神经导航中基于面匹配的空间配准方法通过对齐图像空间和患者空间的人脸点云来计算空间的对应关系，但因时空差异，两类人脸点云之间可能会存在形变差异，从而导致配准精度劣化。针对这一问题，本团队提出了一种基于自适应阈值的配准方法。对于图像空间和患者空间下的人脸点云，首先使用基于体素的方法对两人脸点云进行降采样，然后使用采样一致初始配准算法进行粗配准，以提供良好的初值，最后通过迭代最近点算法进行精配准，同时使用一个自动计算的距离阈值来去除由局部形变产生的误匹配点对。在一个可设置局部形变的头部模型上进行了实验，结果表明本文方法可以降低人脸局部形变对配准精度的影响，使基于面匹配的空间配准方法更好地应用于神经导航。

为了实现共平台的多个空间观测成像系统的空间配准, 对多个相机进行天文标定和姿态测量, 提出一种基于星图模拟的星图识别和姿态解算算法。首先, 建立共平台的多传感器天文观测模型, 并产生模拟星图, 将星点之间的特征转换为图像特征; 其次, 根据四边形对角线的共线不变性特征, 对相机观测星图和模拟星图进行特征匹配, 提取相机内参数的初始值; 然后, 利用星点坐标矩阵奇异值不变性, 自动匹配剩余星点并求解姿态矩阵的初始值; 最后, 对相机内参数和姿态矩阵进行非线性优化求解。实验结果表明, 在未精确标定光学系统内外参数的情况下, 星点正确识别率大于97.4%, 相机像元角分辨率为3.9"×3.4", 最后计算得出的投影误差低于1个像素, 满足多传感器空间观测系统空间配准的精度和鲁棒性要求。

针对异类传感器数据融合空间配准问题,利用极大似然法对多传感器系统模型进行分析,推导出配准参数的估计值,以毫米波雷达/红外传感器复合制导为例,对空间配准算法进行了仿真,仿真结果具有较快的迭代收敛速度和较好的配准效果,满足了异类传感器融合实时性和精确度的要求。