基于改进DBSCAN算法的激光雷达目标物检测方法

传统的DBSCAN聚类算法是基于密度的聚类算法,原始算法在搜索精度和搜索效率上存在一定的局限性。基于LUX4线激光雷达数据点的点云特点,结合DBSCAN算法存在的不足与路面目标物的实际情况,提出了1种基于改进的DBSCAN聚类算法,选取4个代表点取代对所有点的搜索和改进搜索半径使其随扫描的距离而变化的方法,实现激光雷达目标物的快速、准确检测。通过改进DBSCAN算法对雷达数据进行去噪声和聚类处理,根据检测物在激光雷达探测中的形状特征模型进行形状匹配。实验结果表明该改进算法能较好的识别出目标物,行人检测率由原始算法的61.90%提高到了80.95%,搜索时间较原始算法缩短了44.7%,解决了原始算法精度低、搜索慢的缺点。

BEV特征下激光雷达和单目相机融合的目标检测算法研究

为提高自动驾驶汽车对周围目标物的检测精度,提出了一种激光雷达和单目图像数据在鸟瞰图特征上融合的目标物检测算法(monocular-bird’s eye view fusion,Mono-BEVFusion)。为构建相机BEV特征,搭建了简单高效的深度预测网络预测相机特征的深度,基于显式监督的方法用深度真值对其进行监督。构建激光雷达BEV特征时,将激光点云体素化为柱状网格转化到BEV特征下,设计BEV特征融合网络将激光点云BEV特征和相机BEV特征融合,将融合特征输入到目标检测框架得到目标物(汽车、行人和骑行人)检测结果。利用KITTI数据集和实车路采数据对Mono-BEVFusion融合算法进行评估,实验结果表明该算法相较于现有融合算法综合平均精度提升了2.90个百分点,其中汽车类和行人类单项检测精度分别提升3.38个百分点和4.13个百分点。Mono-BEVFusion融合算法对遮挡目标或者距离较远的目标有较稳定的检测效果,能够有效避免单传感器的漏检现象,具有较好的实际应用价值。

基于深度图像的排爆机器人目标物检测抓取方法

当前,我国反恐怖斗争形势总体平稳,但反恐怖斗争形势依然严峻复杂。爆炸类的恐怖袭击危害巨大,危害人们的生命和财产安全。随着我国综合国力不断提升,大型国际政治、经济、文化、体育活动的增多,反恐排爆机器人的需求量巨大。我国排爆机器人研究相对国外起步较晚,但发展迅速,尤其是在各项核心技术上取得较多突破。基于视觉的精准定位抓取技术是排爆机器人的核心技术。

基于PDMS编制多目标物核酸检测试纸的研究

核酸检测作为一种特异性好、灵敏度高的技术已广泛用于疾病诊断、食品安全检测和环境监测等诸多领域.但传统核酸检测方法存在成本昂贵、操作复杂、耗时和不便携等缺点,难应用于资源受限的地方.纸作为一种具有成本低廉、生物相容性好和仅靠毛细作用力驱动等优点的材料已被广泛用于核酸快速检测平台的开发中.另外,鉴于临床检测中的一份样本可能涉及多种疾病,因此,开发多目标物核酸的快速检测技术具有重要的应用价值.但目前已有的多目标物核酸检测技术存在制备成本昂贵、操作复杂且不稳定等缺点.为了解决这些问题,本文采用压力辅助的圆珠笔芯技术将聚二甲基硅氧烷(polydimethylsiloxane,PDMS)分别书写在硝酸纤维素膜和结合垫表面,室温固化后PDMS在纸表面形成疏水线,制得核酸多目标的检测试纸.之后,应用该试纸对HIV和HBV核酸的目标物进行检测.实验结果得到该HIV/HBV核酸试纸具有高特异性和高的检测灵敏度(HBV和HIV的检测限分别为0.5nM和0.25nM).本工作中提出的基于压力辅助的圆珠笔芯技术制备的多目标物核酸检测试纸具有操作简单、成本低廉和稳定等优点,未来还可用于其它多目标物的检测试纸制备中.

基于似物目标的快速行人检测算法

针对传统滑动窗口行人检测速度慢、无效窗口数量大和识别率低的问题,提出基于似物目标的快速行人检测算法。该算法首先使用改进的二值化赋范梯度算法生成目标候选集,再利用NDOG特征描述子计算目标特征。通过在INRIA和Caltech-USA两个行人数据库的分析实验,证明该算法可有效减少待检测窗口数量,提高特征表示能力,且计算时间显著降低,使用线性支持向量机作为分类器可获得较高的行人检测率。

构建乳与乳制品相关检测目标物的国际标准数据库的应用程序

为了加强对国际食品安全标准的跟踪研究,增强标准工作的技术储备,同时考虑到乳与乳制品在食品安全领域的较高关注度,本研究建立以国际乳与乳制品标准中重要检测目标物为检索路径的数据库类应用程序,为食品安全标准工作信息化、网络化提供了技术支持,为充分达成资源共享提供了技术平台,为保障人民身体健康、生命安全提供了有力保障。

一种基于智能手机平台比率荧光生物传感器用于检测Al3+和H2O

碳点作为最为新型的零维碳纳米材料,具有尺寸小(<10 nm)、优异的光学稳定性和表面易修饰等特点,因此被广泛应用于各个领域[1]。其中生物质作为来源最广泛,最廉价的碳基材料,所制备成的碳点易被引入杂原子,使其具有独特的荧光性质[2]。在本次工作中,我们利用溶热法,以樟属植物叶为碳源合成一类具有多功能的生物质碳点(BD-CDs)。在405 nm的激发下,BD-CDs在470和670 nm处具有双发射荧光。基于聚集诱导荧光增强效应(AEE),利用470 nm处的发射峰可实现铝离子的检测;根据溶剂效应,利用670 nm处的发射峰可实现水含量的检测。另外,还构建了一种基于便携式智能手机结合荧光信号对Al3+和H2O含量现场检测的平台(图1)。实验结果证明基于BD-CDs的荧光传感体系和智能手机检测平台能够达到快速,准确的检测效果,并在食品安全和环境监测方面具有很大的应用潜力。

基于惯性测量单元的激光雷达点云融合方法

针对16线激光雷达环境感知过程中,点云数据稀疏,导致对目标检测和识别困难的问题,提出了一种基于惯性测量单元(InertialMeasurementUnit,IMU)的激光雷达点云融合方法。建立了激光点云数据的融合模型,有效利用历史点云数据与历史检测结果,获得较多的环境信息,提高了目标物的检测精度。利用16线激光雷达与自研的IMU传感器进行实验验证,结果表明能够实现激光雷达点云的融合,进一步提高激光雷达对目标物的检测能力,并且以较低的硬件成本,实现更加高级的环境感知能力,对无人驾驶等技术的研究具有实际应用价值。

基于深度学习的驾驶场景数据应用

真实驾驶场景是智能网联汽车开发、测试及相关技术发展的基础条件及关键支撑,可为相关研究的开展提供重要理论依据,而目前,我国有关真实道路场景数据的相关研究比较匮乏。本文首先研究搭建Tensorflow框架用以处理视觉感知任务的深度学习平台,然后基于真实驾驶场景数据,研究智能车辆视觉感知驾驶环境所依赖的核心算法与网络模型,采用卷积神经网络Multi Net实现真实交通环境中行驶车道的分割和目标物的检测。

基于便携式智能手机的光学传感体系的构筑及应用研究

作为一种新型的现代分析技术工具,智能手机凭借高分辨率的摄像头和强大的计算能力,可以快速地捕获光学信号并对图像进行数据化[1]。与传统需要相对复杂的仪器的分析方法相比,基于智能手机传感平台可以便携和灵敏地进行现场定量分析[2]。目前我们研究小组构建了三种基于便携式智能手机光学信号传感体系:比率荧光检测Al3+和H2O,荧光-紫外双信号检测过氧化氢(H2O2)和葡萄糖,荧光-紫外双信号检测碱性磷酸酶(ALP)。通过对材料的合成、表征、性能探究及开发浓度检测App,实现了对实样中目标分析物的准确检测。