今年我吃超過100家餐廳小吃論文書籍站
長庚大學 機械工程學系 張耀仁所指導 陳禹仲的 使用極限學習機於壓縮追蹤法以改善視覺追蹤之穩定性 （2016），提出Visio 循序 圖關鍵因素是什麼，來自於動態光學追蹤、壓縮追蹤法、極限學習機、貝氏分類器、機械視覺。
而第二篇論文淡江大學 機械與機電工程學系碩士班 孫崇訓所指導 姚琮獻的 運用快速偵測法於視覺里程計 （2015），提出因為有 視覺里程計、直立式加速強健特徵、參數化三點透視、隨機化隨機取樣一致、循序跳越式盒子濾波器的重點而找出了 Visio 循序 圖的解答。
使用極限學習機於壓縮追蹤法以改善視覺追蹤之穩定性
為了解決Visio 循序 圖 的問題，作者陳禹仲 這樣論述：
在架構動態光學追蹤系統時，為了達到有效追蹤，並避免目標因遮蔽、姿態改變、光影條件等原因造成追蹤失敗，必須使用有學習功能的演算法，以應對目標的變化，並且在失敗後重新尋回。 本研究採用壓縮追蹤法 (Compressive Tracking; CT) 為系統的基礎架構。相較於其他追蹤法壓縮追蹤法快速許多，且擁有學習功能，但在目標物出現多尺度變化時就不易尋回，容易有追丟的現象。為了追蹤的穩定性及即時性。 本研究用極限學習機 (Extreme Learning Machine; ELM)改善分類器，進一步提昇運算及學習的效率，並且針對原演算法目標更新不嚴謹之部分進行改善，藉由增設閥值提高判斷目
標物的準確率。 此外本研究將使用QT software規劃人機介面，讓使用者可以更方便的控制PTZ攝影機進行追蹤，並且使用多執行緒 (Multi-threading) 以避免在追蹤時的無限迴圈造成介面鎖死。
運用快速偵測法於視覺里程計
為了解決Visio 循序 圖 的問題，作者姚琮獻 這樣論述：
本論文針對視覺里程計(Visual Odometry, VO) 運用幾個演算法對即時性進行改善。首先利用雙眼視覺系所統擷取影像，影像使用直立式加速強健特徵(Upright Speeded-Up Robust Features, U-SURF)偵測地標點。加入循序跳越式盒子濾波器(Ordinal Skip Box Filter)以減少在U-SURF中對影像迴積的次數與計算時間。之後利用參數化三點透視(Parameterized Perspective-Three-Point algorithms)演算法反推視覺系統可能位置。再者利用隨機化隨機取樣一致(Randomized Random Sam
ple Consensus, R-RANSAC)演算法以剔除其他錯誤位置解。最後以地面基準實驗證明改善效果。