针对双目视觉定位与测量中某些被测物体角点不明显导致检测精度不高的问题, 提出一种基于亚像素边缘拟合的双目视觉定位与测量方法。利用双目系统标定的结果对拍摄的图像进行去畸变和立体校正处理; 使用Zernike矩方法对预处理的图像进行亚像素边缘检测, 对获得的亚像素点进行聚类和拟合, 计算拟合曲线的交点; 根据对极几何原理来完成左右图像中的交点的立体匹配, 利用视差及三角测距原理获得被测物体的位置信息及其尺寸。实验结果表明, 新的方法能较好地解决角点不明显导致双目视觉立体匹配和定位精度问题, 并能提高检测效率。

针对投影仪-摄像机系统参数标定过程中角点识别精度低、抗噪性差的问题,提出一种新型的投影彩色模式特征图像和角点亚像素检测算法以提高角点检测识别精度。鉴于投影仪-摄像机在光子信号传输过程中会因系统通道耦合性导致光子信号损耗,特进行建模分析,并提出一种系统耦合性校正方案,以降低系统耦合性串扰的影响。在系统标定参数解算过程中,投影特征点会因外界因素的干扰而与摄像机反馈的特征信息匹配错误率高,从而导致投影仪的标定参数误差值较大,考虑到投影仪-摄像机具有对极几何约束关系,提出一种成像反馈式的射影几何约束优化方法,用于对系统参数优化标定。通过实验分析可知,本文方法识别精度能够到达0.25 pixel,同时具有较高的面平行度和线垂直度。投影画面的几何畸变校正实验显示,畸变校正效果基本符合人眼视觉感知一致性。

针对基础矩阵估计过程中因受野值影响导致估计精度下降和稳定性不高等问题，本文提出了一种新的快速鲁棒的基础矩阵估计方法。该方法首先将野值去除融入到计算基础矩阵的过程中，而不再将它作为一个独立的处理步骤。通过迭代将潜在的错误对应点剔除，从而实现基础矩阵的稳定估计。然后，在每次迭代过程中，采用对极几何误差准则来识别野值，同时获得基础矩阵的估计结果。该迭代过程收敛较快，即使存在大量匹配野值的情况下，计算值也会很快趋于稳定。仿真和实际实验结果一致表明：所提出的算法在保证类似估计精度的同时还在计算效率方面有极大地提升，相比较快的M估计法有30%以上的速度提升，而相比于估计精度较优的MAPSAC算法甚至达到4倍以上。

为了快速且直观地对相机弱标定 (即相机内参数已知而外参数未知) 情况下的立体图像对进行欧氏极线校正, 提出了一套完整的欧氏极线校正框架。首先, 针对两视图对应相机的位姿信息估计问题, 提出一种新的不依赖矩阵奇异值分解运算的本质矩阵分解和唯一解确定算法。然后, 对传统欧氏极线校正问题进行推广, 并利用估计出的相机位姿构造出具有明确几何意义的无穷单应变换对, 进而将其施加到立体图像对来完成欧氏极线校正。最后, 利用8组SYNTIM立体图像对验证了所提出校正框架的正确性和校正精度。实验结果表明: 该欧氏极线校正框架不仅形式直观, 计算简单, 易于实现, 而且具有明确的几何意义。与其他欧氏极线校正方法比较, 提出的方法能够获得更高的校正精度, 且更好地消除了立体图像对的水平或垂直视差。

为了解决缺乏明显特征点给基础矩阵计算带来的难题，针对水平直线与垂直直线所特有的极几何关系，提出了一种可以联合这两种直线特征的基础矩阵计算方法。首先以相机方位元素、相对姿态为基础矩阵的参数化要素，构建基于水平直线与垂直直线的等量方程式，然后以特征直线作为RANSAC算法的内点筛选出特征点的最优子集，再结合M-estimators算法确定各个要素的权值，最后构建统一的平差模型进行计算。模拟数据与真实图像的对比实验结果表明，该方法切实可行，能够减少传统基础矩阵计算方法对特征点的依赖，特征直线的引入也能在一定程度上提高计算结果的精确度与稳定性。

对于全向立体视觉的三维环境测量系统,一般假设全向相机的光轴重合,即共轴立体。它具有径向上线性的对极几何关系,简化了立体匹配的搜索问题。但是在实际中,不可避免存在光轴之间的未对齐误差,从而降低了测量精度。为了补偿这种对齐误差,提出一种通用的共轴配置全向立体系统校正方法。推导并计算了泰勒模型下任意配置全向立体系统的本质矩阵。利用极曲线与其切空间的一一对应关系,将相机姿态校正到中心连线方向上,使得对应点被约束在径向直线上。图像重采样则保证图像对应点位于同一列上。算法只在图像平面上进行。最后的模拟和实验数据表明算法的有效性。