相邻障碍物的分割是无人驾驶领域的技术难点，低线激光雷达点云稀疏，无法聚类远距离物体，但激光雷达线束越多越昂贵。为了实现低成本聚类分割相邻障碍物，实验场景选取常用交通场景对象相邻的人/人、人/车，提出了一种基于多帧融合的相邻障碍物分割方法。基于惯性测量单元、激光雷达融合多帧点云，解决了低线激光雷达因分辨率低而无法聚类远距离相邻行人的问题。提出改进的欧式聚类，加入自适应阈值和向量角度约束两个新的分割标准，提高相邻障碍物的分割效果。实验结果表明，该方法具有成本低、聚类精准等特点，与单帧传统欧式聚类算法相比，该方法针对相邻障碍物分割的准确度提升约30.7%，对低线激光雷达在障碍物聚类以及后续的检测具有一定参考意义。

为了进一步提高自动驾驶感应模块中激光雷达点云地面分割算法的分割精度，提出一种基于种子点距离阈值和路面波动加权幅值自适应的地面点云分割算法。该算法在极坐标栅格地图划分的基础上，将种子点的选取判断阈值与二维平面的水平距离特征相关联，通过点云间的水平距离变化控制种子点集的更新；在道路模型拟合过程中，为解决斜坡路面模型更新停滞问题引入坡度连续性判断准则，根据路面波动加权幅值的变化建立点云的分割阈值方程，最终实现关于点云距离特征的自适应阈值分割。对开源数据集Semantic KITTI进行点云二分类数据处理，并在此基础上测试算法性能。实验结果表明：与现有算法相比，本文所述地面分割算法的精确率和召回率均提升了2%~4%，具有较高的准确性。

针对单帧复杂背景红外图像点目标检测算法存在复杂背景下处理效果不理想、处理时间长的问题，提出了一种层次卷积滤波检测算法。主要分为两个部分：第一，根据红外小目标特性，设计一种层次卷积滤波的算子，对图像进行滤波处理，实现图像中小目标的增效和背景抑制的效果；第二，采用基于最大值的自适应阈值方法，对图像进行二值化操作，过滤背景杂波，最终提取到待检测的目标。在大量不同背景红外图像中进行实验，论文算法在背景抑制因子和信噪比增益的性能量化结果上优于现有5种典型红外弱小目标检测算法的性能结果，且平均处理时间仅为高斯拉普拉斯（Laplacian of Gaussian，LoG）滤波算法的30.42%。通过实验对比，表明该层次卷积滤波算法可以有效解决在不同复杂背景下的红外图像中对小目标检测的问题。

胶接结构广泛应用于航空航天等**领域，但在工艺制作及使用过程可能会产生胶接界面脱粘缺陷和损伤，由于太赫兹无损检测技术对非金属材料良好的穿透性能，已被广泛应用于复合材料的无损检测中，太赫兹无损检测技术在多层胶接结构样件胶层内部缺陷的无损检测方面具有较大优势。利用反射式太赫兹时域光谱系统检测多层胶接结构样件，得到的具有样件内部材料信息的太赫兹时域信号，但信号中还包含了大量的冗余特征和噪声等无效信息，这些无效信息大大降低了信号处理和分析效率。针对这一问题，文中提出了基于二阶梯度法提取太赫兹时域信号有效特征，以飞行时间误差为限制条件基于信号的时域特征自适应确定阈值，稀疏太赫兹时域信号，减少信号中冗余无效信息，实现太赫兹时域信号的有效压缩。然后，通过二值化图像分割识别多高斯恢复信号和太赫兹时域光谱系统检测信号的太赫兹图像缺陷区域。最后，制备具有脱粘缺陷的多层胶接结构样件，开展太赫兹无损检测实验。结果表明：文中算法的数据压缩率达到了81%，相比传统压缩算法离散余弦变换提高了59%，相比主成分分析算法提高了75%，相比K-SVD字典学习算法提高了26%，缩短了约80%的数据计算时间，减小了约95%数据存储空间占用，且缺陷识别偏差不超过0.05。文中算法极大地提高了数据处理和分析效率，保证了缺陷识别的精度。

为提高视觉同步定位与建图系统的定位、建图精度，克服传统算法中特征匹配搜索半径为固定值导致视觉里程计在高动态运动时特征误匹配率高的问题，本文提出一种搜索半径自适应的惯导辅助图像特征匹配方法。该方法首先对双目相机左右两帧图像进行特征提取与匹配，并获取地图点三维坐标，然后通过预积分惯性测量单元的量测值预测相机位姿，再根据误差传播定律计算预测位姿的协方差，最后利用预测位姿将地图点投影至图像得到对应像素坐标，从而根据像素坐标中误差确定地图点最有可能出现的区域半径。实验结果表明，该方法可有效缩小特征匹配的搜索半径，显著提高图像特征匹配的准确度，使跟踪线程位姿精度提高约38.09%，系统整体位姿精度提高约16.38%。该方法可为每个特征点提供自适应区域约束，提高特征点匹配的准确度，进而提升系统位姿估计精度，构建更高精度的稠密地图。