针对大型桥梁车辆移动荷载监测场合中车辆的重心估计能力不足和车辆再识别困难等问题，提出一种基于点云灰度图的彩色图像与点云快速融合方法，以提高对车辆的空间定位能力和对目标的辨识能力。首先利用立体标定靶对不同视角相机和点云采集装置的位姿进行标定，获取它们彼此间的相对位置和姿态；然后利用标定的结果对不同视角采集到的点云进行拼接，得到完整的车辆点云；再将完整点云转换至彩色相机坐标系并投影，提取点云灰度图，实现彩色图像与点云灰度图的配准，将其姿态调整至与车辆实体在彩色相机坐标系内的位置和姿态一致。进一步建立彩色像素点与三维点云间的映射关系，并将颜色信息与点云相关联，从而实现彩色图像与点云的融合。利用融合后的彩色点云和相机成像模型，可以得到车辆在彩色相机坐标系中的虚拟图像，为车辆的再识别提供依据。结果显示，相比于采样一致性算法，所提配准算法缩短了约74.1%的耗时。实验表明，所提算法实现数据融合后生成的彩色点云具有较高的还原度，证明了所提算法的可行性，为解决类似的问题提供了新的思路和方法。

实木地板作为一种天然环保的地面铺装材料, 得到越来越多消费者的选择, 需求量日益剧增, 而如何快速了解和检测木材材性一直是地板选材和质量检测急需解决的问题。 采用了X射线剖面密度仪和傅里叶红外光谱仪(FTIR)两种快速检测技术, 对市场上常用的进口地板材番龙眼和香二翅豆的剖面密度和化学主要组成成分进行了快速测定; 同时采用直接测量法测量了木材的基本密度值, 并将两种地板材快速测定密度值与实测密度值进行了相关性分析。 剖面密度分析结果表明, 香二翅豆的平均密度高于番龙眼的平均密度, 两种地板材质地均匀性都很好; 相关性数据表明番龙眼与香二翅豆两种地板材剖面密度的平均值与其基本密度值都具有很好的相关性, 拟合后的相关系数达到了0.983和0.981, 所有样品的两种密度的相关系数为0.991; 傅里叶红外光谱分析结果表明香二翅豆的抽提物含量要高于番龙眼, 香二翅豆木质素的特征峰I1 507/I1 425, I1 507/I1 740的高度比值高于番龙眼的, 而纤维素的特征峰I895/I1 425, I895/I1 507高度比值低于番龙眼的, 表明香二翅豆的木质素含量高于番龙眼, 纤维素含量低于番龙眼。 由此可见, X射线剖面密度仪可以快速检测出木材的质地均匀性以及预测木材基本密度值, 而FTIR可以快速检测木材化学组分相对含量的高低, 两种方法结合可以对实木地板材以及其他木材的物理化学性能进行快速检测。

新型毒品的日益泛滥及快速更新对执法部门现场快速检测提出了越来越高的要求。 以三种典型的新型毒品为例, 利用密度泛函理论中的B3LYP杂化泛函, 在6-31G基组下优化分子几何结构以及拉曼振动频率的计算, 并利用拉曼光谱仪进行了实验检测, 用以研究拉曼光谱技术在新型毒品快速检测中的应用价值。 结果表明: 各毒品样品的理论计算拉曼光谱与实验拉曼光谱基本吻合, 理论计算光谱可以为实验光谱特征峰的归属提供参考; 各毒品拉曼特征峰的峰位差异明显, 其中冰毒特征峰为837和1003 cm-1, K粉最具有鉴别价值的特征峰为463, 659和1 046 cm-1, 而麻古最明显的特征峰为556, 1 329和1 699 cm-1, 拉曼光谱可被用于毒品的鉴别和认定; 微量冰毒及K粉残留物的实验拉曼光谱与其常量时基本一致, 拉曼光谱可被用于毒品微量残留物的准确识别; 伪冰毒N-异丙基苄胺的拉曼特征峰853 cm-1与冰毒拉曼特征峰837 cm-1存在明显差异, 因此拉曼光谱可被有效地用于以上毒品的检测; 而聚丙烯材料制成的透明包装对自身存在强烈荧光干扰的麻古拉曼光谱有较大影响。

为满足条纹相机便携化、智能化的发展需要, 研制了一种高适用性的分布式智能控制系统, 实现了对条纹相机工作参量的监测, 对电极电压、扫描工作模式的精确控制以及对图像的采集与处理.基于物联网技术框架与客户端-服务器的结构模式, 实现了有线及无线设备扩展的多机协作功能与移动监控功能.并针对该控制系统, 设计了具有自保护功能的自激型反激式可调高压电源模块, 基于自激式拓扑的简单结构, 实现了电源的小型化, 且线性调整准确度可达1%.采用Nd∶YLF脉冲激光器(脉宽8 ps, 波长526.5 nm)对应用该控制系统的可见光皮秒条纹相机进行标定, 测试得到动态分辨率为12.75 Lp/mm(CTF=14%), 动态范围为234∶1, 时间分辨率达到14 ps.

利用近红外光谱结合误差反向传播神经网络（BP）对三种人工林木材（尾叶桉、 马尾松、 南方无性系I-72杨）进行识别, 探讨隐含层神经元个数、 光谱预处理方法、 光谱范围对BP网络模型的影响, 并与SIMCA法所建模型做比较。 结果表明: （1）BP网络结合全波段（780～2 500 nm）近红外光谱数据建模, 识别正确率达到97.78%, 并确定隐含层神经元数为13; （2）全波段光谱建模比短波段（780～1 100 nm）和长波段（1 100～2 500 nm）光谱建模识别效果好, 其识别正确率分别为97.78%, 95.56%和96.67%, 用一阶导数和二阶导数对全波段光谱进行预处理后, BP网络模型识别正确率分别为93.33%和71.11%; 用多元散射校正（MSC）对全波段光谱进行预处理后, BP网络模型识别正确率为98.89%, （3）在三种波段（780～2 500, 780～1 100和1 100～2 500 nm）光谱建模的情况下, BP网络建模识别正确率分别为95.56%, 96.67%和97.78%, SIMCA模型识别正确率分别为76.67%, 81.11%和82.22%, BP网络建模比SIMCA法建模对三种人工林木材的识别正确率高。

装饰纸作为现代家居产品中必不可少的重要饰面材料之一, 不仅具有良好的装饰效果, 还可以大大地改善材料的表面性能。然而, 装饰纸外观质量的控制(如色差的评价和控制), 仍然是制约装饰纸产业发展的重要因素之一。利用人眼来判别和控制往往因人而异, 偏主观而非客观。因此, 寻找一种客观、有效的方法来代替人的视觉感官来快速判别具有重要意义。本研究利用可见光光谱结合主成分分析法对不同类别装饰纸进行了模式识别分类研究, 探讨了该技术的可行性。结果表明: (1)可见光光谱与表征装饰纸表面视觉特性的参数之间呈现出显著的相关性, 相关系数都达到了0.85以上, 多数均达到0.99, 说明可见光光谱中包含有描述装饰纸表面视觉特征的参数;(2)利用装饰纸表面的可见光光谱结合主成分分析方法所建立的模式识别模型, 对不同装饰纸表面视觉特征类型进行模式识别时, 正确率达到94%～100%, 说明可见光光谱分析技术有潜力成为装饰纸表面视觉特征快速、客观、有效识别和分类的新技术。

表面光泽度是天然高分子材料(如木材)及其制品的重要视觉参数之一, 实现天然高分子材料及其制品表面光泽度的快速测定对其表面质量的在线控制与评价具有重要意义。 为了实现近红外光谱技术对木材表面光泽度的快速测定以及拓宽近红外光谱技术在高分子材料表面质量控制领域的应用, 本研究利用近红外光谱技术结合偏最小二乘法对天然高分子材料木材表面光泽度的模型预测值与实测值的相关性进行研究, 探讨了近红外漫反射光谱技术快速测定天然高分子材料木材表面光泽度的可行性。 结果表明: (1)木材表面光泽度与其近红外漫反射光谱密切相关, 说明木材表面近红外光谱特征中包含表面光泽度的信息; (2)通过偏最小二乘法建立木材表面光泽度的近红外光谱预测模型, 模型对木材表面光泽度的预测值与实测值的相关系数可达090; (3)通过改变采谱光纤与木材样品表面的夹角获得不同的漫反射光谱数据, 分别建立不同的木材表面光泽度预测模型发现, 采集光谱的光纤与样品表面的角度变化对结果影响不显著, 光纤与样品表面夹角为90°时的结果相对较好。

利用触针式轮廓法测量了天然高分子材料木材的表面粗糙度, 并对可见光－近红外光谱与实测表面粗糙度参数之间的相关性进行研究, 探讨了非接触式光谱法快速预测天然高分子材料表面粗糙度的可行性。 结果表明: （1）样品三个切面的可见光-近红外光谱（400～2 500 nm）均可预测样品表面粗糙度, 实测值与预测值相关系数可达0.92, 其中利用样品横切面光谱所建的模型效果最好; （2）在分段光谱400～780 nm, 780～1 100 nm, 1 100～2 500 nm, 780～2 500 nm, 400～2 500 nm范围内, 所建模型表面粗糙度参数的实测值与预测值相关系数可达0.80以上, 显著相关, 其中400～2 500 nm区域所建模型效果最好; （3）光谱预处理并不能提高模型预测效果, 建议利用可见光-近红外光谱预测天然高分子材料表面粗糙度时采用原始光谱数据。

针对大气气溶胶监测的迫切需要,研制完成了用于大气气溶胶和云的结构与光学特性研究的微脉冲激光雷达系统。 主要介绍了该激光雷达系统的结构和主要技术参数，发射系统采用重复频率为2.5 kHz、单脉冲能量为6 μJ的 二极管泵浦Nd:YAG激光器,接收系统采用20 cm口径的施密特-卡塞格林式望远镜、0.5 nm的窄带干涉滤光片及光子 计数模式的光电倍增管。利用本系统对青岛地区对流层的大气气溶胶进行了观测,观测结果表明,该系统具备连续 观测对流层大气气溶胶的能力,可以很好地反映气溶胶粒子的时间和空间分布特征。