在计算机视觉领域中，基于孪生网络的跟踪算法相比于传统算法提高了精度和速度，但是仍会受到目标遮挡、变形、环境变化等影响，导致孪生网络的跟踪算法的性能降低。为了深入了解基于孪生网络的单目标跟踪算法，本文对现有基于孪生网络目标跟踪算法进行了总结和分析，主要包括在孪生网络中引入注意力机制方法、超参数推理方法和模板更新方法，对这3种方法的目标跟踪算法进行了综述，详细介绍了国内外近几年基于孪生网络的算法研究和发展现状。对3个方面的代表算法采用VOT2016、VOT2017、VOT2018和OTB-2015数据集进行实验对比，获得了多种基于孪生网络的目标跟踪算法的性能。最后对基于孪生网络的目标跟踪算法进行了总结，并对未来的发展方向进行了展望。

基于面向对象的C++语言研制三维柱坐标共形网格生成程序，对束-场互作用器件作共形网格剖分，为粒子模拟算法提供积分线元、面元。通过定义三维柱坐标网格体系如网格步长、网格索引、守护网格层、包围盒等数据，使模型的空间信息能转换成柱坐标网格信息。将轴上网格单元作特殊处理，使粒子模拟算法形式在轴上网格和在非轴上网格上保持一致。利用射线跟踪法得到属于模型子面、模型棱边的离散边界点，接着通过拓扑关系获得模型的顶点，保存上述三类离散边界点的拓扑信息和网格信息。将构建的基础网格元与边界点信息耦合，在离散网格体系中重构模型。用该共形网格剖分技术对相对论磁控管进行剖分，能够识别该磁控管的透明阴极、阳极和谐振腔等结构。

在可见光红外跟踪（RGB and Thermal Infrared Tracking，RGB-T）的研究中，为了在常规跟踪算法的基础上实现两个模态的有效融合，基于注意力机制提出了一种基于注意力交互的RGB-T跟踪算法。该算法引入注意力机制对可见光和红外两种模态的图像特征进行增强和融合，设计了自特征增强编码器对单一模态的特征进行增强，设计了互特征解码器对两个模态增强后的特征进行交互融合。编码器和解码器均采用两层注意力模块。为了减小算法模型的复杂度，对传统注意力模块进行简化，将全连接层改为1×1卷积。此外，该算法对多个卷积层的特征均进行分层融合，以充分挖掘各层卷积特征中的细节和语义信息。在GTOT，RGBT234和LasHeR三个数据集上进行对比测试。实验结果表明，所提算法性能优异，特别是在RGBT234和LasHeR这两个大规模数据集上取得了最优的跟踪结果，验证了注意力机制在RGB-T跟踪中的有效性。

针对索驱悬吊式重力卸荷系统被动缓冲器带来的欠驱动问题，提出了基于气动人工肌肉（Pneumatic Artificial Muscle， PAM）主动式缓冲器控制方法。首先，分析用于地面微/低重力模拟的悬吊式重力卸荷系统，为了克服PAM高度非线性特性，提出基于块结构的非线性神经网络建模方法，其次分析吊索与航天器相互作用过程中挠性引起的力扰动，最后采用非线性模型预测跟踪控制。相比传统PID控制方法，该方法具有参数调节简单，实时跟随性能好，以及对卸荷系统目标惯性参数的摄动具有控制性能不变性等优势。实验结果表明，设置不同扰动情况跟随力误差都能保证在3%以内，实验证明了基于PAM主动缓冲器的可行性，所提出的控制方法能够在挠性不确定性的情况下实现力跟随控制。

多台激光跟踪仪组成的测量系统能够得到高精度的坐标观测值，在加速器准直工程领域应用十分广泛。该系统需要自标定仪器中心的距离，目前基于球面拟合的自标定方法虽然测量效率较高，但是其精度有限。为了提高其精度，分析基于拟合的自标定方法精度较低的主要原因，提出了基于三角形结构的自标定方法，定量对比了新方法和基于球心拟合方法的精度。新方法建立非线性误差模型进行参数迭代求解，能够应用于激光跟踪仪的三维自标定。通过模拟仿真和实测实验，证明了该方法比基于球心拟合的自标定方法在精度上有了大幅度提升。文中算法无需增加额外设备，改进了原先基于球心拟合方法并提高其自标定精度，具有一定的工程应用价值。

针对无人机跟踪目标易受视角变化、部分遮挡、背景杂波等因素影响而难以完成对目标的鲁棒跟踪问题，提出一种双重响应异常约束的无人机目标跟踪算法。首先，通过计算局部响应变化向量和全局响应峰值旁瓣比，在线动态更新空间正则化参数，降低边界效应的影响；其次，针对STRCF算法中的时间正则项的参数固定的问题，提出响应异常峰值判断机制，计算次峰响应系数，并将其融合到时间正则化参数上进行实时更新，避免目标模板变异造成跟踪漂移问题；目标函数通过交替方向乘子法迭代求解最优解。在UAV123、UAV20L和DTB70 三个无人机数据集上与代表性的目标跟踪算法进行大量实验，结果表明，在UAV123数据集上的精确度达到71.7%，在DTB70数据集上的跟踪平均速度达到48.3帧/s。本文结果与现有相关滤波类无人机目标跟踪算法相比表现较好，具有较高的实时性和鲁棒性。