波的估计值进行融合得到融合估计值。仿真结果表明，扩维UKF和新融合方式结合的多传感器声探测定位与跟踪的精度高，可以较好地跟踪不规则运动的声目标，具有较大的工程应用价值。

为了提高对机动干扰源的定位精度,提出一种基于数据质量分析思想的多地面被动传感器组网聚类定位算法。考虑到各种客观因素和主观操作对量测的影响,该算法首先对各量测在二维空间中产生的目标估计位置点进行数据质量度量,从而确定该量测对干扰源定位结果的贡献;引入聚类思想完成对高质量位置数据的实时筛选,并由该数据实现对干扰目标的定位。通过和MMSE算法相比较,基于数据质量分析的聚类定位算法可有效消除低质量量测对定位结果的不利影响,从而提高了对干扰源的定位精度。同时对传感器布站形式的研究表明,只要对网内各传感器进行合理配置与管理,该算法即可有效降低系统偏差等不利因素对定位系统的影响。