1 南昌大学物理与材料学院，江西 南昌 330031
2 南昌大学空间科学与技术研究院，江西 南昌 330031
太赫兹在高速通信、生物医学、无损检测、空间探测和安全防护等众多领域有广阔的应用前景，然而高灵敏室温太赫兹探测器是其亟待解决的难题之一。新兴拓扑材料特殊的光电子学性质为太赫兹探测开辟了新路径。基于第一性原理计算第II类狄拉克半金属NiTe2的能带结构及拓扑表面态，采用机械剥离法得到NiTe2纳米片，通过集成电路工艺制备金属-NiTe2-金属场效应晶体管，并测量其太赫兹光电流响应。结果表明，室温下NiTe2响应度可达2.44 A/W，噪声等效功率约为14.96 pW/Hz1/2，在零偏压自驱动下，响应度仍有2.25 A/W，噪声等效功率下降到9.55 pW/Hz1/2，可与同类探测器媲美，且具有较大的线性度范围，在空气中也具有良好的稳定性。该器件良好的性能对进一步促进室温太赫兹探测器实际应用及集成具有重要意义。
太赫兹 拓扑半金属 探测器 自驱动 场效应晶体管 terahertz topological semimetal detector self-driving field effect transistor 激光与光电子学进展
2023, 60(18): 1811023
华中光电技术研究所-武汉光电国家研究中心, 湖北 武汉 430223
地面战场上目标检测是精准跟踪以及准确打击的前提, 在现代无人化陆战中起着至关重要的作用。传统的图像检测方法受到光照, 天气等条件制约, 利用激光雷达技术进行3D目标检测能够显著改善车体的感知能力。针对应用于陆战无人车的检测任务, 提出了一种基于卷积神经网络的3D点云检测算法, 通过优化VoxelNet的体素化和特征融合模块设计了一组端对端的高效网络, 并改进了一种基于距离的非极大值抑制策略。实验表明原始VoxelNet在自建数据集上车辆目标AP值为78.53%, 而改进后的网络性能达84.11%, 对未来**领域的三维目标检测任务具有参考价值。
无人驾驶 激光雷达 点云 目标检测 深度学习 self-driving lidar point cloud object detection deep learning
大连海事大学 信息科学技术学院，辽宁 大连 116026
夜间环境下人车的检测与识别在自动驾驶，安防等领域具有重要意义。本文提出使用性价比较高的低分辨率红外热成像摄像机拍摄的图像来进行夜间的人车检测与识别，并根据图像独特的性质对Faster RCNN 网络进行了优化。增加多通道卷积层来适应热成像图像的灰度特性。使用全局平均池化层来适应较少的图像及类别数量，增加批标准化层来防止加深加宽网络后可能出现的梯度消失或爆炸。使用在城市夜间环境中采集的2000 张低分辨率热成像图像对网络进行训练与测试，平均准确识别率达到71.3%。相比于传统的检测手段，本组合方法在真实的场景中取得了较好的识别效果，同时提升了准确识别率，有效解决了夜间环境下人车检测与识别的问题，鲁棒性及应用价值较强。
自动驾驶 夜间环境 人车检测与识别 红外热成像 self-driving car, night time environment, detectio Faster RCNN
