为了解决延拓法对不同深度磁源的磁测数据进行分离时, 向上延拓高度确定困难以及延拓导致深源信号损失的缺点, 提出了在延拓法的基础上利用二维变分模态分解对磁性目标进行分离。首先, 利用最佳延拓高度估计法对磁测数据进行第一次分离, 得到分离后的局部异常与区域异常数据; 然后, 利用二维变分模态分解对分离后的浅源局部异常进行第二次分离, 该过程无需计算延拓高度, 能够自动对不同频率的磁测数据进行分离; 最后, 利用该方法对不同深度磁源进行识别, 通过将分离得到的磁异常Bz分量数据转化为磁梯度张量数据, 实现了对不同深度磁源的磁梯度张量数据进行分离, 获得对不同深度磁源的识别结果。实验结果表明: 实测中对小尺度磁性体组合磁源(高度差为26 cm)的分离数据与单目标观测数据的互相关系数在0.966 4以上。相比传统的延拓分离方法, 提出的方法的分离精度更高, 抗干扰能力更强。

为了识别植被场景中的叶片和相邻障碍物,提出了一种三维激光雷达的目标检测算法。以雷达点云中的相邻点构建邻域特征,提取新的特征参数作为判别依据,采用期望最大算法求得混合高斯模型以表征特征参数的分布情况;最后,利用马尔可夫随机场建立先验模型,在最大后验概率框架下采用图割法进行求解,得到最优目标函数。该算法已成功应用于无人驾驶平台。研究结果表明,该算法能有效地识别叶片及其邻接障碍物,可以清楚地分辨障碍物边界。与传统算法相比,该算法具有更高的稳健性和准确率,且其实时性满足实际应用的需求。

针对从三维激光雷达点云中准确实时地分割地面的问题，提出一种基于扫描线段特征的地面分割算法。算法首先对三维点云进行去噪和位姿修正，接着依据相邻点间的欧氏距离和绝对高度差分割扫描线，然后对扫描线段的相邻线段间距、倾斜度、绝对高度差等特征进行分析，采用最大似然估计法求解特征阈值函数，提高了阈值的自适应性；最后综合考虑起伏、倾斜等复杂地形，通过制定横、纵向分类策略将扫描线标记为平坦地面线段、坡面线段和障碍物线段。本算法已成功应用在地面无人平台上，使用情况和对比试验表明，在城市和野外场景中，本算法都能够稳定高效地分割地面。

环境感知是无人驾驶的核心技术之一,而利用三维激光雷达进行障碍物检测一直是国内外的研究热点。本文首先按照传感器的种类介绍了无人车障碍物检测方法的分类,然后介绍了基于三维激光雷达进行障碍物检测的基本原理,之后详细分析了基于三维激光雷达进行障碍物检测的传统方法。其中深度学习是二维图像目标检测及分类的重要方法,在介绍三维激光雷达点云特点的同时分析了点云深度学习的挑战,最后详细分析了三维点云深度学习在障碍物检测方面的研究现状以及发展趋势,并且介绍了自动驾驶领域的KITTI数据集和ApolloScape数据集。

针对车载三维激光雷达在工作前需要对安装外参数进行标定的问题, 综合考虑激光雷达的扫描光束不可见、多线式扫描等特点, 提出了一种激光雷达外参数的标定方法。首先对普通纸箱进行扫描, 以纸箱两个侧面和地面间的相互垂直关系作为约束, 采用随机抽样一致性算法(RANSAC)在获取的点云数据中拟合出三个平面的初始模型, 并通过旋转、平移步骤优化平面模型的拟合精度, 从最优模型中提取同名向量和同名点; 然后基于空间向量的三维坐标系转换模型, 对激光雷达的旋转和平移参数进行求解, 只需采集一次数据即可完成所有外参数的标定; 最后结合仿真和在标定后对室外环境三维重建的结果, 验证了算法的有效性。

为了研究气压对车载光电系统成像质量的影响，在分析气压变化对光电系统离焦影响的基础上，建立了气压引起光电系统成像模糊的数学模型。通过建立某轮式火炮瞄准镜的光学系统模型，并设置不同的环境气压对系统模型进行仿真分析，最终得到了不同气压下该瞄准镜的成像仿真图像。利用灰度平均梯度法对仿真图像进行评价，并得出结论：环境气压越低，图像越模糊，该瞄准镜的成像质量越差。此研究对新型车载光电系统的环境适应性设计具有重要的参考价值。

为了研究温度对车载瞄准镜成像质量的影响，在分析温度变化对光学系统结构参数影响的基础上，以某火炮瞄准镜为研究对象，建立其光学系统模型，通过设置不同的环境温度对系统模型进行了仿真分析。利用弥散斑的均方根值来表征光学系统的成像质量，得到了不同温度下该瞄准镜成像质量的变化规律。仿真结果表明：该瞄准镜在低温环境下的成像质量总体优于高温环境，并且在－20 ℃左右达到最优。此研究为进一步评估温度对车载光电系统成像性能的影响打下了良好基础，为新型车载瞄准镜的环境适应性设计提供了重要的参考。

针对振动影响光电系统成像质量的问题,利用六自由度隔振系统和图像采集系统组合搭建了相应的模拟光电成像试验系统,通过振动台试验采集不同振动环境下的图像序列,对采集到的图像清晰度进行计算来分析振幅和频率等振动的参数对成像质量的影响.试验结果表明,对于光电成像系统,振动的振幅相比频率对成像质量的影响更大.对于不同频率的振动,在各阶频率的振幅相等的情况下,高频振动对成像质量的影响大于低频振动.试验研究成果对于探索和了解振动对光电成像系统成像质量影响的机理研究具有一定的参考和应用价值,同时对于工程实际中减振方案的设计和减震器的合理选择具有一定的指导意义.

车道检测算法的研究是智能车辆基于道路标识线或边界信息自主导航的首要环节。根据道路先验知识和驾驶员视觉处理经验，将道路图像分为近景和远景区域，近景区使用直线模型拟合车道线，远景区切换直线模型或三次曲线模型匹配车道线。融合道路图像的梯度幅值、梯度方向和灰度特征信息，建立概率判别函数，采用基于遗传算法操作的改进粒子群优化算法，快速搜索关于概率函数的最优模型参数，实现对车道的检测。对实际道路图像的试验结果表明，在路面存在阴影、光照不均匀、车辆遮挡以及车道标识线污损情况下，该算法都能很好地识别车道，具有很强的鲁棒性。

油液原子光谱信息量大且具有模糊性， 严重影响了在故障诊断中的应用效率和精度。 为选择数量少、 效率高的光谱特征， 提出了一种光谱特征选择的新方法。 基于齿轮箱实验台架， 模拟了齿轮正常磨损状态和两种典型故障， 并采集了油液样本。 将三种磨损状态视为三个Vague集， 光谱特征值视为Vague集上的Vague值。 基于Vague值之间的相似度量， 定义了平均Vague敏感度(mean vague sensitivity， MVS)， 用来描述光谱特征对不同磨损状态的敏感程度， 并据此选择出对磨损状态敏感度高的光谱特征。 此外， 针对Vague集隶属度的确定严重依赖人为经验的问题， 利用Parzen窗法分别估计出三种状态光谱数据的概率密度分布后， 结合贝叶斯公式确定出Vague集的隶属度上、 下限。 实验表明， 此方法可以有效地从大量光谱特征中选择出对故障敏感程度较高的特征。