文中提出了一种水下线激光的三维重建系统，由相机、绿色线形激光器和转台组成，通过对系统扫描获得的图像进行分析与处理，实现对目标区域的三维重建。采用边缘检测算法与基于极值法的高斯拟合法相结合的条纹中心提取算法，利用坐标转换公式，得到相应的三维点云坐标。点云处理方面，将alpha shapes边界提取算法和Delaunay三角剖分相结合，实现对点云的滤波与重建。针对实验中由于光线在不同介质表面折射造成的视角误差问题，提出了一种折射校正算法，并用已知尺寸的标准球进行了误差实验。结果表明，在500~1200 mm的工作距离内，系统可以实现对水下目标物体及区域的三维形貌还原，重建误差小于0.6 mm，满足设计要求，为水下三维重建技术提供新的参考。

在立体匹配问题中，基于3D标签的算法可以取得更高精度的亚像素视差图。针对3D标签的随机初始化问题，提出一种基于超像素结构与三角剖分的标签初始化方法。利用基于超像素边界提取到的特征点构建三角剖分，生成初始3D标签；针对图割算法迭代优化3D标签时效率的问题，在超像素结构上利用图割算法进行全局优化3D标签，迭代中加入对当前标签状态的假设扩展标签候选，提升了标签搜索效率。在Middlebury2014数据集上对方法进行验证，实验结果表明，所提方法的平均误匹配率（8.31%）低于LocalExp算法的平均误匹配率（8.39%），并且处理单幅图像耗费的平均时间约为LocalExp算法的70%。

通过对激光作用薄膜元件后的损伤过程和图像损伤特征进行分析与研究,借助光学薄膜损伤表面三维微观形貌的重构,揭示薄膜元件损伤机理。基于白光干涉显微原理,采集薄膜损伤表面的干涉显微三维云数据,运用Delaunay三角剖分法构建损伤表面的三角网格模型,通过可视化仿真,实现了损伤表面三维微观形貌的再现。结果表明:实验测试的HfO2薄膜表面损伤区域呈坑状凹陷,损伤形貌不规则,内部有鼓包、裂纹存在,边缘处陡度变化大、毛刺较多;对重构图像、VEECO Vision软件处理结果、Taylor-Hobson非接触式轮廓仪测试结果进行对比后发现,重构图像能更直观、全方位地再现损伤表面细微形貌。研究结果给分析损伤表面形貌特征、调控高损伤阈值薄膜制备工艺提供了技术支持。

基于Sentinel-1遥感数据,采用有效的预处理方法,得到较为准确的数据集,并提出一种基于三角剖分的特征跟踪与模式匹配结合算法,通过建立三角形网络并有效结合两者的优势,既提高了算法效率,又使海冰漂移矢量具有更均匀的空间分布。同时,研究了HH极化及其数据强噪声区域下该算法的适用性。不同极化数据的实验结果显示,本文算法所得海冰漂移矢量不仅有更高的覆盖率,而且均方根误差降低了约10%,提高了检测精度。面对噪声稳健性的增强,即使在条带噪声的干扰下,检测准确率仍可高达98%,可见该算法对两种极化方式具有普适性,从而证明该方法能够有效地应用于海冰漂移监测。

针对当前机器视觉热点研究的配准问题,提出了一种全新的快速点特征直方图(FPFH)特征描述与Delaunay三角剖分相结合的三维点云配准方法。首先采用FPFH综合描述特征信息,通过Delaunay三角网建立特征信息的局部关联性;再根据特征点对的对应关系进行采样一致性初始变换,实现初始配准;最后,根据得到的初值采用迭代最近点法进行精确配准,获得精确转换关系。分别对简单目标物体及复杂目标物体进行配准实验。实验结果表明,将FPFH特征描述与Delaunay三角剖分结合引入传统点云配准,简化了特征提取复杂度,缩小了特征点对匹配的搜索范围,提升了配准精度及速度,实现对目标物体高效配准,对提高机器视觉特征点匹配效率具有一定指导作用。

对于复杂背景下微小圆柱体芯块的端面缺陷检测,受表面镀层不均匀造成的灰度信息的干扰,现有的基于阈值、形态学、边缘Canny的分割方法的检测具有不精确性。提出一种基于机器视觉的结构光三角剖分技术缺陷检测算法。首先,采用结构光主动视觉检测法获取两幅含有一定缺陷信息的图像;然后,根据模板匹配、形态学分析、频率统计将缺陷轮廓粗略勾画出来;最后,使用Delaunay三角剖分技术实现端面缺陷区域的精确勾画。实验结果表明,该方法对隐藏于杂乱背景下的缺陷检测具有较高的识别率,重复精度可达亚像素级,并且抗干扰性好、实用性强、效率高。

提出了一种基于3D点云深度信息的函数拟合与三角剖分相结合的方法，构建了高速滑动电接触构件的表面损伤特征提取模型，将损伤区域3D特征数据进行三角剖分，计算了构件表面损伤体积和质量。实验结果表明，该算法计算准确度可达97.3%。

针对现有散货测量系统对堆场环境适应性差、盘点时间长、效率低、操作复杂等不足, 提出了一种散货堆体积快速测量方法。同时, 利用二维激光扫描仪、差分GPS和姿态测量系统设计了一种体积测量系统。该系统用激光扫描仪动态测量堆体表面的几何信息, 用姿态测量系统实时测量扫描仪的空间姿态数据, 用GPS测出扫描仪在测量过程中的三维位置; 最后通过数据融合计算形成堆体的三维点云, 利用点云获得散货堆体积。文中基于单条堆体轮廓点云特征, 提出快速堆体下边缘查找算法来去除扫描过程中地面点云的误差影响; 采用投影剖分法完成完整堆体点云计算体积。实验显示, 利用本文设计的测试系统可在30 s内完成体积为69 m3的标准堆体测量, 平均相对误差为0.42%, 重复测量误差为0.41%。在实际散货堆实验中, 可在10 min内完成大小约为31 500 m3的散货堆测量, 4个不同料堆体积测量的平均重复测量误差为0.74%。结果表明, 本方法可在保证测量精度的同时, 简单、高效地测量散货堆体积。