機械的振動の動きの分割および視覚計測において、従来のブロック状軌跡群単位のスペクトルクラスタリングによる動き分割が、振り子光流軌跡の途切れや線速度分布の違いに起因する断片化および過剰分割の制約を抱えているため、曲率を類似度尺度とした弧状軌跡群単位のスペクトルクラスタリング分割アルゴリズムを提案し、点群登録と組み合わせて回転速度画像計測を完遂する。アルゴリズムはまず、活動サブセットの疎なガウス回帰を用いて弧状軌跡群の平均軌跡を学習し、この平均軌跡を疎部分空間クラスタリングのシードサンプルとして一次的に用いて動き分割を完了し、最後に非シードサンプルをそれらが代理するシードサンプルクラスタに再帰的に割り当てて各フレームにおける最大密度の分割点群を得る。各フレームの点群に基づき、条件付き期待点群登録アルゴリズムを通じてフレーム間の点群変換行列を求め、回転成分を抽出して振り子角度計測を完了する。有効性を証明するために、旅客車両の日次安全検査視覚自動化システムプロジェクトと組み合わせて、6種の異なる照度下での5種の車種のダブルレバー式ワイパーを対象に、3種のアルゴリズムによる振り子角度の計測精度を比較した。結果は、本アルゴリズムが等長軌跡を完全に学習でき、人為的に校正された角変位回帰値の平均二乗誤差が10％未満であり、かつ計算量が従来の交互方向乗数法（ADMM）単一反復より少なく、産業用知能製造および自動制御システムにおける機械視覚運動計測および機械視覚故障診断の応用に適すると示した。

変分光流;部分空間クラスタリング;疎ガウス回帰;RKHS空間;視覚オドメトリ;Grashofダブルレバー;リー群多様体;最大条件期待