针对当前基于单目视觉的室内移动机器人全局定位算法复杂度大等问题,提出一种室内移动机器人双目视觉全局定位方法。双目视觉下,为保证室内移动机器人在运动过程中能够保持稳定的特征提取,提出基于标定板的全局定位方案,以标定板的中心作为移动机器人的定位点。在此基础上,为提高定位的实时性,缩小标定板角点的提取范围,基于高斯混合模型背景减除法和形态学方法实现了对移动机器人运动区域的检测;基于所建立的标定板角点判据,对移动机器人提取的角点进行筛选,得到了标定板四个角点的图像坐标;结合双目相机标定后的内、外参数和全局定位数学模型,实现对移动机器人定位点坐标的计算。通过实验和分析验证了所提方法的可行性和有效性,为室内移动机器人全局视觉定位提供一种新的思路。

系统标定是光栅投影测量系统中的关键一步。将投影仪看成相机的类双目系统标定方法具有操作简单、精度高、可靠性强的优势。在此系统标定方法的基础上, 提出一种提高测量系统精度的系统标定方法。根据提取的标定板上圆标识的圆心坐标, 利用计算机生成含有相对应十字标识的图像, 用于相机标定, 可避免圆标识轮廓对角点提取的影响, 从而提高相机标定精度。同时, 推导快速求取投影仪伽马的表达式用于相位校正, 可建立投影仪像素与相机像素精确的对应关系, 从而提高投影仪标定精度。结合投影仪和相机的标定结果, 建立统一的世界坐标系完成整体系统的标定。实验结果表明: 采用上述标定方法, 可将投影仪和相机标定精度分别达到0.25 pixel和0.15 pixel; 同时测量了一个长方体, 精度达到0.142 7 mm。

针对无人机自主空中加油保持阶段加油机位姿跟踪精度不高的问题，提出了一种改进UKF(无损卡尔曼滤波)预测方法。建立了视觉导航系统模型，利用Harris算法检测角点，并用RANSAC(随机序列一致性)算法进行角点匹配。将历史预测数据引入当前时刻UKF预测值，并通过匹配角点所得姿态观测值对改进UKF预测值进行修正，从而实现加油机姿态的高精度预测。仿真结果表明，改进UKF在遭遇突发强干扰时姿态预测性能明显优于标准UKF，所预测误差小于5.8%，满足空中加油精度要求。该算法避免了强干扰引发的预测出错，有效抑制了突发干扰。

提出了一种基于自适应阈值和限定角点区域的红外图像边缘增强方法.首先介绍了SUSAN边缘增强算法，然后改进了SUSAN算法阈值的自适应选取和角点区域限定的方法，最后在实际应用中，提取出了红外图像清晰、连通的边缘特征.实验结果表明，改进后的方法能够有效地增强红外图像的边缘，得到令人满意的效果.

针对两幅图像中特征点的匹配问题,本文提出了一种新的基于形状内容描述子的点特征匹配方法。该方法首先利用基于曲率尺度空间(CSS)的角点检测技术获得两幅图像中的角点及其所在的曲线;然后,计算两幅图像中每个角点的形状内容描述子,运用χ²统计检验函数得到描述子的匹配度,对该匹配度进行评估,如果高于某一个阈值,则认为初始匹配成功;最后对初始匹配成功的点对,利用半局域限制完成点集之间的最终匹配。实验结果表明,本文所提出的匹配算法具有较高的点特征匹配准确率。

由于采用普通照相机拍摄的照片可能出现图像扭曲、交叠和倾斜,现有的图像镶嵌算法仍不能有效的进行处理,而且在这方面的研究也相对甚少.本文针对此问题,提出了一种适用于图像发生任意角度的旋转变换下仍可实现精确镶嵌的算法.即首先是采用Harris算子进行角点提取,使提取的精度达到亚像素级;然后根据这些角点信息建立图像间的角点对应关系,并由此得到投影变换矩阵;接下来采用图像变形技术,通过逆向映射重建发生空间变换的图像,由此得到的变形图像与源图像再进行无缝拼合.实验证明,该算法是有效的,具有较高的镶嵌精度.

提出了一种线性求解摄像机内外参数的方法.通过分解参数确定相机主点坐标和纵横比,利用径向平行约束求解大部分的外参数,再引入新的畸变模型线性求解其余内外参数.该法特点是采用共面点标定物,且不需摄像机做任何运动就可以实现全过程的线性标定.既避免了非线性优化的繁琐和不稳定,也解决了其它线性法中部分内参数的标定问题.两套实验结果误差分别为 0.3391pixels和0.6004pixels,表明该法具有较高的精度,是一种简单、有效、实用的标定法.

数字摄影测量中自动检测与提取相片中的特征点是关键的第一步.本文以最为著名的Harris角点提取法为基础进行研究,以1幅角点特征显著的电话机图片为实验样品,用Matlab软件编程对算法进行验证.通过实验,提出了改进的角点提取方法,避免了原始Harris方法中选择经验常数k的不确定性和随意性的缺陷,使角点提取更为可靠.本文用同一幅相片检验2种不同算法对图像的角点进行提取的效果,可以看出改进后的方法准确度达90%以上.作为应用的示例,对相机标定图案进行了角点提取.