基于机器学习的阵列层析SAR建筑物目标提取方法

阵列层析SAR通过交轨向布置多个不同高度天线、方位向合成孔径和斜距向大带宽信号，具备三维成像能力，单次航过即可实现观测区域的三维点云获取。受限于阵元数目和基线长度，高程向分辨率较低，同时建筑物区域存在叠掩，在三维重建过程中提取建筑物目标特征效率较低。针对这个问题，该文提出了一种基于机器学习的建筑物目标识别和提取算法，通过基于多元线性回归的点云分割、基于梯度算子的边缘提取和基于聚类分析的建筑物分区重建，进行建筑物立面、顶面和地面的提取，能够得到较好的立面与地面相交的脚印信息，大大提高了特征提取效率。通过国内首次机载阵列层析SAR实验数据处理结果，验证了该方法的有效性。      

一种面向智能驾驶的毫米波雷达与激光雷达融合的鲁棒感知算法

基于多传感器融合感知是实现汽车智能驾驶的关键技术之一,已成为智能驾驶领域的热点问题.然而,由于毫米波雷达分辨率有限,且易受噪声、杂波、多径等因素的干扰,激光雷达易受天气的影响,现有的融合算法很难实现这两种传感器数据的精确融合,得到鲁棒的结果.针对智能驾驶中准确鲁棒的感知问题,该文提出了一种融合毫米波雷达和激光雷达鲁棒的...