传统的货车点云配准算法通过寻找点云间的关键特征实现点云配准，这种方法效率较低，且点云之间存在重复的场景、噪声点，配准算法寻找的关键特征往往是不准确的。对此，提出了一种基于激光雷达的多视角点云配准方法。所提方法将惯性测量单元引入点云配准，在不依赖点云数据的情况下完成对应点云位姿矫正，然后采用随机采样一致性算法拟合局部平面搜索最近点，融入最近点迭代算法，快速寻找对应点集，实现点云精确配准。在采集的卡车数据集上进行实验，所提方法可在4 s内完成配准，平移误差最大不超过0.01 m，旋转误差控制在0.1°以内。实验结果表明，所提方法在货车点云配准中具有良好的配准效率及配准精度，具有较高的适用性。

为了准确测量纳米颗粒的尺寸,依据透射电子显微镜拍摄的纳米颗粒图像,提出了一种基于U-Net卷积神经网络的颗粒自动分割方法。将U-Net部分网络结构与批量归一化层相结合,减弱了网络对初始化的依赖,提升了训练速度。对纳米颗粒图像进行半隐式偏微分方程滤波以增强图像边缘信息,利用改进的U-Net网络训练纳米颗粒个体分割模型,得到了分割结果。研究结果表明,所提方法能准确分割出图像中的纳米颗粒,对边缘模糊和强度不均的纳米颗粒的分割效果提升显著。

设计了一个视场角为30°的免散瞳立体成像眼底相机的光学系统。系统由成像系统和照明系统组成,在成像系统中,设计了新型眼底立体成像光学结构,并加入前置物镜来提高成像分辨率;在照明系统中,通过设置环形光阑来避免角膜反射光的产生,并加入黑点板来消除网膜物镜产生的杂散光。研究结果表明,该系统不仅可以实现眼底视网膜图像的多角度同步采集,还可以实现眼底视网膜6×10 ⁶ pixel的高清成像。系统对正常人眼的物方分辨率高于200 lp/mm,系统总长为290 mm,场曲值小于28 μm,畸变仅为-4.9%。系统具有较强的调焦能力,能对-7~+5 m ^-1屈光度人眼的眼底进行清晰成像。

针对平面零件在背光源照射下成像存在伪边缘而造成测量精度下降的问题, 提出了一种从被测物伪边缘中恢复准确边缘的测量方法。首先, 采用Canny算子提取平面零件的像素边缘, 在此基础上利用高斯曲面拟合算法实现亚像素边缘定位, 得到伪边缘; 然后, 提出一种基于方向角差值的边缘点判别法从伪边缘中区分上下边缘点并提出欧氏距离平均值法获得被测物上边缘; 最后, 利用相似三角形法将上边缘转换到测量平面, 结合摄像机标定参数求解平面零件的尺寸。实验结果表明, 在1 200 mm×800 mm的视野范围内, 对不同厚度的平面零件进行尺寸测量, 绝对误差小于0.08 mm, 相对误差小于0.05%。

设计了一种便携式免散瞳眼底相机光学系统, 达到了全视场300万像素的高清眼底成像。在考虑人眼生理特征和光学特性的基础上, 引入Gullstrand-Le Grand 眼模型来模拟被测屈光度正常的人眼, 用Schematic眼模型来检验屈光度异常人眼对成像光路的影响。在成像系统中, 首先采用接目物镜会聚从人眼视网膜反射出瞳孔的光线, 然后再由成像物镜将视网膜的像成像到CCD上。在照明系统中, 为避免角膜中心区域产生杂散光, 采用环形光阑和共轴照明相结合的照明方式给眼底照明。仿真结果表明: 该系统视场角为30°, 成像分辨率高于120 lp/mm, 场曲值小于0.12 mm, 畸变仅为-1.2％, 全视场色差值均在艾里斑之内, 且该光学系统具有较大的调焦能力, 对-10 D~+10 D的人眼普遍适用。所用的光学元件均为普通的球面玻璃, 便于加工制造且能有效降低实际的制作成本。

为了实现从不同角度同时拍摄同一眼底视网膜区域的图像, 使采用双目立体视觉法进行眼底三维重建成为可能, 设计了一种免散瞳立体成像眼底相机光学系统。该光学系统由成像系统和照明系统两部分组成, 在成像系统中, 使用Gullstrand-Le Grand眼模型来模拟正常人眼, 运用体视显微镜成像原理进行分光设计; 在照明系统中, 通过设置黑点板的方式消除网膜物镜产生的杂散光, 并加入环形光阑以避免角膜反射光的产生。设计结果表明, 本立体成像眼底相机光学系统截止频率在95 lp/mm处各视场的MTF值均大于0.2, 成像系统畸变小于-3%, 场曲值小于0.1 mm, 色差矫正良好, 并且具有较强的调焦能力, 能对-10~+5 m-1的人眼清晰成像。

疲劳驾驶是导致车祸的重要诱因, 严重危害道路交通安全, 而车辆行驶过程中的光照条件变化、驾驶员姿态调整和眼镜遮挡等因素将对疲劳检测任务产生不利的影响。针对以上问题, 提出了基于深度学习的驾驶员疲劳检测算法。首先, 使用850 nm红外光源补光, 在复杂光照和遮挡形态下采集驾驶员的面部图像; 其次, 利用红外图像中的多种特征, 通过级联CNN确定人脸边框和特征点位置, 提取眼睛区域并识别眼睛的睁闭状态; 最后, 将眼睛状态识别结果和连续图像中的特征点坐标差值输出至LSTM网络, 检测驾驶员疲劳状态。实验结果表明: 该疲劳检测算法的准确率可达94.48%, 平均检测时间为65.64 ms。

针对X射线线阵探测器像素响应不均而造成X射线图像产生竖条纹, 以及由探测器本身和外界产生噪声干扰的问题, 提出了一种新型的校正与滤波模型, 解决了传统校正方法因忽略噪声影响而使得校正完成后数据波动较大的问题。结合X射线特性及X射线线阵探测器的成像原理, 分析了像素响应不均时的输出特性及噪声, 建立了改进的两点校正算法与基于偏微分方程的半隐式差分滤波模型。实验证明, 分辨率为1×9 216的X射线线阵探测器在经过该模型校正后, 有效地解决了像素响应不均的问题, 抑制了噪声的影响, 在位深为16 bit的情况下, 平均均方误差低于五个灰度级, 提高了X射线图像检测的质量。

SMT封装物料盘的X射线透视图像发生局部粘连, 导致分割准确性降低影响物料的检测与计数统计。提出了基于位置信息约束的分割检测方法, 利用器件位置信息对分割区域进行约束提高分割与检测的准确率。首先依据元器件呈螺旋状排列规则, 拟合物料盘中心点并计算最内环排列中起点器件位置信息; 然后基于中心点与各元器件的位置约束模型, 进行法向位置信息与先验位置信息双重约束, 对目标器件所在区域进行限定; 最后划分分割界限, 完成对粘连目标的分割和对元器件的检测与统计。实验结果表明: 该方法能够提高物料盘X射线透视图像粘连区域分割与检测的准确率, 在有效像元素9 216 pixel, 细节解析度110 1p/cm成像环境之下, 对不同规格物料盘进行实测, 检测误差率控制在0.15%之内。

针对钣金零件轮廓尺寸高精度测量面临尺度增大造成的测量精度下降问题, 提出了准确获取零件上表面的边缘方法和厚度转换模型。首先, 结合光学成像理论分析了背光光源下不同厚度钣金零件的边缘特性, 提出厚度零件具有上下边缘特征, 然后根据平板零件图像的边缘分布特征, 采用Canny算子初定位边缘, 用多项式拟合算法实现亚像素边缘精确提取, 对含有上下边缘的轮廓提出平均距离法获得上表面边缘, 并针对厚度引入的误差提出了厚度转换模型进行边缘修正, 获取零件在标定平面上的真实边缘, 最终结合标定数据求取零件尺寸。实验结果表明, 在1×0.75 m2的视场内, 1~5 mm厚、500 mm×500 mm零件的测量精度达到了0.05 mm, 满足了钣金加工测量的需求。