随着人工智能的发展,计算机视觉技术被广泛应用到各行各业。而目标的精确定位作为其中一个基础性的工作,其精度和效率的高低对于整个领域发展起着举足轻重的作用。在二维和三维场景中,目标的精确定位主要涉及两个关键性的任务,即图像目标分割和图像目标测距。其中图像目标分割主要关注于二维场景中的精确定位,而图像目标测距则是三维场景定位的核心手段,针对这两个基础性任务进行性能提升将极大促进目标精确定位的进步。基于此,本文主要对图像目标分割和测距这两个任务展开研究,探究其在常见的视觉系统中的性能提升和应用落地问题。现阶段,常见的视觉系统主要是单目视觉系统和双目视觉系统。在这两种系统中,图像目标分割和测距可分为RGB图像分割,RGB-D图像分割,单目测距以及双目测距四个子任务。目前,这些子任务均面临着严峻的挑战制约其发展。具体来说,在RGB图像分割中,基于深度学习的分割模型往往需要依赖大量的人工标注;在RGB-D图像分割中,经过训练获取的RGB-D分割模型只有在具备深度信息的条件下才能对RGB图像精确分割;在单目测距中,基于深度学习的测距方法目前仍主要依赖RGB图像和深度信息之间的病态拟合;在双目测距中,近距离场景的测距应用落地仍需进一步的实践,远距离场景的视觉测距问题依然没有成熟的解决方案。针对上述这些问题,本文在大量调研的基础上,利用弱监督语义分割、知识蒸馏、深度先验引入以及软硬件优化改进等手段提出了对应的解决方案,主要工作如下:（1）在RGB图像分割中,提出了一种面向弱监督语义分割的空间相似性引导学习方法。目前,弱监督语义分割是解决分割模型依赖大量人工标注的主要手段,它主要利用预测类激活图生成像素级标签以实现对分割模型的训练和测试。而初始的类激活图往往只能粗略的定位目标,难以满足分割模型对标签的精度要求,因此类激活图的精度优化便成了弱监督分割中的核心问题。针对这个问题,该方法首先提出了一种自监督多视图聚类策略以无监督图像分割的方式获取描述像素间空间相似性的伪标签,接着采用权重融合的方式将该伪标签和描述语义相似性的亲和矩阵融合为概率转移矩阵。基于该矩阵,随机游走的策略被用于类激活图的优化,以此实现对弱监督语义分割的性能提升。（2）在RGB-D图像分割中,提出了一种面向RGB-D语义分割的深度去依赖蒸馏方法。RGB-D语义分割是RGB-D图像分割任务的主流研究方向,但现有的RGB-D语义分割模型往往在具备深度信息的条件下才能对RGB图像进行精确分割。因此,如何使得RGB-D语义分割模型在没有深度的条件下对RGB图像进行精确分割是一个极具挑战的问题。为了解决这个问题,该方法充分应用知识蒸馏策略解决模型的深度去依赖。首先,基于同一目标具有相似深度的先验,一种深度注意力卷积被用于构建教师网络以从RGB-D图像中获取充分知识,接着利用深度注意力卷积和通用卷积的结构一致性,参数共享以及损失蒸馏的策略被用于将教师网络获得的知识迁移到由通用卷积组成的学生网络。最后利用学生网络,仅以RGB图像作为输入便可获得较高精度的分割结果。由于该方法主要优化卷积操作,因此可以被应用到任何基于卷积神经网络的分割网络。（3）在单目测距中,提出了一种面向单目深度估计的稀疏深度稠密化方法,将稀疏深度点作为先验信息引入到单目深度估计框架用以修正现有单目深度估计方法输入和输出之间的病态映射问题。具体来说,该方法将单目图像和稀疏深度点作为网络模型输入,利用稀疏深度和图像之间的对应关系实现了更加精确的单目深度估计。首先,基于同一类别目标具有相似深度的先验,一种深度稠密图被构建以对稀疏深度信息进行稠密化,同时一种深度误差图被设计用于估计深度稠密图的误差。然后该方法利用多尺度融合的思路构建了一种多维融合的单目深度估计网络。接着深度稠密图,深度误差图以及单目图像被作为深度估计网络的输入进行最终的训练和测试,实验结果表明所提出的方法可以实现更加精确的深度估计。（4）在双目测距中,对于近距离场景,主要研究了双目测距的应用落地问题,以机器人机械臂直梯按键为应用场景,提出了一种基于双目测距的机器人直梯按键操作方法。首先,利用双目测距技术在近距离场景的精度优势对目标按键进行精确定位,接着利用机器人机械臂各个关节角度和机械臂末端位置的对应关系构建机械臂运动模型,基于测距结果和机械臂运动模型,机器人机械臂可以准确完成自主按键任务。对于远距离场景,主要围绕远距离测距任务展开研究。现有的双目测距方法相对于单目测距具有较大精度优势,但仍无法实现较好的远距离测距,目前仍没有较为成熟的远距离测距方案。为解决该问题,提出了一套基于深度先验和红外传感的远距离测距方案,该方案从粗略的稠密深度估计和精细的目标测距两方面考虑,将语义线技术和深度插值估计相结合实现稠密的深度估计,通过将单目相机和搭载红外传感设备的旋转云台相结合实现目标的跟踪测距任务。