为了解决无人机机载激光雷达采集到的点云数据存在密度高但分布不均匀的现象, 以及绝缘子表面纹理信息不全等问题, 提出了一种基于机载激光点云的电网绝缘子识别方法。首先分析杆塔中不同部位的强度值直方图, 用强度值滤波剔除大部分的杆身点云; 然后采用主成分分析法计算局部点云特征值, 根据特征值构建的局部熵函数和空间分布特性删除冗余的平坦区域点云, 并通过栅格修补的方法避免出现点云空洞; 最后针对传统采样一致性初始配准(SAC-IA)算法精度低和速度慢的问题, 通过增加采样点对的距离约束关系和自适应调整参数改进SAC-IA算法完成绝缘子的位姿估计。结果表明, 该方法能正确高效地识别杆塔中的绝缘子, 运行时间大幅减少, 提取正确率达到95.16%。该研究在无人机自主巡检航线规划中具有良好的应用价值。

本文面向灾害应急的无人机遥感影像快速拼接融合算法的研究，满足灾害应急对灾情影像数据时效性的需求。为研究算法的融合改进对无人机近红外遥感影像精度的提升问题，利用SURF 计算效率高和MSERS 能够提取完全仿射不变区域特征的特点，提出了无人机遥感影像特征提取与匹配的方法，该方法是基于SURF 融合特征，在影像和尺度空间均具有稳定性且具有多尺度仿射不变的可靠性。并对MS-MSERS、MSERS＋SIFT、MSERS＋SURF 三种算法进行配准效果验证。结果表明：MSERS＋SURF 的匹配正确率优于其他两种算法。该算法实现了MSERS 的多尺度检测及拼接效率成果较好的平衡。

图像超分辨率重建是在现有红外探测器基础上提升空间分辨率的一种有效方法。超分辨率图像重建是利用一组相互之间存在亚像素位移的低分辨率图像构造出一幅高分辨率的图像, 快速、高精度估计图像间的位移是其关键技术之一。提出了一种用于超分辨率重建的亚像素配准算法, 算法由特征检测、像素级配准和亚像素级配准三个处理过程组成。在特征检测过程, 首先采用梯度算子对图像进行边缘检测, 然后对边缘点进行角点预检测, 排除非角点像素点, 之后再进行 Harris角点检测, 大大减少了计算量; 在像素级配准过程, 用 NCC算法进行像素级配准, 用统计方法去除误匹配点对; 在亚像素级配准过程, 先对像素级匹配点的邻域进行插值放大, 再进行亚像素匹配, 误匹配点剔除, 相对偏移量计算。对提出的算法进行了仿真实验, 结果显示本算法的速度较类似算法速度有较大的提高。