提出了一种基于语义目标匹配的三维跟踪注册方法。通过改进的单发多框检测(SSD)深度卷积神经网络对图像进行语义分割,获取场景中不同目标的像素级语义分割结果。在求取相机姿态的目标函数时,融合了图像的灰度约束与几何约束对相机的姿态进行估计。所提方法减小了特征点的缺乏或误匹配问题对三维跟踪注册算法性能的影响,且能够适应不同结构的场景。研究结果表明,该方法的误差不超过2.2 pixel,基本满足了实时性的要求。

基于点对应的相机姿态估计算法缺少科学的性能评价方法，增加了工程应用中算法选择的难度。针对该问题，提出了在特定代价函数下的相机姿态估计算法性能评价方法，主要包括3个性能评价参数：精度、效率和存在区域最优解成功率。其中，区域最优解不同于局部最优解，若给定区域为代价函数定义域，则区域最优解等价于全局最优解。着重阐述了存在区域最优解的判断方法，以角度残差为基础建立代价函数，利用姿态矩阵计算代价函数的Hessian矩阵下界，若Hessian矩阵下界半正定，则代价函数在以该姿态矩阵为中心、大小由像点噪声模型确定的邻域内为凸函数，即存在区域最优解。借助仿真实验平台，对9种经典相机姿态估计算法进行了性能评价。结果表明，RPnP+LHM算法的综合性能最优。

为提高红外零位走动量测量精度，针对测量过程中相机姿态变化误差引起的图像定位精度不高问题，提出了一种CCD相机姿态小角度变化自适应补偿方法。通过理论分析，推导出相机姿态解算公式，建立了CCD相机姿态解算数学模型，然后基于某型红外瞄具零位走动量测量系统，分别针对三种相机姿态，对瞄具分划线在参考坐标系中的坐标进行了对比实验。结果表明，测量精度优于0.01 mil，能减小相机倾斜对红外瞄具零位走动量测量带来的误差，为提高零位走动量测量精度提供了一种相机姿态自适应补偿的新方法。

基于对铁路运行环境中所拍摄的图像特征的分析, 提出了一种修正的线段检测子(MLSD), 并利用该线段检测子结合最小二乘拟合及交叉迭代优化方法对消失点进行快速检测, 进而利用消失点坐标实现了相机姿态的估计, 为后续调整机器视觉算法进行铁路运行环境的场景重建提供重要依据。运用该方法, 基于车载相机所拍摄的图像对车载相机姿态进行估计, 实验所得的估计值满足了车载检测系统的精度要求, 表明了此方法对于估计相机姿态有效的。

为满足红外瞄具零位走动量数字化、高精度的检测需求，设计了基于电荷耦合器件(CCD)机器视觉技术的红外瞄具零位走动量检测系统。提出一种新的零位走动量检测模型，依据检测系统的技术指标及要求，设计了离轴抛物面反射式准直光学系统及针孔靶。为减小由相机倾斜引入的测量误差，建立了相机姿态自适应校正模型，并首次将其应用于零位走动量测量中。设计了图像判读软件，采用重心法对靶标中的圆斑中心进行定位，利用泽尼克矩的旋转不变性，对边缘像素点进行细分。成功研制了一台样机，加工装调后进行了测试实验，结果表明，系统的不确定度优于0.02 mil，能有效避免由相机倾斜引入的测量误差，满足红外瞄具零位走动量数字化、高精度测试要求。