基于改进YOLOv5s和传感器融合的目标检测定位

针对无人车环境感知过程中相机无法提供道路目标的位置信息,激光雷达点云稀疏以致检测方面难以达到很好效果的问题,提出一种通过融合两者信息进行目标检测和定位的方法。采用深度学习中YOLOv5s算法进行目标检测,通过联合标定进行相机与激光雷达外参的获取以转换传感器之间的坐标,使雷达点云数据能投影到相机图像数据中,得到检测目标的位置信息,最后进行实车验证。结果表明,所提算法能在搭载TX2嵌入式计算平台的无人车自动驾驶平台上拥有27.2 Hz的检测速度,并且在一段时间的检测环境中保持12.50%的漏检率和35.32 m的最远识别距离以及0.18 m的平均定位精度。将激光雷达和相机融合,可实现嵌入式系统下的道路目标检测定位,为嵌入式平台下环境感知系统的搭建提供了参考。

基于等离子体技术的污水处理

通过搭建气液两相介质阻挡放电的污水处理装置,对配置的罗丹明B有机溶液进行模拟污水处理实验。将处理后的实验水样进行吸光度检测,分析不同处理条件下罗丹明B溶液的浓度变化,发现处理30 min后,罗丹明B的降解率可达97.36%,处理效果较好。同时,通过分析不同放电频率下的降解效果,发现存在最佳放电频率,并且降解效果与接地电流的最大频率成反比。通过检测处理水样的COD,发现处理后可以达到国家排放标准。最后结合等离子体水处理技术的降解机理,分析了罗丹明B的降解过程。