针对室外大范围建图场景中激光里程计输出的运动轨迹漂移问题，在仅使用激光雷达构建里程计条件下，基于正态分布变换提出一种连续运动预测算法来提高点云匹配初始值估计精度，然后在点云匹配时使用帧与局部地图匹配代替帧间匹配，有效抑制了运动轨迹的漂移。仿真中采用Kitti数据集的2个不同场景进行验证，结果表明：所提的激光里程计改进算法，分别使运动轨迹的全局平均误差降低了27.93%、36.66%，其中三维运动轨迹竖直方向（Z轴）上的偏移最大值分别降低了70.29%、82.52%。所提的改进激光里程计有效抑制了运动轨迹漂移。

非结构化道路中的无人驾驶精确定位大量使用基于激光雷达的simultaneous localization and mapping（SLAM）技术，解决因环境变化导致的预建地图匹配失败，进而引起定位丢失的问题一直是业内难题和热点研究方向之一。针对上述问题，提出一种利用激光雷达和惯性测量单元在normal distribution transform（NDT）定位基础上融合实时局部地图匹配的长周期鲁棒定位方法online location normal distributions transform（OL-NDT）。OL-NDT将NDT获得的定位信息作为测量信息因子输入因子图中优化实时构建的局部地图，并且在其全局定位丢失后采用实时局部地图进行定位。在MulRan数据集上进行定位精度测试，OL-NDT的累计误差占比为0.40%，较现有的传统定位方法降低了1.06个百分点，定位精度得到了有效提升，且在静态结构发生较大变化的场景下也可以精准定位。同时，利用在北京联合大学采集的校园数据验证了在短暂无地图情况下OL-NDT的定位轨迹精度与已知地图时完全匹配。

针对传统柔性三维形貌检测系统柔性差和需预先粘贴合作目标点的问题，提出一种基于光学坐标三维测量系统的多特征复杂零件三维形貌柔性检测系统，并介绍该检测系统的总体方案，建立相对应的数学模型，实现复杂零件三维形貌柔性测量技术的研究。对系统的测量不确定度及重复测量精度进行了实验检定，实验结果表明，该柔性检测系统具有较高的可靠性和精度。同时，对带曲率、异形孔的零件外形尺寸进行免粘贴合作目标的外形测量，实验结果说明了检测系统的可行性。

深空探测器的功耗和体积有限, 任务工况多样, 与低轨道地球探测器相比, 深空探测器对导航敏感器的任务能力提出了更高的需求。提出了一种基于飞行时间成像的快速位姿测量和地物目标识别技术。为了在保证位姿测量精度的前提下满足对位姿测量时间性能的需求, 提出了一种基于深度信息的动态尺度估计方法。该方法提升了物方多尺度变化条件下点云配准的时间稳定性, 平均配准时间缩短60%以上, 平均配准精度约为0.04 m。为了满足多尺度、多形态地物目标识别的需求, 使用了基于轻量化深度神经网络, 可根据场景深度信息进行地物检测。结果表明, 该方法可对地物特征进行快速感知, 在真实场景中的准确率达到70%以上。

为了减少机载激光雷达(LiDAR)系统中系统误差和随机误差造成的航带间三维(3D)空间偏移，提高数据精度，选取基于数据驱动的“六参数”航带平差方法，实现无人机机载激光雷达系统的航带拼接。在分析了机载激光扫描系统的数据特征的基础上利用改进的3D 正态分布变换(3D-NDT)进行航带配准，得到航带间的变换关系参数。通过具体实验对常见的迭代最近点(ICP)算法与3D 正态分布变换算法进行比较，验证了该方法实现航带拼接，具有速度快、精度高、稳健性好等特点，非常适合于工程实际应用。

正态分布变换(NDT)算法是一种应用在同时定位和地图生成(SLAM)中的点云配准算法。针对地面激光扫描(TLS)数据的特点，改进了NDT 算法，提出了一种基于SURF 的NDT 配准算法，使之能应用在TLS 中。该算法首先建立点云和图像间的映射关系把点云影像化；利用加速稳健特征(SURF)算法提取图像的特征点并找出特征点对；根据映射关系找到相应的三维特征匹配点，求出变换矩阵，完成点云初始配准。在NDT 算法中，设置初始矩阵为单位矩阵，对点云体素化并使用概率分布函数对点云精细配准。实验结果证明，该算法不但适用于地面激光数据的配准，且其配准精度高、运算时间少，尤其对于不同分辨率的点云有良好的配准效果。