Optical molecular tomography (OMT) is a potential pre-clinical molecular imaging technique with applications in a variety of biomedical areas, which can provide non-invasive quantitative three-dimensional (3D) information regarding tumor distribution in living animals. The construction of optical transmission models and the application of reconstruction algorithms in traditional model-based reconstruction processes have affected the reconstruction results, resulting in problems such as low accuracy, poor robustness, and long-time consumption. Here, a gates joint locally connected network (GLCN) method is proposed by establishing the mapping relationship between the inside source distribution and the photon density on surface directly, thus avoiding the extra time consumption caused by iteration and the reconstruction errors caused by model inaccuracy. Moreover, gates module was composed of the concatenation and multiplication operators of three different gates. It was embedded into the network aiming at remembering input surface photon density over a period and allowing the network to capture neurons connected to the true source selectively by controlling three different gates. To evaluate the performance of the proposed method, numerical simulations were conducted, whose results demonstrated good performance in terms of reconstruction positioning accuracy and robustness.

提出一种顾及姿态误差时空变化的全谱段光谱成像仪（VIMS）定位精度提升方法。通过分析高分五号02星（GF-5B卫星）181 d的星敏感器低频误差规律，以分段傅里叶级数模型为基础，利用时序化、多空间补偿策略，统一了非基准与基准定姿模式之间的低频误差特性，补偿低频误差对影像几何定位的影响。研究结果表明，所提方法将VIMS可见光近红外影像无地面控制几何定位精度从4.274 pixel优化至1.867 pixel，且对不同时相、不同区域的光学影像均有良好的精度提升效果。

针对室内可见光定位接收信号强度易出现波动从而产生较大定位误差，以及从一个定位单元迁移到其他定位单元可能会降低定位精度的问题，笔者提出了一种基于注意力机制的卷积神经网络的室内三维定位方法，以减小接收信号波动产生的影响，并采用迁移学习将在第一个定位单元中训练的网络迁移到其他定位单元中，在保证定位精度不变的前提下减少了训练网络的成本。仿真结果表明：所提算法在5 m×5 m×3 m的定位单元内可以实现平均误差为3.54 cm的三维定位；采用迁移学习将已训练网络部署到第二个定位单元中，可以实现平均误差为3.67 cm的定位。实验结果表明：在1.2 m×0.75 m×1.2 m的定位单元实验中，所提算法可以实现平均误差为3.32 cm的三维定位，90%的误差分布在4.12 cm内；采用迁移学习将已训练网络部署到第二个定位单元中，可以实现平均误差为3.35 cm的定位。与现有算法相比，所提算法迁移前后的定位精度均有所改善。

在数字全息粒子场成像中，粒子衍射的孔径角很小，重构时具有很长的焦深，造成轴向定位精度远低于横向定位精度。增大照明波长，相当于增大粒子孔径角，因此可得到更高的轴向定位精度。采用红外相干光源照明粒子场，在不提升算法和系统复杂度的前提下提升数字全息粒子场重构的轴向定位精度。从理论上分析数字全息粒子场重构中焦深与轴向定位精度的关系，并分别仿真分析绿光、红光及红外光照明时的粒子场全息重构，分别开展了基于这3种光源的聚苯乙烯微球粒子场全息成像实验。仿真和实验结果研究表明，相比红光，红外光源使焦深减小了约19%，而相比绿光，焦深减小了约39%。增加波长可以减弱离焦像的层间干扰，从而提高了轴向定位精度。

精密定位测量旨在针对微动目标实现微纳米精度的定位与小尺度操纵，其作为一种重要的测量技术，在工业生产、半导体制造等高端装备领域得到广泛应用。与其他测量方法不同，光学显微视觉测量技术因具备交互性强、扩展性强的特征而广泛应用于精密测量中。对基于光学显微视觉的精密定位测量技术进行分析与综述。首先，介绍光学显微视觉系统的成像模型与工作原理。其次，根据是否基于标靶图案的特征，对显微定位测量算法进行分类；同时，根据标靶图案的周期特征进行进一步的分类与探究，讨论其在不同标靶图案下的性能指标。最后，总结光学显微视觉定位测量方法在不同领域的应用与前景。该综述旨在为研究人员提供关于光学显微视觉精密定位测量技术的发展状态与趋势，促进微纳尺度定位测量技术的发展。

针对室内可见光定位(VLP)实际应用的大面积面板灯排列场景中存在的定位精确度低、信号干扰严重等问题，提出了一种基于接收信号强度(RSS)算法的码分多址(CDMA)调制解调VLP系统，介绍了RSS算法和CDMA调制解调VLP系统原理，通过实验验证了系统定位精度。实验结果表明：在未考虑实时移动和延迟刷新等因素的情况下，固定点位的定位最大误差为0.3 m，算法解决了传统定位算法中边缘角落区域定位精度低的问题，提高了VLP系统的鲁棒性。

针对无人机室内无全球定位系统(GPS)信号、定位精度较低的问题, 提出融合视觉和惯性数据来实现无人机室内定位。前端改进特征匹配算法, 针对图像发生旋转运动提出了利用主成分分析法(PCA)计算旋转角度, 改变特征点所在网格及其8邻域网格, 并根据邻域特征点与匹配特征点欧氏距离设定高斯阈值, 提出新的分数统计模型, 使正确匹配对的数量增多, 提高了特征匹配的快速性和视觉室内定位的准确性。针对图像局部相似产生误匹配问题, 提出了利用特征点之间的几何关系确定数据集, 通过Pearson相关系数分析数据的相似性, 设定阈值剔除置信度较低的特征匹配对, 优化视觉估计无人机的位姿信息、后端采用视觉惯性基于滑动窗口的紧耦合优化位姿信息。通过设计室内光线正常与室内光线较暗情况下的无人机悬停实验, 分析其飞行日志可知, 改进后网格运动统计(GMS)算法的特征匹配速度是原算法的3倍, 并在局部相似区域剔除误匹配, 特征匹配准确率能达到94%, 无人机室内定位精度达到0.02 m, 能在复杂**环境中有更好的应用。