小模数齿轮在实际制造中，单条产线多台设备通常同时生产多种不同参数的齿轮，迄今无法用单台齿轮测量仪器在生产线上同时实时全检这些不同参数的齿轮。开发了基于Facet的齿轮亚像素边缘定位算法、基于迭代重加权最小二乘的齿轮中心定位法、圆与齿廓交点快速定位法、正弦函数拟合齿数法和齿廓近似测压力角法等；若结合适当的送料与定位机构，本文方法能够在未知参数时，实现多种不同型号齿轮的混合测量，无需装夹，测量效率高。可以实现齿数、模数、压力角、齿顶圆直径、齿根圆直径、全齿高、齿宽、公法线变动量、变位系数、齿廓偏差和形位误差的测量。实验结果表明：该方法测量0.5~1.0 mm模数的直齿轮的重复性精度为4 μm。该方法在小模数齿轮柔性化生产线具有重要应用前景。

无人机在大机动运动时视场变化较大，在弱纹理环境下视觉特征易丢失，这降低了视觉距离测量的精度。针对此问题，本文将折反射全景相机与结构光相结合，进一步提出了融合结构光的折反射全景单目视觉测距方法。在本研究中，为了提高测距方法的精度以及处理速度，首先对结构光进行感兴趣区域（ROI）提取，并运用中值滤波对激光条纹图像进行去噪后，再采用改进的Steger算法进行亚像素级别的结构光光条中心坐标提取。其次，运用最小二乘原理对提取的亚像素点进行曲线拟合，得到结构光的曲线方程。最后，通过理论推导求取空间平面参数，建立测距目标函数，进一步求得距离信息。实验结果表明：在不同场景下，所提出测距方法的测距精度均在3%以内，证明了该方法的有效性。满足无人机在大机动运动条件下以及弱纹理场景中稳定可靠的测距需求，进一步提升了无人机环境感知能力。

针对远场激光光斑分布不均匀、形状不规则的特性，提出一种基于改进的Zernike矩的远场激光高精度中心测量方法。在传统Zernike矩亚像素边缘检测基础上，使用新型的logistic边缘检测模型和阶跃阈值自适应提取方法，在减少人工对阶跃阈值误判的同时，提高对实际边缘的识别精度，最后使用最小二乘法椭圆拟合得到高精度激光光斑中心。该方法在远场激光中心检测中，单帧误差在0.5 pixel左右，连续多帧中心偏差波动在1 pixel以内，拥有较高的精度和可靠的稳定性。

水下光通信系统在工作时需要及时获取与接收端的距离信息并进行高速通信。文章提出在水下蓝绿激光通信系统中加入单目测距功能，实现短距离视觉测距和长距离激光测距的水下光通信测距一体化研究。使用蒙特卡洛方法进行仿真，建立激光信号水下信道传输模型，模拟不同目标尺寸、不同距离和不同水质下的水下激光光斑图片，分析以上3种因素对水下单目测距精度的影响。考虑仿真图片光斑弥散和对比度降低对测距精度的影响，文章针对性地提出了一种对水下小尺寸光源目标、结合图像增强和Zernike矩亚像素点边缘检测的单目测距算法以提高单目测距算法的精度。通过实验室水池实验验证，文章所提算法精度达到了使用要求。

由于盲人对周围环境缺乏视觉感知力，出行一直是盲人生活中的困扰。本文提出一种基于YOLOX改进的导盲系统障碍物检测算法CE-YOLOX。首先，为了减少特征融合网络在特征通道缩减时带来的语义信息的丢失，以亚像素跳变融合模块SSF和亚像素上下文增强模块SCE来充分利用通道信息和不同尺度的语义信息，以通道注意力引导模块CAG减少多尺度特征融合带来的混叠效应。其次，为了使模型更加聚焦于有效特征，引入全局注意力机制GAM，通过减少信息弥散和放大全局交互表示来提高模型性能。然后，使用SIOU-LOSS替换原模型的位置回归损失函数IOU-LOSS，加快了边框的回归速度与精度。最后，搭建导盲系统检测平台，将所提算法移植到边缘计算设备NVIDIA Xavier NX上。实验结果表明，改进的导盲系统障碍物算法在服务器和NVIDIA Xavier NX平台上的mAP一致，提升至90.53%，相较原YOLOX模型算法提高了2.45%。在服务器上的检测速度达到75.93 FPS。本文模型在兼顾检测速度的同时提高了精度，显著优于对比算法，满足边缘计算设备的要求，具有实际的应用价值。

树莓有“第三代黄金水果”的美誉，对于红树莓之乡——尚志而言，准确获取树莓的种植面积对该区域的农作物种植结构调整、产业发展有着重大的意义。以黑龙江省尚志市苇河镇周家营子村为研究区，利用Sentinel-2数据较高的空间和时间分辨率，获得研究区的时序数据，基于该影像剖析研究区作物成长中每个时期的光谱特性和归一化植被指数的时序变化，采用CART算法开展了研究区树莓种植面积估计的研究。与仅依据多时相遥感影像得到的种植区域结果对比，探究NDVI时序数据的参与给区域提取精度带来的变化，并与基于最佳时相数据的面向对象分类和支持向量机分类两种分类算法所得的结果相比较。实验结果表明：基于时序CART算法的两种方法提取树莓种植面积较另外两种分类算法都有更理想的效果，可以得到作物种植面积与空间分布，能够满足作物监测的需求；在利用多时相数据分类的基础上，NDVI时序数据的加入，使作物之间的光谱差异得以放大，分类精度得到提升，相比仅依据Sentinel-2多时相数据分类精度提高了1.67%，Kappa系数提高了0.02。

微器件广泛应用于电子工业。由于衍射效应，微器件的物理边缘与光学边缘不一致，这给检测和测量带来了挑战。为提高微目标检测与测量精度，本文将图像超分辨率重建与目标测量结合，提出了一种基于边缘增强的图像超分辨率重建算法并搭建了对应的测量系统。首先提出了一种新的图像超分辨率重建质量评价参数，证明了图像超分辨率重建提高目标测量精度的可行性。针对目标边缘，将通道注意力机制引入网络，增强了网络对图像边缘的重建能力。最后，设计并搭建了目标测量系统，并进行了实验。结果表明：在公开数据集上，本文算法能取得更高的峰值信噪比（PSNR）和结构相似性（SSIM）等客观指标值；在实际测量中，本文算法可将原有测量系统极限分辨率提高25.9%，目标测量精度平均提高51.6%。本文研究为工业生产中的微目标检测和测量提供了一个潜在的发展方向。