当前的动态目标识别方法在场景复杂的图像中，因为无法采集足够多的特征信息，导致识别结果应用性受限。基于三维激光点云提出一种运动图像动态目标识别方法。利用三维扫描系统获取运动点云图像特征，在不影响有效信息采集的情况下，进行图像预处理；引入地平面方程，将图像背景点云与被识别目标点云通过欧式聚类法分割，提取处理后的被识别目标关键点，并采用Freeman链码检测边缘特征，完成运动图像动态目标识别。试验对比结果表明，所研究基于三维激光点云的运动图像动态目标识别方法，对动态目标有良好的鉴别能力及较好的识别精度，且所需动态目标识别时间较短。

在激光雷达的光机设计中,由于各项参数需要满足实际项目的指标需求,会导致激光雷达的光源中心与机械旋转中心不重合,进而造成点云图像产生弯曲,严重影响激光雷达的性能。因此,结合三维雷达的实际扫描情况,首先分析了激光雷达点云图像产生弯曲的原因并推导出每一条扫描线的误差计算公式。其次,通过修正参数的方式,将相对坐标系下的像素点转化成世界坐标系下的深度值,从而完成坐标系的转换,最终修正点云图像的弯曲,同时结合五幅点云图像详细分析了修正后算法的可靠性。实验结果证明,在进行算法修正之后,点云图像表现为处处是平面,几乎没有弯曲,所有测试障碍物的外形轮廓没有明显变形,像素点的排列整齐有序,测距误差由原来的10.2 cm减小到2 cm以内。且雷达在监测区域内最近处[坐标为（0,1.8 m）]的横向距离分辨率达到7.5 cm,纵向距离分辨率达到4.8 cm;最远处[坐标为（25 m,4.5 m）]的横向距离分辨率达到20 cm,纵向距离分辨率达到6.1 cm。通过与传统的数据匹配和拼接模型相比,证实了坐标系转换的算法可以从根本上解决坐标中心不重合和振镜旋转引起的两种非线性误差,而且通过下雪和复杂环境下的测试实验进一步证明了算法具有很高的稳定性。

考虑到ROS SLAM构建的地图只能描述环境的二维信息, 三维点云图像只能描述物体独立的三维信息等特点, 本文融合了ROS SLAM的Gmapping算法构建的室内二维地图与物体的三维点云图像信息, 提出了一种复合坐标定位系统。首先对不同室内进行分类, 进行一维坐标的标定, 其次通过对Gmapping算法构建好的地图等进行二三维坐标标定, 再结合空间信息构成外部坐标系φ, 最后通过对采集到的物体三维点云坐标进行仿射运算获得物体基于外部坐标三维坐标, 结合一维坐标, 对物体进行复合四维坐标定位。整个定位实验数据表明, 物体室内的位置平均测量误差只有4.2 cm, 其定位精度比起常见的超声波与红外线定位系统提高6.7%, 比基于蓝牙角度测量的定位系统定位精度提高20%, 比超宽带定位系统提高72%。物体定位误差小, 定位精准。

针对目前物体识别定位算法中，图像信息来源单一、处理过程复杂与定位误差大等问题，提出一种基于多模态信息的视觉识别与定位方法，通过提取二维图像和点云图像的多模态信息，实现对物体的识别与定位。先利用彩色相机获取目标的二维图像信息，通过轮廓检测与匹配处理进行轮廓识别，再提取图像SIFT 特征进行定位跟踪，得到物体的位置信息；同时采用RGB-D 相机获取目标的三维点云图像信息，经过预处理、欧式聚类分割、VFH 特征计算、KD 树搜索得到最佳模板，进行点云图像的识别，并经点云聚类配准获得物体方向信息。最后，利用上述二维图像和点云图像处理所得物体信息，完成对目标的识别与定位。通过机器臂抓取实验对本文方法的效果进行了验证，结果表明，采用二维图像和点云图像的多模态信息进行处理，能够有效对不同形状的目标物体进行识别与定位，与仅采用二维或点云单模态图像信息的处理方法相比，定位误差可减小54.8%，方向误差减少50.8%，具有较好的鲁棒性和准确性。

基于条纹原理的阵列探测体制激光成像雷达由于其独特的技术优势在激光测绘中具有潜在的应用。介绍了“扫帚”扫描结合条纹原理阵列探测体制激光雷达的仿真及飞行实验研究结果。首先介绍新体制激光雷达仿真平台的建立及典型的仿真结果。利用该仿真平台可指导新体制激光雷达的设计, 并对机载飞行实验参数的设定进行成像效果仿真, 仿真的距离测量精度为0.5 m。最后开展了新体制激光雷达机载飞行实验, 给出了典型地区的原始条纹图像及经过数据处理后的点云图。新体制激光雷达外场实验结果的测距精度优于1 m, 机载飞行实验测距精度结果与仿真分析结果一致, 验证了该仿真系统的正确性。通过与实际被动光学相机成像图像进行比较, 验证了新体制激光雷达在航空测绘等方面的技术可行性。