1. 虚拟现实和增强现实技术所需的光场数据采集方法研究，搭建不同类型的光场采集系统，包括基于微透镜阵列的光场采集系统、基于相机阵列的光场采集系统、基于360度环视相机的光场采集系统，设计开发适用于不同尺度和应用场景的光场捕获系统，如光场显微镜、光场内窥镜、实时重对焦光场相机阵列、应用于外空间的光场相机等，从而建立从微观到宏观的视觉计算平台，从2D图像信息跨入3D全息信息处理，实现虚拟现实和增强现实应用从微观到宏观的尺度多变性；2. 虚拟现实和增强现实技术所用到的高维数据处理算法研究，研究光场数据高比例无损压缩、光场数据实时传输、光场图像重对焦、连续多视点自由转换、基于神经网络的3D场景感知、基于深度学习的光场数据建模等光场处理算法，实现高真实感的虚拟现实和增强现实场景重建和渲染效果。3. 虚拟现实和增强现实技术的光场显示方法研究，利用软硬件一体化设计的方法，研究用于新型光场显示技术高维数据降维、分解和优化方法，裸眼光场实时显示方法，虚拟现实、增强现实和混合现实展示平台，以及光场显示头盔设备等。

研究主要对公共场所、道路交通、楼宇园区、零售场所、以及民宅安防等领域的监控视频进行分析，提取关键信息实现安全保障和预警预防。根据所提取的关键信息，安防领域的人工智能技术主要包括人脸检测识别、生物特征识别、车牌识别、物体识别、人/车计数、趋势预测、轨迹/行为预测、异常检测等。

研究包括环境感知、行为决策和运动控制三个模块。其中环境感知模块主要通过摄像头、激光雷达、毫米波雷达、超声波传感器等手段获取的环境信息，以及通过GPS获取的车身状态信息，进行物体检测、分类和跟踪，包括道路、交通标志、车辆、行人、障碍物等，并通过三维重建和场景分割等技术配合GPS信息理解场景并对自身和周边的物体的位置、姿态和速度进行估计。行为决策模块根据实时路网信息、交通环境信息和自身驾驶状态信息，产生遵守交通规则（包括突发异常状况）的安全快速自动驾驶决策，主要根据全局路径规划、可行驶区域预测、障碍物存在状况以及乘坐体验舒适度，实时地规划行驶轨迹。运动控制模块则根据规划的行驶轨迹，结合环境感知模块输出的当前位置、姿态和速度，产生对油门、刹车、方向盘和变速杆等器件的控制指令。

研究主要包括两个方面：首先，探索单目和多目以及深度视觉系统在家庭辅助机器人中的应用。利用机器视觉对室内环境进行三维建模和定位，识别并跟踪移动的物体和人，并以此进行精确和高效的路径规划以及对简单物体进行操作，如抓取小物件等。在算法层面探索视觉和控制的融合，以及增强学习算法的深入应用。开发出可以与人进行简单协作的机器人原型系统。同时，在工业应用方面，开发高速机器视觉系统在机器人作业中的应用，利用机器视觉对生产线各环节定位、检测，利用逆运动学方法计算机器人的控制数据，对机器人出现故障时的利用视觉数据进行自动诊断和恢复，在自动化生产线的基础上进一步提升智能化水平。

中心的主要方向包括：以大量数据分析为基础，借助先进的计算机图像处理、计算机建模、深度学习等手段，完善优化现有算法，以期得到更精准更丰富更系统化的医学影像信息；将人工智能视觉技术、医疗大数据和深度学习方法相结合，为疾病诊疗提供更加高效、准确、便捷的智能医学影像分析和诊断结果预测；针对移动性、远程医疗和云医疗等需求，为智能医学影像的多途径、多平台应用开发相应的技术手段和技术平台；综合多种成像技术的内在优势，借助先进数据分析及处理技术，实现多模态多尺度下对人体器官、结构和功能的可视化表现；针对现有医疗成像技术的缺陷，研发基于非传统物理原理的新型生物医学及人体成像检测技术，实现和传统主流成像检测手段的互补；研发半监督的深度学习技术，将有限的有标注样本数据充分利用起来，但又不过于依赖标注数量。此外，我们将把数据驱动与知识驱动的建模方法结合起来，把医生的知识与经验进行数字化，进一步减轻对数据的数量与质量的依赖；开发数据融合技术，把医疗影像数据与其它类型的数据结合起来，比如基因检测数据，病例数据等，帮助实现以病人为中心的精准医疗的目标；研发医生与人工智能系统和大数据的先进的交互技术，比如用虚拟现实（VR）和增强现实（AR）技术来可视化影像数据，帮助医生发现数据中更深层次的关联。