针对大型桥梁车辆移动荷载监测场合中车辆的重心估计能力不足和车辆再识别困难等问题，提出一种基于点云灰度图的彩色图像与点云快速融合方法，以提高对车辆的空间定位能力和对目标的辨识能力。首先利用立体标定靶对不同视角相机和点云采集装置的位姿进行标定，获取它们彼此间的相对位置和姿态；然后利用标定的结果对不同视角采集到的点云进行拼接，得到完整的车辆点云；再将完整点云转换至彩色相机坐标系并投影，提取点云灰度图，实现彩色图像与点云灰度图的配准，将其姿态调整至与车辆实体在彩色相机坐标系内的位置和姿态一致。进一步建立彩色像素点与三维点云间的映射关系，并将颜色信息与点云相关联，从而实现彩色图像与点云的融合。利用融合后的彩色点云和相机成像模型，可以得到车辆在彩色相机坐标系中的虚拟图像，为车辆的再识别提供依据。结果显示，相比于采样一致性算法，所提配准算法缩短了约74.1%的耗时。实验表明，所提算法实现数据融合后生成的彩色点云具有较高的还原度，证明了所提算法的可行性，为解决类似的问题提供了新的思路和方法。

让重建出的物体三维面形附着上物体本征的彩色纹理,使其具有真实感。为了得到纹理数据,在双目相机三维测量结构的基础上,额外添加一个彩色相机以获取纹理。在后续贴图的过程中,需要知晓双目系统及纹理相机的内参和外参,即对双目与纹理相机所组成的系统进行立体标定,若想获得不同角度下的物体纹理信息而改变纹理相机的位置,则应重新进行标定。针对该问题,提出一种增设标记点的方法,仅对系统进行一次初始标定,便可自由使用纹理相机,从而完成纹理相机在任意位置拍摄后的纹理贴图,实验验证该方法具有可行性。该方法减少了纹理相机的频繁标定过程,为点云数据纹理贴图提供便捷易行的实现手段。

多光谱视频成像能够同时采集场景的空间、时间和光谱信息, 可广泛应用于遥感、农业监测和材质分析等多个领域。然而传统光谱仪往往包含光学色散分光结构, 系统复杂、标定困难, 难以普遍推广。因此, 文中搭建了一种多传感器小型化光谱视频成像系统, 提出了一种基于相机姿态的多视点图像或视频快速对齐方法, 实现了嵌入式平台上的多光谱视频的实时采集和对齐。通过复杂场景的实验验证, 文中提出的对齐方法在PSNR、SSIM客观指数以及主观视觉评价中均取得了良好的效果。