针对单一传感器难以解决激光雷达在运动场景中因为点云畸变和误差累积产生的运动失真与定位精度差的问题，提出一种融合惯性测量单元数据和轮速计数据的激光雷达点云畸变矫正与定位方法。首先，以激光雷达数据为时刻基准，利用积分的方法对惯性测量单元和轮速计的数据进行预处理；之后，将融合数据与激光雷达数据融合，以矫正产生畸变的激光点云；最后，利用线性插值的方式来保证传感器间数据的时间同步，并将计算的位姿作为里程计迭代计算的初值，降低计算复杂度并提高里程计的定位精度。实验结果表明，相比没有采用多传感器融合的传统方案（LOAM、F-LOAM），在公开数据集实验中，所提方法的定位均方根误差分别降低了81.11%和21.54%，在自测数据集实验中，定位均方根误差分别降低了52.76%和24.29%。

从遥感图像中提取的道路信息在城市规划、交通管理等领域具有极其巨大的价值，但由于背景复杂、障碍物遮挡以及大量类似的非道路区域的干扰，目前从遥感图像中提取高质量道路信息仍受到限制。为此，提出一种基于混合尺度注意力U-Net的遥感图像道路提取方法HSA-UNet。首先，在编码网络使用由残差结构和注意力特征融合机制构成的注意力残差学习单元，提高对全局特征和局部特征的提取能力；其次，由于道路具有跨度大、狭窄且连续分布等特点，在桥接网络加入注意力增强的空洞空间金字塔池化模块来增强不同尺度道路特征提取能力。在Massachusetts道路数据集上进行的实验结果表明，在F1、交并比等评价指标上，HSA-UNet明显优于D-LinkNet、DeepLabV3+等语义分割网络。

针对高分辨率遥感影像由于原始光谱信息较少而难以有效区分各类型植被，而且城乡植被差异往往被忽视等问题，并考虑到部分植被指数可以在一定程度上增大各植被类型间的差异，提出一种结合植被指数的深度学习植被分类网络，该网络在并联网络结构的基础上，引入密集连接模块与空洞空间金字塔池化模块，增强各类型植被特征信息差异，有效提高分类精度。除此之外，本文充分考虑城乡植被差异，分别对城市区域和农村区域进行验证分析，城市区域植被分类提取中整体精度为96.73%，F1得分为80.71%，交并比为69.91%，农村区域植被分类提取中整体精度为91.35%，F1得分为90.28%，交并比为82.41%，各项精度指标均高于其他深度学习方法。结果表明提出方法能够较好地区分各植被类型，且适用于多源遥感影像的植被分类提取，在城市绿地规划、农村基本农田监管等方面具有一定的应用价值。

在相机位姿估计任务中, 参考点位置的测量容易受测量仪器或者所处环境影响, 出现一定程度的测量误差, 其中误差较大的点对最终求解精度的影响很大, 被称为野值点。文章针对现有算法抗野值点能力较弱的问题, 提出一种基于测量误差不确定性加权的快速相机位姿估计算法。该算法以经典的正交迭代算法为基础, 引入M估计方法, 对目标函数根据参考点的测量误差赋予相应大小的权值, 最大程度地将野值点的影响排除, 并引入Kronecker积对计算过程进行优化, 减少了迭代过程中的冗余计算, 提高运算速度。仿真实验结果表明, 改进后的算法提升了原算法的抗野值点能力, 且计算速度更快。

不同的生物样本和切片,在进行拉曼探测时,会因为聚焦位置的差异及系统自身的原因导致同一光谱多次检测得到的信号强度不同,难以作定量分析。因此,需要找到一种可行性强的内标或外标的方法,从而有利于比较分析不同强度的拉曼带,实现定量检测。本文以犬类髋关节软骨切片为例,在偏振与非偏振情况下,研究标准正态变换(SNV)及多元散射校正(MSC)等常用方法对拉曼光谱的处理效果,并探究伊红染色剂(Eosin)作为一种新的内标的实际使用效果。结果发现:在非偏振条件下,MSC处理效果更理想；在偏振条件下,以伊红的特征峰1501 cm-1作为拉曼内标效果更理想。本研究证明了伊红的拉曼光谱不具有各向异性,有利于实现生物组织偏振拉曼光谱测量的归一化,且操作简单,结果更可靠。本文的结果为生物样本的拉曼光谱定量分析提供了一种可行的新方法。

在生物医学领域,拉曼光谱学越来越多地应用于目标样本或组织的在体原位无损探测。拉曼探头作为重要的拉曼检测部件,正朝着多样化和功能化方向发展。拉曼信号本身极其微弱,且易被其他噪声信号干扰,因此拉曼探头的设计生产要求极高。对现有拉曼探头的设计及构造进行了深入介绍,包括光纤选择、探头顶端设计、过滤膜/片添加和探头后端优化等;综述了拉曼探头技术在生物医学领域的拓展和应用。其中,拉曼与其他光谱或成像模式结合的探头应用,给生物医学及临床探测等领域带来了新的活力和广阔的应用前景。

如何提高卫星导航定位P码的捕获速度和精度是军用接收技术研究的热点问题之一。在GPS P码扩展复制重叠(XFAST)捕获算法和均值捕获算法的基础上, 提出一种基于时频融合的捕获算法, 通过对本地序列进行XFAST处理, 在不影响相关度的基础上扩大搜索范围,并对处理后的本地序列和接收序列进行均值处理, 相当于减少之后相关的码元个数, 也即减少了运算量, 从而达到提高捕获速度的目的。对所提算法的可行性进行了分析, 给出了算法的具体处理过程, 仿真实验验证了该方法的有效性。

为探讨原位条件下关节软骨及下骨组织成分含量变化等深层次微观信息， 采用拉曼光谱技术结合组织光透明技术来研究软骨组织的光透明效果。 选用甘油、 碘海醇作为光透明剂， 对在不同光透明剂浓度和浸渍时间下的犬膝关节股骨端软骨样本进行拉曼光谱采集。 通过计算磷酸基团(920~960 cm-1 ) 和酰胺Ⅰ带(1 595~1 700 cm-1)的积分强度， 获得拉曼强度比（磷酸基团/酰胺Ⅰ）， 探索在不同浸渍时间（10~60 min）、 不同浓度下（甘油40%， 60%， 80%和100%， 碘海醇50， 150， 250和350 mg·mL-1）组织光透明的规律， 即寻找合适的透明浓度和透明时间。 结果显示： 相比于无透明剂情形， 两种透明剂均使该强度比信号增强。 在同一时间范围内， 甘油和碘海醇分别在60%和150 mg·mL-1 浓度下能获得较好的透明效果； 而在不同浓度下， 甘油的透明效果均在20 min最强， 而碘海醇的透明效果一般是在50 min后开始增强。 在光透明剂的作用下激发光透过软骨可以直接探测到软骨下骨的拉曼光谱信息， 这为研究骨关节炎深层次病因提供了方法和思路。