基于微流控芯片的72重单核苷酸多态性族群推断系统的构建

建立了常染色体单核苷酸多态性（SNPs）复合检测芯片体系,用于未知个体的族群来源推断。基于前期筛选的74-SNPs组合,采用竞争性等位基因特异性聚合酶链式反应（PCR）的原理构建SNPs的扩增体系,在微流控芯片的每个反应孔内完成一个SNP的检测,通过高通量PCR微流控芯片实现了其中72个SNPs的同步检测。芯片的扩增由平板PCR仪完成,反应孔的荧光信号通过激光共聚焦扫描仪检测,最终通过提取的荧光值进行结果分析。使用该芯片检测获得52份样本的SNPs分型,分型结果的准确率为100%。以57个人群的3628个样本为参考人群数据库,进行20份样本的族群来源推断,推断结果与样本的实际来源一致。本研究建立的常染色体72个SNPs微流控芯片体系可以有效地进行SNP多态性分析检测,基于参考数据库,20份检测样本族群推断的准确性为100%。     

基于核密度估计的城市动态密集场景激光雷达定位

城市环境中的精确定位是自动驾驶领域的重点和难点,现有的激光雷达定位算法虽然能够在多数情况下保持较高的精度,但在一些比较复杂的城市动态场景中仍存在问题。针对这类场景中遮挡导致的全球定位系统定位精度下降,以及运动目标和环境变化导致的有效点云特征减少的问题,提出一个新的概率定位框架;该框架使用核密度估计的方法对改进后的多层次随机采样一致性算法和直方图滤波算法进行融合,以有效克服多层次随机采样一致性算法在部分场景中的定位波动问题,以及直方图滤波算法在位姿误差较大时的效率低下和局部最优问题。结果表明:所提框架在保证定位精度的前提下,提升了对动态密集场景的适用性,能够在现有算法容易出错的场景中实现更加稳定精确的定位,并能够容忍更大的初始位姿误差。     

基于射线坡度阈值的城市地面分割算法

针对城市环境激光雷达点云地面分割过程中坡度路面、障碍物和地面交界处存在欠分割与过分割的问题,提出一种应用于不同城市场景的地面分割算法。该算法首先利用激光雷达水平角分辨率将点云进行线序化排列,再利用射线前后点的距离比去除悬空异常噪点;随后借助射线点距离与坡度信息自适应调整高度阈值;最后利用调整后的全局与局部高度阈值进行地面分割。对3种不同类型的城市路面进行的实验验证了本文算法的有效性,该算法在不同城市场景下均可区分障碍物与地面交界处的点云与坡面,平均分割准确度达98%,平均耗时2 ms。