对于分布在曲面物体表面的纹理图案，为方便全面展示和后续使用，常需要将其从曲面表面提取出来并展平。因此，提出基于光场相机的曲面纹理展平方案，利用聚焦型光场相机获得高分辨曲面纹理图像和无需额外配准的深度图，并针对此方案设计曲面纹理展平算法。该算法将曲面纹理图像划分为多个有重叠的局部纹理图像，基于拟合平面法向量对局部纹理失真进行校正，最后将校正后的局部纹理图像拼接为完整的展平纹理图像。经仿真实验和真实实验验证，所提曲面纹理展平算法可以有效展平不同曲面上分布的多种纹理，并且在纹理图像质量差异和深度测量误差方面具备一定的鲁棒性。

针对目前轨道交通市场上的一些以人工智能为主的地铁车辆列检产品在车辆变速时检测精度不高的问题，提出一种基于计算机视觉的地铁测速方法。首先，通过图像透视变换获取校正后的地铁图像，在校正后的图像基础上，利用深度学习目标检测方法定位车身区域。其次，对相邻两帧图像定位到的车身区域进行特征点检测，并采用区域最强特征点匹配方法获取匹配点对。然后，根据匹配点对计算出地铁移动的平均像素距离，结合像素尺寸换算出实际移动距离，再通过已知的相邻两帧图像时间差即可获取当前地铁实时速度。最后，根据实时检测的速度信息实时调整线扫相机行频，尽可能减少地铁车辆变速或者停车时产生的图像畸变，进一步提高地铁列检产品在车辆变速时的检测精度。在上海地铁17号线朱家角站的实际测试结果表明，由该技术获取的地铁车辆线扫图像不会因车速的变化而产生明显畸变，而且测速频率高，测试误差在1.2 km/h以内。

随着工业机器视觉的深入发展，大视野高精度视觉系统的需求越来越多。针对大视野导致的精度过低问题，提出一种基于多个低像素相机联合标定的方法。在多相机中选择一个相机作为主相机，求取其他相机的像素坐标系与主相机像素坐标系的映射矩阵，使得主相机的视野无限扩展。同时，为了更精确地得到标定板图像中的圆心像素坐标位置，采用两步标定法提升标定精度。提取标定板圆心像素坐标进行第1次粗标定，获取相机内参以及标定板位姿，从而获取图像平面与世界坐标系的平面Z=0之间的映射关系。对其进行透视偏差矫正，提取矫正后标定板的圆心，再利用逆映射变换把相应的圆心转换回原始位置，用转换后圆心像素坐标位置对主相机进行第2次精标定。最后通过Levenberg-Marquardt算法进行非线性优化获取全局最优解。实验结果表明，所提标定方法的重投影误差在0.005 pixel~0.01 pixel之间。

针对指针式仪表图像特点及现有读数识别方法存在的局限，提出了一种基于轻量级图像语义分割模型的读数全自动识别方法。首先，以轻量级语义分割网络CGNet为基础进行改进，通过增加通道注意力模块SENet进行特征增强和融合，同时适当加深分类层，从而预测更准确的刻度线、指针、量程数字等语义信息；接着，根据刻度线语义分割结果拟合椭圆，建立与标准圆的透视变换关系校正倾斜畸变的图像；然后，在校正图像中通过极坐标变换、图像细化、垂直投影等后处理操作精确提取刻度线、指针，并通过optical character recognition技术识别量程数字；最后，根据刻度线与指针相对位置关系及量程信息确定仪表读数。为验证该方法的有效性，构建了指针式仪表图像数据集。实验结果表明，该方法在图像语义分割精度上与现有轻量化方法相比有较大提升，对测试集图像读数识别的平均相对误差约为0.63%，可满足实际应用需求。

针对计算机绘制车道线地图的过程中，需要在移动背景下精准追踪车道线的功能需求，提出一种结合帧差法和窗口搜索的车道线跟踪方法。首先，对广角镜头拍摄的图像进行棋盘格矫正，再利用逆透视变换(IPM)将包含车道线的感兴趣区域转换为鸟瞰图，再使用色度,饱和度,纯度(HSV)、红绿蓝(RGB)分别将白色、黄色像素筛选出来。其次，利用车道线与垂线的夹角对车道线进行修正，根据修正后图片的像素密度，选出车道线的起始点，并采用滑动窗口搜索的方法提取整个车道线。最后，采用改进的帧差法，对车道线进行跟踪，并根据车道线标准对车道线像素进行规范化补充。由大量的实际道路行驶测试表明，该算法的准确率为94.97%，能够较为精确地完成车道线的追踪。