基于GM-APD激光雷达数据融合的小目标检测

GM-APD激光雷达具有单光子探测灵敏度,大幅降低了系统体积和功耗,但受像元数限制,难以获得远距离小目标清晰轮廓,目标检测率不高。针对该问题,提出了基于强度像和距离像多级处理的小目标深度学习检测算法,充分挖掘强度图像和点云特征信息及相互关联性,提高小目标检测概率。通过改进特征金字塔网络,将感受野模块和注意力机制模块与特征提取网络相结合,增强强度像初筛目标准确性,在候选区域内将强度像与距离像融合成带有强度信息的四维点云。然后,使用动态图卷积网络对候选区内目标进行二次检测,利用点云信息进一步筛选候选框内的目标。经GM-APD激光雷达远距离车辆数据集测试,网络的检测准确率达到98.8%,对于车辆结构不完整,车辆回波弱,背景存在强反射光斑等复杂场景有很好的鲁棒性。相较于SSD,YOLOv5等较为先进的目标检测网络,检测准确率分别提升了3.1%与2.5%,该算法为激光雷达弱小目标检测识别提供了一种可行性解决方案。

基于红外热成像的微波场中液体加热特性研究

根据红外热成像原理,提出了基于红外热成像的微波加热特性研究方法.以乙醇、食盐水、蒸馏水为实验材料,分别研究不同微波输出功率和不同液体对微波吸收功率和微波穿透深度特性的影响.实验结果表明,微波输出功率和液体的介质损耗值越大,液体的微波吸收功率越大,液体的微波穿透深度与液体的介电性质有关,与微波输出功率无关.所提出的方法得到的结论与理论计算一致,可用于对不同液体的微波吸收功率和微波穿透深度特性的对比,为微波加热特性和高效利用微波能提供了新的研究方法.