针对目前人工进行光束精密耦合所存在的装配效率低,质量一致性差的问题,开发出了一套激光陀螺光束精密耦合装配系统。分析了激光陀螺光束精密耦合原理,发现耦合光束的光场强度具有高斯分布特点,提出了光电探测器位姿的调整方法。分析了合光棱镜转动时的光路变化,提出了合光棱镜位姿的调整方法。并制定了光电探测器位置和合光棱镜位姿调整策略。依据上述调整方法和策略,在激光陀螺光束精密耦合系统上进行了光束耦合装配实验,实验结果表明该实验装配平台能够完成光束精密耦合装配任务。

分层卡尔曼粒子滤波成功应用于目标跟踪，但其只对目标位置进行了优化，忽略了其他仿射参数，导致跟踪中的粒子数目仍然很大。为了实现复杂环境下的快速目标跟踪，提出一种带有自调整策略的分层卡尔曼粒子滤波方法。该方法将目标划分为线性和非线性状态空间，并通过少量粒子的迭代过程在非线性状态空间逐步搜索最优状态。其详细过程如下：首先，利用卡尔曼滤波预测目标位置，结合目标运动信息计算潜在目标区域；然后在该区域内生成一组随机粒子，通过在线姿态估计对粒子状态进行调整，并将观测结果与目标模板进行比较，修正粒子摄动的方向以逼近目标。把该方法应用于大机动目标的视频序列中，并与现有的跟踪方法进行了对比。结果表明，所提方法能够以少量粒子实现准确、稳定的目标跟踪，大大降低了跟踪算法的运算量，提高了跟踪效果。

针对自适应蚁群优化(AACO)算法在图像边缘提取中经常出现效率低、易陷入局部极值等问题，提出一种结合生物Predator-Prey 行为的自适应蚁群图像边缘检测算法。该算法将Predator-Prey 行为与AACO 算法相结合，将蚁群分成Predator 种群和Prey 种群，初始阶段利用AACO 算法进行搜索两种群，一定迭代次数后，两种群进入排斥阶段；通过自动阈值法提取图像边缘。实验结果表明，与AACO 算法和Canny 算法相比，在精确度方面，该算法提取的图像边缘明显优于前两种算法提取的边缘；同时保持了AACO 算法收敛速度快的特点，并克服了其易陷入局部极值等缺点；因此，该算法能够高效准确地检测出图像边缘。