基于线特征匹配的模拟预拼装是一种桥梁钢结构构件预拼装方法，采用连接处线特征匹配进行拼接，重叠度不高且未考虑线形精度。为此，提出了一种设计数据辅助的改进方法，其先利用缩小包围盒法与切片法分别提取构件的连接处线特征与线形特征，同时结合设计数据恢复得到的线形特征，按照对应关系融合为目标特征与源特征；再基于点特征直方图和迭代最近点法分别完成粗匹配和精配准；最后利用配准结果完成构件拼接。基于仿真数据，对比角点匹配、线特征匹配、设计数据辅助等3种方法的精度，实验结果表明：设计数据辅助法能有效提高线形精度。分别使用线特征匹配法与设计数据辅助法检测上海市南横引河桥钢结构构件的加工质量，检测结果表明：所提方法具有实用性且能有效提高线形精度。

为了解决视觉-惯性里程计（VIO）在室外复杂环境中图像特征信息不足和累计误差的问题，设计提出了一种基于点线特征的单目VIO和全球卫星导航系统（VIO-GNSS）定位算法。首先，提出了一种基于几何约束的最小化策略对提取的线特征进行前后帧间约束匹配，改进了基于点线特征的单目VIO算法；在此基础上，建立了改进的VIO-GNSS松耦合定位模型，利用GNSS全局观测值对VIO位姿估计的累计误差进行校正和抑制。在KIITI数据集和实测数据集中进行了实验验证，结果表明，与几种同类算法相比，提出算法在GNSS信号良好/间断/拒止的大型室外复杂环境中均可保持良好的精度和鲁棒性，且满足驾驶定位的实时性要求。

目前实时定位及地图重建（SLAM）算法中的实时定位技术已趋于稳定，研究视野转向基于点线特征的半稠密SLAM算法。针对此研究方向，提出了一种基于点线特征的SLAM算法。首先，在视觉前端使用基于三斑块与局部灰度差分的oriented fast and rotated brief（ORB）算法提取特征点并匹配。同时使用multiscale line segment detector（MLSD）算法提取线段特征并匹配，使系统在点特征几何变换的基础上加入了线特征的约束条件来计算位姿变换。然后使用点和线约束通过局部bundle adjustment（BA）方法优化位姿。最后进行回环检测来重定位。对所提算法在Euroc数据集上进行了测试，并与同类算法进行了比较。实验结果表明：所建地图相对较为稠密且轮廓清晰、准确度高；同时在V1-02-mdeium、V2-02-mdeium、MH-02-easy、MH-03-medium、MH-04-difficult数据集中均方根误差（RMSE）分别是0.045、0.0561、0.0539、0.0491、0.0623，相对最低。研究结果表明所提算法在同类算法中具有相对较好的建图效果和较高的精度。

针对目前单目同步定位与建图(SLAM)初始化方法鲁棒性差、精度低的问题,提出了一种基于点线特征的单目SLAM初始化方法。首先,在两帧图像之间提取线特征,并进行特征匹配。然后,通过最大化投影线特征的重叠长度优化两帧图像之间的初始旋转和平移矩阵。最后,用滑动窗口增加初始化的图像帧数,利用多帧图像的信息和约束关系以及全局光束平差法优化初始地图和估计的相机关键帧位姿。在TUM和OpenLORIS数据集上的测试结果表明,相比传统初始化方法,本方法的鲁棒性更好、精度更高,能在具有挑战性的场景中快速完成高精度初始化。

为提高视觉同时定位与建图(SLAM)回环检测的准确率和召回率,提出一种基于改进线带描述符(LBD)和数据依赖度量的点线特征视觉SLAM回环检测算法。首先,针对现有LBD二进制转换操作只在各个条带之间比较大小而忽略条带内部属性,从而导致匹配正确率低的问题,增加了条带描述子内部对比操作。然后,考虑到视觉单词词频分布信息对相似性的影响,采用基于数据依赖的方法进行图像相似度计算。最后,在公开数据集上对不同算法进行验证,结果表明,所提算法能够在100%准确率的情况下,获得更高的召回率。

针对传统视觉里程计在低纹理场景下,定位精度差甚至失效的问题,提出一种结合点线特征的RGB-D视觉里程计方法。该方法结合了点线特征各自独有的特性,同时联合点特征的光度误差和线特征的局部梯度适应性误差,构建了一个对低纹理场景鲁棒的联合误差函数。利用高斯-牛顿迭代法对联合误差函数进行非线性迭代优化,以获取相机每一帧的准确位姿。在公开的真实RGB-D数据集和合成基准测试数据集上对本文方法进行评估。实验结果表明,与其他先进算法相比,本文算法具有更优越的准确性和鲁棒性。

针对激光雷达与相机数据融合问题，提出了一种基于室内结构特征的二维激光雷达和彩色相机之间的标定方法.该方法利用室内场景的柱特征，根据点在线上的位置关系推导激光雷达与相机坐标系间的投影矩阵方程.采用Canny算子和Hough变换提取墙角图像中直线特征，利用RANSAC方法拟合点云中的角点特征.通过奇异值分解法求解投影矩阵，在剔除重投影误差较大的点线特征数据后，进一步优化标定结果.实验结果表明：采用优化后的投影矩阵，柱子特征点的平均重投影误差从0.375 5个像素降低至0.045 9个像素.与两步标定法相比本文提出的算法具有更好的重投影效果.同时该方法不需要特定的标定物体，仅用较少的时间即可实现较高的投影精度.

针对遥感影像中单独利用点特征或线特征容易出现匹配精度低和匹配失败的问题,提出一种融合点线互补特征的遥感影像全自动配准算法。首先利用改进的尺度不变特征变换(SIFT)算法获得初始匹配点,并采用归一化互相关(NCC)测度和随机采样一致性算法剔除可能的误匹配情况,以获得正确率较高的同名点。然后采用改进的线段检测算子(LSD)提取线段特征,通过已知单应性几何变换约束和斜率约束确定候选匹配线段并构建特征描述符,继而获得同名线段。最后提取同名线段的交点并集成第一步的同名点集,计算影像间的投影变换参数以实现影像的配准。实验结果表明:所提算法在匹配精度以及匹配的正确率等方面具有显著优势。