激光诱导击穿光谱(LIBS)技术因其在线、原位、多元素同时测量等优点,在物质成分检测上得到广泛应用。但是,LIBS技术常受到自吸收及基体效应的干扰,分析的准确度较低,同时,随着光谱仪分辨率的不断提高,数据维度越来越高,其中包括大量对成分分析无用的冗余信息,这就增加了建模的复杂度。为了降低建模的复杂度,减少光谱数据维度以提取最有用的光谱信息,同时减少自吸收及基体效应的非线性干扰对定量分析精度的影响,在传统偏最小二乘(PLS)方法的基础上,提出了利用循环筛选特征变量来校正自吸收及基体效应影响的非线性PLS模型。以铁精矿矿浆样本为分析对象,结果表明,与传统PLS方法相比,所提出的基于循环变量筛选的非线性PLS模型的定量分析精度显著提高,测试样品的均方根误差(RMSE)从1.15%降到0.70%,决定系数R²从0.51提高到0.86。

针对机器人视觉系统外参数标定的问题，提出了基于单目视觉ORB-SLAM的差分GPS辅助相机外参数标定方法。分析了单目视觉ORB-SLAM和GPS(Global Position System)定位数据之间的相似关系，建立了相机外参数标定的非线性最小二乘模型。基于随机采样一致性(RANSAC)，通过三点法求得模型的初始解。设计了Levenberg-Marquardt(LM)迭代算法求解出最优解，从而得到了最优的相机相对位置和姿态参数。最后，对提出的方法进行仿真和跑车试验验证。结果表明: 在试验半径为50 m时，所设计标定方法的姿态标定精度可达0.1°，位置标定精度可达0.2％。该方法标定过程简单实用，不需要外界环境的先验信息和人工干预，具有很高的精度和显著的应用价值。

为了在提取Lorentzian型布里渊频谱特征时选择最佳模型, 以线性最小二乘法和非线性最小二乘法构造的目标函数为研究对象, 系统地比较目标函数构造对频谱特征提取的影响。数值产生了不同信噪比、扫描频率间隔、g0、vB和ΔvB的布里渊信号, 比较了两种模型得到的频谱特征参数的准确性和计算耗时, 并用真实布里渊散射信号进行了验证。结果表明: 在不含干扰的理想状态下两种模型都能达到非常高的精度, 随着噪声含量/扫描频率间隔的增加两种模型的准确性都下降, 但线性模型明显大于非线性模型, 实际时应采用非线性模型。实验测量的布里渊散射谱信号验证了分析结果的正确性。

提出了一种基于近红外漫反射光谱测定复合肥料中尿素、 缩二脲和水分等成分含量的新方法。 文中在对原始光谱进行预处理后建立了检测这三种成分含量的偏最小二乘（PLS）模型, 其检验决定系数R2值分别为0.986 1和0.971 3, 所建立模型的交互验证均方根误差RMSECV分别为2.59, 0.38, 0.132, 模型预测相关因子分别为0.973 3, 0.921 5, 0.967 9； 从市售的复合化肥中选取六种样品验证模型的准确性, 其相关因子分别为0.923 7, 0.978 6, 0.987 4。 研究结果表明, 该方法可以对复合肥料中尿素、 缩二脲和水分等成分含量进行快速测定, 与传统分析方法相比具有分析时间短、 操作简便、 环保无污染等优点, 有较好的应用前景和实际意义。