direct driver（DD）马达的端面全跳动直接影响着其定位精度。由于端面全跳动测量复杂，实际生产中一般使用千分表测量其端面跳动来近似替代。此方法易损坏被测物的表面，效率低下且精度不高。针对上述问题，提出一种基于点云驱动的DD马达端面全跳动测量方法。首先，采用线激光传感器获得DD马达表面的点云，该传感器使用激光三角测量法测量被测物的距离，Z轴测量精度为1.8~3.0μm，重复精度为0.4μm；其次，使用均匀下采样算法压缩点云；接着，设计一种基于曲率和密度的混合分割算法分割压缩后的点云，获得DD马达工作面的点云；然后，对工作面点云进行异常值分析，并采用基于拉依达准则的算法将异常值剔除；最后，使用随机抽样一致性算法对点云进行平面拟合，获得点云平面方程，并将该平面作为基准面计算DD马达的端面全跳动。实验结果表明，所提方法测量结果为16.8458μm，与参考结果（15μm）在微米级别上误差为12%左右，满足工业精度要求，有效验证了所提方法的优越性。此外，还基于点云库、Qt和Visual Studio平台开发了DD马达端面全跳动测量软件，实现了数据显示、点云处理、一键测量、数据管理等功能。

针对无人机影像匹配容易出现匹配速率低、鲁棒性差的问题，提出一种改进AKAZE（accelerate-KAZE）算法的快速图像匹配方法。首先，在特征提取阶段，使用AKAZE算法对非线性尺度空间进行构建，采用fast retina keypoint（FREAK）描述符对特征点进行有效描述；之后，利用基于网格的运动估计（GMS）方法对所获得特征点进行预匹配，并进行鲁棒性优良的区分；最后，在随机抽样一致性（RANSAC）算法的基础上对匹配结果进行进一步筛选。为了验证所提方法的有效性，使用Oxford标准图像数据集和RSSCN7遥感图像数据集进行实验，对所提方法与改进AKAZE、ORB、KAZE、SIFT+FREAK算法进行对比，确保所提方法在保持较高准确率的同时能够实现快速的图像配准。在图像光照变化、模糊变换及压缩变换下，所提方法能够保持较好的鲁棒性，可以满足无人机影像实时匹配的需求。

针对标准Hough变换在直线检测中存在的问题,提出了一种基于改进随机Hough变换的直线检测算法。利用8邻域搜索对边缘图像像素点进行了聚类分组;提出了像素点梯度方向差分概念,求出每一个边缘分组中相邻像素点的梯度方向差分,从而进行直线预检测,排除不含直线特征的边缘组;基于随机抽样一致性算法,提出了一种带有直线参数模型预检验的改进随机Hough变换算法。研究结果表明,该算法有效解决了标准Hough变换中的问题,改善了直线检测过程中的误检情况,具有检测速度快、检测精度高的优点。

传统随机抽样一致性（RANSAC）算法只能进行粗配准, 且配准效率低。针对该问题提出一种改进的RANSAC快速点云配准算法。该算法将内部形态描述子算法和快速点特征直方图(FPFH)算法相结合, 得到特征描述子, 然后采用预估计和三维栅格分割法改进RANSAC算法, 最后与传统配准算法采样一致性初始配准算法进行比较。实验结果表明, 本文算法能快速精确地剔除误匹配点, 进行仿射变换矩阵求解, 无需二次配准。本文算法相较于传统配准算法有很大优势, 在大规模三维点云配准中具有很好的稳健性, 并且在保证精度的同时可大幅提高配准效率。

针对常用特征点匹配算法在低对比度图像中存在特征点少、匹配精度低的问题, 将图像自相似性用于图像特征点提取, 并改进特征点匹配过程, 提出了自相似性与改进归一化互相关相结合的方法。该方法首先根据像素点自对称值提取出图像特征点, 然后通过特征点的尺度信息构建自适应相关窗口来改进互相关匹配, 最后由阈值筛选和随机抽样一致性算法优化匹配结果, 从而完成低对比度图像特征点的提取和匹配。实验结果表明, 该方法在匹配低对比度图像特征点时相比常用算法具有较高的效率, 且对图像尺度和旋转变换具有较强的鲁棒性。

由于鱼眼相机成像存在较大的畸变, 采用二维标定板的方法难以在图像边缘区域获得准确可靠的角点, 从而导致标定精度下降, 而传统的三维标定法存在标定场建造复杂, 特征点数目有限等问题。为此, 提出一种基于激光扫描的鱼眼相机三维标定方法。该方法首先通过激光扫描仪获取室内标定空间的三维点云图, 然后利用尺寸不变特征变换匹配方法得到点云图与待标定相机照片的对应点的匹配关系, 并进行分块随机抽样一致性(RANSAC)筛选, 再根据对应点的图像坐标和物理坐标进行三维RANSAC筛选, 估算最终的鱼眼相机内外参数。与经典的张正友标定法及其改进方法相比, 该方法能够获得更多的有效特征点, 使标定精度明显改善, 从而较好地实现鱼眼相机的畸变校正。该方法简便、精确, 有广泛的适用性。

为了解决传统形状上下文直方图相似性计算需遍历轮廓采样点、计算复杂性高、不能满足工业实时性要求的问题, 提出了一种改进型形状上下文的工件立体匹配方法。改进匹配搜索策略, 引入立体图像对质心的视差约束条件, 并利用形状上下文直方图分布信息进行初步筛选, 获取候选匹配点集, 减少后续匹配计算复杂度; 为增加匹配点与非匹配点的区分度, 对形状上下文相似性度量进行加权处理; 匹配时融合对应轮廓采样点3×3邻域的梯度方向直方图特征, 与形状上下文构成联合相似性度量; 最后采用随机抽样一致性算法剔除误匹配点对。对改进算法进行了理论分析, 并应用于工件图像进行实验验证, 通过实验给出了相应的实验对比。结果表明, 改进的方法具有较高的匹配精度和更快的匹配速度, 鲁棒性高。

针对随机抽样一致性算法(RANSAC)计算量大、耗时长、匹配点选取不当会影响变换矩阵精度、阈值的鲁棒性较差, 以及不能完全去除误匹配等不足, 提出了一种基于SIFT特征和误匹配逐次去除的图像拼接算法。该算法首先提取图像的SIFT特征, 并利用近似的最近邻搜索算法(BBF)进行特征初始匹配, 然后利用一种误匹配逐次去除的迭代算法正确地估计图像间的变换矩阵。在这种误匹配逐次去除的迭代算法中, 采用预检测模型的方法, 减少了迭代运算的数据量, 提高了拼接速度; 采用匹配点按块随机选取的方法保证了变换矩阵的稳定性和精确度; 通过逐次筛选去除误匹配, 且在筛选过程中采用自适应阈值, 完全去除了误匹配。实验结果表明, 该算法在保证较高精度和鲁棒性的情况下, 缩短了拼接时间, 提高了拼接效率。

提出一种利用多尺度特征的无人飞艇遥感平台获取的序列航拍图像生成密集匹配视差图像的方法。运用尺度不变特征变换(SIFT)算法从两幅相邻图像中提取特征点，基于欧氏距离进行粗匹配,并通过缩小搜索范围提高粗匹配效率，再通过随机抽样一致性(RANSAC)算法估计基础矩阵，利用对极几何约束关系剔除误匹配，进行精确匹配，提高匹配的稳健性和精度，然后利用区域生长算法进行特征点密集匹配生成相应视差图像。实验表明算法在保持稳健性的同时，可以降低时间复杂度，获得相当规模的密集匹配点，得到良好的可视效果。

场景锁定技术是视频跟踪领域的一个关键技术，需要对图像的全局运动进行估计，常用的运动估计算法由于计算量大、对噪声敏感等因素很难得到实际应用。为了减少运动估计的计算量，提高全局运动估计的精度，提出了一种基于Harris角点全局运动估计的场景锁定方法。将图像分成4×4的16个块，选取每个块中响应值最大的角点，以参考图像角点周围矩形块与待匹配图像进行匹配，然后利用RANSAC算法对角点进行一致性检测，利用最小二乘法解算全局运动参数，最后计算图像之间的累积运动。实验结果表明，该算法运动估计精度高，稳定性好，能较好地实现场景锁定。