传统HUD显示精度测试固定选取少量测试点, 试验结果无超差时判断合格, 无法证明是否满足总体要求, 因此需对该方案进行改进。采用数理统计中的推断性统计理论, 结合HUD视场特点, 设计一种简单随机抽样模型, 进行抽样测试, 再基于样本试验结果对总体要求进行推断。首先, 采用简单随机抽样理论, 设计了满足均匀分布的随机样本模型; 然后, 采用假设检验理论, 研究出显示精度决策流程, 确定显示精度超差数、最低样本容量和最大允许超差数之间的关系; 最后设计了验证方案, 试验结果证明了改进方案的合理性。该改进方案可同时兼顾生产方和使用方风险。

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。

仿生复眼系统解决了传统单孔径光学系统中视场与分辨率的矛盾关系, 兼具了较大的视场和高分辨率。但随着视场和分辨率的增加, 图像信息增多, 随之带来了图像拼接中效率和质量问题。针对该问题, 提出一种基于改进尺度不变特征转换(SIFT)算法和主成分分析(PCA)算法的仿生复眼多路图像拼接融合方法。该方法缩小了特征点提取区域, 减少了多路图像特征点匹配次数, 降低了图像特征点描述符的维度。再利用改进的自适应迭代随机抽样一致(RANSAC)算法对特征点进行提纯增加鲁棒性, 最后通过加权平均算法来完成对多幅子图像的高质量融合。实验结果表明, 该算法设计合理, 且随着图像信息的复杂程度增加, 相较传统算法的拼接效率不断提升, 同时保证了较好的拼接质量, 可有效拼接融合仿生复眼系统多路图像, 对多路图像类系统拼接融合提供借鉴。

针对透明光学元件特征不明显以及机器视觉难以进行大视场、高精度尺寸测量的问题，提出一种基于亚像素图像拼接的视觉测量方案。该方案对相机坐标系与世界坐标系间的旋转角进行标定，获得精确的尺度因子与图像预匹配结果；图像坐标系旋转角校正后小于0.1°；通过添加网格背景实现透明元件特征匹配。所提基于滑动窗口预匹配、随机采样一致性筛选最佳偏移向量的配准算法，使图像拼接精度达到0.05 pixel，较已有研究明显提升。将该方案应用于透明光学元件视觉检测系统中，在移动精度仅为0.02 mm的条件下，获得了平均误差为0.12 pixel的图像拼接结果，实现了透明光学元件的大视场、高精度尺寸测量。

针对复杂背景分割时出现的低效率、过分割等问题，提出一种基于法线估计的三维点云分割方法。首先，改进随机采样一致性（RANSAC）算法，引入法线约束去除背景中大部分平面点云，使得目标点云与大量点云分离，然后采用欧式聚类分割从中提取目标点云。利用鼢鼠头骨三维点云数据进行试验，结果表明，融合的点云分割算法可以将目标鼢鼠头骨点云精确分割，完全去除冗余点云，速度快、准确率高，相较同类型方法表现更优。

针对传统视觉同时定位与地图构建（vSLAM）系统在动态场景中无法有效去除运动物体及缺少可用于更高层应用的语义地图等问题，提出了一种可有效去除动态物体并构建表征室内静态环境的语义八叉树地图的vSLAM系统方法。首先，使用Fast-SCNN作为语义分割网络提取图像的语义信息，同时，利用金字塔光流法对特征点进行跟踪匹配。然后，使用步进随机抽样一致算法（Multi-stage RANSAC）通过多次执行不同尺度的RANSAC流程对特征点进行步进采样，再利用对极几何约束并结合Fast-SCNN提取的语义信息进行视觉里程计动态特征点剔除。最后，通过体素滤波降低点云冗余后构建纯静态环境的语义八叉树地图。实验结果表明：所提方法在公用数据集TUM RGB-D的8个RGB-D高动态序列中测试的相机相对位移误差、相对旋转误差和全局轨迹误差相较于ORB-SLAM2系统有94%以上的提升，全局轨迹误差仅为0.1 m；相较于同类DS-SLAM系统，动点剔除总耗时有21%的缩减。建图性能方面，经体素滤波后构建的语义点云地图与语义八叉树地图分别占据9.6 MB、685 kB的存储空间，相较于17 MB的原始点云，语义八叉树地图仅占用其4%的存储空间并因含有语义可用于更高层次的智能交互任务。

可变荧光量与藻类活体细胞数有良好的相关性,然而在浮游藻类种类、尺寸及生长周期等条件不同的情况下,藻类单细胞的可变荧光量存在明显差异,直接利用可变荧光强度计算藻类活体细胞数将存在很大误差。因此,提出了一种基于可变荧光统计学分布的水体藻类活体细胞数分析方法。根据子样本细胞数的分布形状与可变荧光量一致的特点,利用可变荧光量的分布形状直接计算样品中藻类活体细胞数。研究结果表明,在浮游藻类单细胞的可变荧光量变化44倍的条件下,基于可变荧光统计学分析方法计算的活体藻细胞密度与显微镜的镜检结果基本一致,两者线性拟合的相关系数在0.93以上,相对误差绝对值的平均值在5.98%~16.94%之间,说明所提方法基本解决了藻类单细胞的可变荧光量对活体藻细胞计数结果的影响。

为了实现缺陷圆圆心与半径参数的检测，本文提出一种基于随机抽样与投票策略的检测方法。通过在目标轮廓上随机提取三点并由此获得任意两条弦，计算它们各自对应的垂直平分线的交点。重复上述过程可得到若干候选圆心坐标，应用投票策略检测出频数最高的坐标值，得到理想圆心。在此基础上再根据投票策略获取半径参数。仿真和实验结果表明，本文方法适应性强，鲁棒性好，可应用于不同类型缺陷圆检测；其检测结果准确可靠，易于实现，可以满足工程应用需求。

针对图像特征误匹配数量大的问题，提出一种基于稀疏光流法的ORB图像特征点匹配算法。对特征点进行暴力匹配得到初始匹配点集，利用稀疏光流法计算特征点运动向量，估计出特征点在待匹配图像中的二维坐标位置，剔除偏离估计位置较远的特征点匹配对，最后利用随机抽样一致算法进行几何校验进一步优化匹配结果，达到剔除误匹配的效果。实验结果表明：该算法相较于ORB算子、SIFT算子、SURF算子准确率平均提升了21.6%，较RANSAC-ORB算法准确率平均提升了2%，且该算法对图像光照变换、视角变换、模糊变换、旋转和缩放变换和光照变化具有较好的通用性。

提出一种静态场景下的基于帧差光流的随机采样均值漂移聚类检测算法.该方法首先通过隔帧差分法提取运动目标区域, 并对运动区域进行光流计算, 采用自适应光流阈值分割法准确提取出运动目标; 然后运用连通区域标记算法对运动区域进行初步划分, 得到若干个连通域子集特征向量样本点, 通过提出的随机采样策略来确定对子集空间中样本点的抽样次数; 最后利用均值漂移算法对每个子集中的样本点进行若干次抽样计算并分析聚类收敛结果是否相同, 从而完成对连通域标记结果的检验.该策略通过减少对标记结果所有样本点的采样次数, 提高了目标的检测速度和精度,在不同红外测试场景中的实验结果表明: 与传统红外多目标检测算法相比, 该方法具有良好的局部抗遮挡性、准确性和实时性, 并且检测率能达到95.27%, 每帧处理时间达到39.12 ms, 满足实时处理需求.