随着农业机器人技术的不断进步和发展，利用机器人采集和处理特定农作物图像信息在农业应用领域中越来越重要，针对传统图像处理方法提取的玉米植株轮廓不完整甚至是缺失的问题，提出一种改进的玉米植株轮廓提取方法。采用HSV颜色空间对玉米植株的绿色叶部分进行图像提取，同时使用RGB通道分离方式对红色的根部分进行图像提取，在得到叶部、根部图像后使用F-B算法选取特征点并对特征点进行描述和匹配，并利用随机抽样一致性算法剔除错误的匹配点，最后用加权融合方式对图像进行拼接并选用Sobel算子提取植株轮廓。实验结果表明，F-B算法相比于传统scale-invariant feature transform（SIFT）、speeded up robust features（SURF）、oriented FAST and rotated BRIEF（ORB）算法在匹配速度、精确度上有所提升且匹配准确度高于80%，使用Sobel算子提取植株图像轮廓，获得的图像清晰度和完整度较好。该方法能够在较快速度和较高的精准度下实现对玉米植株的轮廓提取。

针对传统基于线结构光的视觉测量系统存在光条纹分割精度低的问题，提出了一种改进U-Net的光条纹分割算法。改进算法使用VGG16的卷积池化层代替U-Net编码块中的卷积池化层，在U-Net编-解码层间的跳连接中引入坐标注意力机制，在U-Net编码块末端接入金字塔池化模块，采用Dice函数和交叉熵函数的组合作为网络的损失函数，解决了光条纹占比失衡问题。基于线结构光测量原理，设计了工件尺寸测量系统。实验结果表明：改进U-Net算法的平均像素准确度（mpa）为95.61%，平均交并比（mIoU）为89.73%，均高于其他对比算法；工件测量尺寸的绝对误差小于0.1 mm，相对误差小于1%，重复精度小于0.2%，满足工件的检测要求。

提出了一种基于快速特征点提取和描述（ORB）算法与色调、饱和度和明度（HSV）的图像特征点匹配算法，并进行了实验研究。首先利用双边滤波和均值滤波结合对图像进行预处理；然后使用ORB算法进行特征点提取；接着利用K维二叉树（K-D Tree）算法与汉明距离进行特征点粗匹配；再利用图像的HSV信息对匹配特征点对进行二次筛选。实验结果表明，在图像进行预处理阶段，采用方差、Vollath、信息熵的加权平均作为评价指标，与原图、直方图均衡化、双边滤波结果相比，双边滤波和均值滤波结合得到的图像指标值最佳；在特征点匹配和图像拼接阶段，利用HSV信息筛选后特征点匹配正确率提高了12.60个百分点，由此得到的图像拼接结果质量更好，其自然图像质量评价（NIQE）指数值更小。

准确、稳定的图像特征点提取对图像拼接、三维重建以及基于特征点的视觉同时定位与建图（SLAM）等计算机视觉应用十分重要。核辐射环境下采集的图像噪点量多、噪声块较大，传统的特征点提取方法存在容易将噪声判定为特征点的问题。基于某辐照厂卡源故障采集的受γ射线影响的图像噪声分布特点，提出一种抗核噪特征点（ANF）提取算法。首先，分析核辐射下图像的每个像素点的红绿蓝（RGB）特性以及灰度特征，获取可能为噪点的像素；然后，通过传统算法提取特征点；最后，采用特征点与可能噪点的欧氏距离大小进行排序筛选特征点，剔除较大可能性为噪点的特征点。标准图像数据集合成的噪声以及真实核辐照环境下拍摄图像的实验表明，ANF提取方法相对于传统的加速分段测试（FAST）和二进制鲁棒尺度不变特征点（BRISK）提取方法具有更好的稳定性，并可以提高特征提取效果和降低匹配错误率。

针对传统的迭代最近点（ICP）算法计算量较大、效率较低、易受点云初始位姿影响等缺点，提出一种基于normal distribution transform（NDT）和特征点检测的点云配准算法。该算法采用“粗细结合”的配准策略，首先对点云进行预处理；然后采用NDT算法对处理后的点云进行粗配准，为精配准提供较理想的初始位姿；再利用3D-Harris特征点检测算法提取点云特征点；最后利用ICP算法对提取特征点后的点云集进行精细配准，得到最优解。仿真结果显示，与传统算法对比，所提算法进一步提高了点云配准的效率和精确度。

针对定位跟踪时不同环境的复杂光照变化特点,提出了一种自适应阈值的ORB(Oriented FAST and Rotated BRIEF)特征点提取方法。该方法首先通过自动计算图像块周围的特征点自适应提取阈值,利用该阈值实现图像特征点提取,接着采用水平双目模型进行特征点跟踪。利用数据集在不同环境场景中与不同方法进行对比实验,实验结果表明所提改进的方法在特征点提取时具有更大的检测范围、更快的提取速度以及更好的稳定性,并且在轨迹追踪对比中具有更好的RMSE表现。

摄像机标定是结构光三维传感技术中联系测量系统内外参数与三维坐标之间的重要环节。基于灰度信息提取特征点的摄像机标定方法易受图像噪声、对比度等因素的影响。提出一种基于绝对相位靶（APT）的摄像机标定方法，采用时间相位展开算法计算绝对相位，提取相位值为4π整数倍的特征点，采用局部窗口最小二乘拟合算法计算特征点的精确亚像素坐标，进而建立特征点的图像坐标与世界坐标的对应关系。通过仿真实验，分析不同高斯噪声和模糊条件下摄像机参数的绝对误差变化，发现相对于传统的棋盘格和圆点标定法，所提APT标定法对图像噪声和模糊具有更好的鲁棒性，且具有更高的标定精度。真实的对比实验显示，APT标定方法的标定精度优于棋盘格和圆点标定法，尤其在“离焦”（标靶处于相机有效工作距离之外）情况下可将重投影误差降低58.68%，证明了APT标定方法的有效性和可行性。