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。

针对激光雷达因为颠簸等路面原因突然转向和做摇摆运动所造成的运动漂移问题，提出一种基于连续时间样条约束的改进激光里程计。在运动非连续性假设下，基于扫描关键帧和样条分割来提高点云匹配精度，然后添加样条约束，基于改进迭代最近邻（ICP）算法进行帧与地图匹配，有效抑制运动轨迹的漂移。在KITTI里程数据集和实验室采集的里程数据集上的实验结果表明，所提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12.43%、29.40%。与目前基于几何特征的方法相比，所提改进激光里程计稳定且有效抑制了运动轨迹漂移，改善了激光里程计性能。

近年来,随着工业4.0的提出和机器视觉的飞速发展,机器人搭配视觉系统实现智能化变为现实。视觉系统主要分为二维(2D)视觉和三维(3D)视觉,3D视觉有着高精度、自由度丰富、应用场景更多等优点,越来越受到市场的青睐。3D视觉与传统的2D视觉相比,可以获得更加全面的三维数据信息,且不受光照影响,但是X、Y方向的分辨率较低,因此基于棋盘格的传统手眼标定算法并不适用于3D相机与机器人进行手眼标定。因此,设计了一种基于3D标定块的机器人与3D相机的手眼标定方法。通过相机获得标定块的灰度信息,利用模板匹配算法分割标定块的各个平面,计算出平面中多个点在像素坐标系下的位置,同时获取该像素坐标的深度信息,拟合出标定块多个平面的法向量信息,通过多个平面相交求解出特征点位置。利用随机抽样一致性算法剔除错误特征点后,根据正确的特征点求解出机器人在不同姿态下获取标定块点云数据之间的转换关系,结合机器人当前坐标求解出手眼标定结果,并建立误差评价模型对结果进行误差分析。最后通过DENSON六自由度机械臂与康耐视EA-5000相机对此方法与利用标定板进行手眼标定的方法进行比较验证,结果显示此方法可以更快速、准确地完成标定。

现有的三维物体识别和位姿估计方法无法很好地用于散乱堆放物体的场景,尤其是有严重遮挡和混叠的场景。使用基于点对特征的点云匹配和位姿估计算法,针对工业环境中乱序物体的特点,进行了一系列改进,如场景点云法线方向一致性调整、抓取位姿筛选策略调整、旋转对称引起的角度偏差调整,以取得更理想的位姿估计结果。在仿真环境和真实场景下进行了一系列实验,实验结果表明,所采用的算法在乱序物体场景中的位姿估计效果比较理想。

大型复杂曲面因为空间尺度大、结构复杂, 因此对其进行测量和检测相对较困难, 三维形貌测量技术分辨率高、数据获取速度快, 为大型复杂曲面的偏差控制和逆向工程提供了技术保障。分析和综述了大型复杂曲面三维形貌测量及应用研究的进展, 论述了目前实现大型复杂曲面三维形貌测量的手段, 归纳和总结了目前以及未来几年可用大型复杂曲面三维形貌测量的设备和仪器的特点与应用场合, 并对比分析了每种测量设备的优缺点, 为正确和广泛应用三维形貌测量设备提供参考, 重点介绍了三维点云获取方法及点云处理方法, 对点云预处理方法、点云拼接方法所涉及的技术进行归纳总结。最后, 对三维形貌测量技术的应用场合进行剖析, 认为大型复杂曲面三维形貌测量将向着非接触、自动化方向发展, 在发展过程中基于全局坐标的点云拼接、非贴点测量将成为研究的主要方向。

针对传统匹配方法存在匹配精度低、速度慢等问题,提出一种基于扩展点特征直方图(EPFH)特征的点云匹配算法,该算法采用先粗配再细配的策略。利用ISS (intrinsic shape signature)特征检测算法获取点云上的显著特征点集;对特征点进行EPFH特征描述;通过采样一致性算法估算刚体变换矩阵,完成待匹配点云和目标点云的初始匹配;接着使用基于k-d树的迭代最近点算法实现两片点云的精细匹配;最后将本文算法分别应用于公共数据集和兵马俑特殊数据集进行实验验证。实验结果表明,相比传统方法而言,本文算法具有更高的匹配精度和速度。

针对无人车三维激光雷达与全球定位系统/惯性导航系统组合导航系统安装位置关系难以准确测量及相对转角无法直接测量的问题,提出一种基于多对点云同时匹配迭代生成外参数的方法。首先选择车辆直线往返行驶中位置相近、方向相反的激光雷达点云对进行匹配;然后设定参数区域中心、初始步长及步数,遍历参数组合,寻找目标函数最小时的外参数组合并更新为最优迭代区域中心;最后不断缩减步长,直到得到满足精度要求的最优外参数。实验采集了两段环境不同的数据,分别采用较优和较差的参数初始迭代中心以及不同步数进行标定。结果表明,所提方法用时短,对于非理想参数初值也能够得到较好的标定结果,而且标定方法简单,无需专门的标定物即可达到需求的标定精度。

双目视觉作为一种非接触三维(3D)测量技术, 其位姿标定结果的好坏将直接影响3D物体测量的精度。基于迭代最近点(ICP)算法获得两组点集之间平移和旋转参数的原理, 提出了一种在传统双目位姿标定结果的基础上补偿双目标定矩阵改善精度的方法。介绍了摄像机模型、双目视觉测量模型和ICP算法的基本思想。用双目摄像机标定的外参数和相同的靶标坐标系获得双目视觉位姿矩阵, 在此提出基于ICP算法获得两组点集的旋转平移矩阵补偿双目位姿矩阵的方法, 以及相应的靶标角点坐标投影误差分析模型。双目摄像机采集9组5×7个角点的靶标标定图像, 应用ICP算法补偿双目位姿矩阵, 并采用误差模型对9组标定结果进行了分析, 双目结构光标定改进实验结果表明, 应用ICP算法补偿双目标定模型能显著地提高双目标定的精度。

针对现有手掌静脉认证系统误拒率较高以及不支持大数据集匹配的问题，设计了基于透射式光源的双目视觉静脉三维点云重建装置，提出了基于三维点云匹配的手掌静脉认证算法。系统使用850 nm 透射式发光二极管(LED)光源作为照明装置，由双目摄像机拍摄静脉视差图像进行三维重建。选择手掌静脉作为特征点描述其空间三维结构，提出了一种改进的内核相关性分析方法匹配三维点云。针对200 组点云数据的实验结果验证了该方法的可行性和有效性，识别率达到了98%，误拒率2%，误识率0%，总特征维数约8000 至12000 维，高于尺度不变特征变换(SIFT)，支持对大数据集的认证识别。