针对同轴内啮合的大尺寸齿形结构手动装配模式中测量困难且精度不易保证的问题,提出一种面向齿形结构装配的视觉测量方法。该方法通过构建单目视觉测量系统,利用其图像特征解算空间位姿实现高精度测量。首先基于自适应核与自适应阈值的最小核值相似区算法提取齿顶角点,并采用大津阈值改进的Canny算法检测辅助圆离散弧段;然后结合随机采样一致思想,运用基于几何距离及Levenberg-Marquardt优化的椭圆拟合算法获取椭圆参数,并给出了齿形结构测量模型及其位姿解算原理。最后进行实验验证,结果表明该方法的测量精度可达0.050 mm,满足齿形结构装配的高精度测量要求。

为了利用视觉图像中信息的无源性、实时性以及机载控制器的自创性等特性，解决无人机信源易干扰、有延时、受制约的问题，分析了“十”字型四旋翼无人机的动力结构、控制原理以及无人机飞行过程中位姿方程、动力方程之间的相互关系，完成了四旋翼无人机六自由度信息和飞行控制四元素输入信息之间的转换，设计了基于合作目标匹配的无人机视觉图像自主控制算法。结果表明，在实测值为零时，即可完成自主降落功能。该算法可以实现简单环境下四旋翼无人机的自主降落。这一研究对无人机的自主化、智能化发展具有一定的帮助作用。

针对空间合作目标的靶标提取、匹配与相对位姿解算问题, 利用 TOF相机采集的灰度和深度信息进行目标检测与关键点筛选的靶标提取, 基于此进行特征点匹配并确定合作目标的相对位姿。首先, 基于灰度信息进行目标检测, 接着,结合深度信息与靶标形态筛选关键特征点, 然后, 利用马尔可夫随机场(MRF)的确定性退火算法进行特征点匹配, 最后, 利用SVD算法解算位姿获得目标航天器和追踪航天器之间的相对位置、姿态关系。实验表明该方法计算量少、鲁棒性较好。

针对于航空发动机叶片修复过程中传统夹具定位无法满足复杂曲面叶片损坏形式多样的要求，提出了采用散斑测量的复杂曲面叶片修复自适应定位方法.首先，构建视觉测量系统，通过对叶片表面散斑点的匹配与空间解算得到叶片立体点云数据和参考测量点空间坐标，完成叶片三维构型.然后，建立自适应定位模型，通过对各定位坐标系进行位姿矩阵解算，实现欠定位装夹下曲面叶片在机床坐标系下的自适应定位.最后，基于德玛吉五轴数控加工中心进行自适应定位实验，验证了定位方法的有效性与实用性.实验结果表明，定位各方向平移向量偏差小于0.25 mm，旋转矩阵欧拉角偏差小于0.2°，且通过一次装夹固定及视觉测量提取叶片形貌与位置信息，减少了定位工序，可为后续对损坏复杂曲面叶片加工复形的自适应定位修复提供实验依据.

为了解决三线阵CCD空间目标位姿测量的精度问题,提出一种高精度位姿解算方法。该算法将所有线阵CCD相机的坐标系进行统一化处理。通过建立一个新的误差评价函数,运用改进的正交迭代算法求解位姿参数,并进行非线性优化。仿真和实际测量结果表明,该算法有效避免了因数据恶化或初值选取等因素造成的不收敛或收敛差的问题。与传统算法相比,该算法测量精度和抗噪特性均得到有效改善,计算效率提高了4.6倍,实际测量的6个自由度的最大相对误差为0.71%。该测量系统可实现对空间目标的高精度实时测量,且具有安装方便、应用范围广等优点。

为了实现气浮实验台位姿的实时确定, 提出了一种基于单目视觉的位姿测量方法。首先, 设计了一种具有旋转、平移、缩放不变性且易于探测的圆形合作靶标; 其次, 结合靶标尺寸、形状以及安装位置, 基于Blob分析快速识别合作靶标, 保证了定位点提取的准确性; 然后, 提出一种在待识别区域内进行“行、列”扫描统计的靶标圆心测量算法, 实现靶标圆心的快速、鲁棒提取; 最后, 结合计算机坐标系下的圆心位置以及视觉测量系统中坐标变换关系, 解算气浮实验台的实际位姿。实验结果表明: 该方法测量位姿精度较高, 抗噪能力强, 在处理1 600 pixel×1 600 pixel图片的情况下, 平均测量周期为53.086 ms(约19帧/s), 能够实现对气浮实验台位姿实时、精确、鲁棒的测量。

为保证无人机着陆精度和安全性, 提出了一种无人机自主着陆视觉导航位姿解算方法。首先对机载相机进行标定, 获取相机参数; 然后综合考虑地标形状和尺寸、地标角点几何分布和角点数量对位姿估计精度的影响, 设计了“T”型着陆地标形状和尺寸参数, 将地标轮廓提取和角点检测算法相结合, 得到几何分布好、数量适中的8个角点用于位姿解算, 保证了位姿解算精度; 为减少LK (Lucas-Kanade)光流法稳定跟踪地标的处理时间, 直接将提取的这8个角点作为LK光流法检测和跟踪的输入, 保证了算法实时性; 最后利用三维空间到二维像平面投影关系对飞行位姿参数进行实时解算。实验结果表明: 算法具有较高估计精度, 算法平均周期为76.756 ms(约13帧/s),在速度较低的着陆阶段基本满足自主着陆视觉导航的实时性要求。