计算机视觉是许多现代技术的重要基石，比如现代计算机辅助外科手术，特别是在微创外科手术导航方面。手术导航为计算机辅助手术提供了必要的空间信息。在各种感知形式中，基于视觉的传感被认为在跟踪和定位应用中很有前途，这主要是因为它能够提供及时的术中反馈，并且是无接触传感。在手术导航中，基于视觉的传感研究挑战来源于许多因素，其中一些与其他形式的导航系统所面临的挑战一样。常见的手术导航系统使用外部跟踪系统跟踪手术工具，这可能会受到技术和可用性问题的影响。与使用外部跟踪系统实现的方法相比，基于视觉的跟踪提供了一个相对精简的框架。本综述旨在讨论当前基于视觉传感的手术导航研究和发展。所选的综述材料将提供对最新技术和技术问题的全面评价，以便全面地讨论当前技术发展中的挑战和知识缺口。最后，本文对基于视觉传感的手术导航研究意义和发展前景提出了自己的看法。

与肌电假肢相关的一个关键挑战是从截肢者的残余解剖结构中获取高质量的手势意图信号。在这项研究中，作者旨在融合穿戴式肌电图（EMG）和近红外（NIR）信号对12名健全人的8个手势动作进行分类，并通过观察该方法的分类精度来克服这一挑战。作为研究的一部分，研究人员研究了不同感知配置情况下多种分类方法的分类精度，这些感知配置包括仅肌电图信号、仅近红外信号和肌电图-近红外融合信号，分类方法包括多层感知器神经网络，线性判别分析和二次判别分析。作为研究的一部分，他们进行了单独的离线超声波扫描，作为真实数据与可穿戴传感器采集结果进行对比，同时这些数据能够使研究人员在手势运动期间更仔细地研究沿肱骨的解剖结构。这项工作的结果和发现表明，在不需要使用侵入性神经肌肉传感器或更复杂硬件的条件下，使用价格合理、符合人体工程学、可穿戴的肌电图和近红外传感技术，进一步发展上臂假肢是可行的。

本研究提出了一种鲁棒控制器，通过控制安装在车辆上的线控转向系统来降低横向加速度，从而抑制自动驾驶车辆的侧翻风险。首先，由于侧滑角难以被直接测量，因此本文提出了一种结合附加开关项与线性观测器的滑模观测器，以在系统存在不确定性时提供更稳健的侧滑角估计。其次，本文提出了一种自适应滑模控制方法，该方法可以自适应地调节控制增益来补偿系统的不确定性。最后，本文通过仿真验证了所提出的估计器和控制器能够有效地、鲁棒地降低车辆侧翻风险。

针对上肢康复机器人动态建模中存在的参数不确定问题，本文提出了一种基于变参数粒子群优化（PSO）的动态参数识别方法。基于系统的动态模型，该算法将基础粒子群算法的惯性参数和学习规律由固定参数变为随迭代次数变化的函数。它解决了基础粒子群算法早期搜索空间小，后期收敛速度慢的问题，大大提高了其识别精度。最后，通过对仿真结果的对比分析，与最小二乘算法（LS）和未改进的粒子群算法相比，该算法的识别精度有了很大的提高。该算法在实际控制系统中的控制效果也明显优于最小二乘算法和未改进的粒子群优化算法。

在本研究中，作者研究了机器人网络的最优路径选择和相对运动控制问题。路径规划方案基于最优路径参数的模糊势函数设计。最优路径参数，如路径概率和传输速率，由一个离散优化问题得到。为了处理物理系统中的干扰和不确定性，本文提出了一种自适应的二阶滑动模式控制（SMC）方案，用于机器人网络的相对运动控制，其中干扰信号采用一种新型干扰观测器进行估计，控制器参数采用基于Lyapunov理论的自适应调整算法进行在线更新。仿真实验以及基于Pioneer P3-DX机器人的实时实验验证了所提出的路径规划器和控制方案的鲁棒性，同时得出了基于传统SMC和自适应SMC的对比结果。