路灯提取是车载点云目标提取的重要研究方向之一，但由于路灯上部和下部容易产生粘连和遮挡，路灯识别往往存在困难。针对此问题，考虑灯杆中部不易产生粘连和遮挡这一特点，结合灯头与灯杆之间的相对位置关系，提出了顾及相对距离的路灯点云分层提取方法。首先用布料模拟滤波（CSF）算法将原始点云分为灯头层、灯杆层和地面层，在此基础上对灯头层和灯杆层点云进行连通域分析并输出聚类；然后根据灯杆层各聚类矩形对角线长度和拟合圆内部范围提取灯杆点云；最后根据灯头中心与灯杆中心的相对距离搜索灯头点云，从而实现完整路灯点云的提取。对三组数据进行实验分析，结果表明：所提方法对数据1的正确率、完整率、质量和F1值均为100%；对数据2的正确率、完整率、F1值均为87.50%，质量为77.78%；对数据3的完整率和质量均为94.74%，正确率为100%，F1值为97.30%。所提方法能够实现对路灯点云的有效识别和提取。

针对飞行器集群系统中存在着定位精度差异较大的飞行器集群飞行情况, 以及传统主从式协同导航结构系统存在可靠性低、不能充分利用集群系统协同导航信息的问题, 提出了一种分层式结构的集群飞行器协同导航方法。该方法将参与集群的飞行器按照其定位精度高低分层, 同层飞行器定位精度相当, 一架低精度层飞行器可以同时接受多架高精度层飞行器的协同导航信息, 然后建立基于相对距离以及相对角度的协同导航模型, 最后通过卡尔曼滤波来修正低精度层飞行器的机载导航信息。仿真结果表明, 该结构相对于传统主从式协同导航结构能够有效提高集群飞行系统中低精度层飞行器的定位精度, 并可增强集群协同导航系统的可靠性和容错性能。

针对星载对地观测激光高度计大足印回波信号中多目标相对高程信息提取的问题，采用基于最小二乘的高斯分解算法对波形数据进行多目标分离，设计了全波形采集系统，并开展了地面多目标分离的算法验证实验。实验结果表明，该算法可有效分离回波信号中的多个目标，目标间相对距离偏差小于0.03m，验证了激光大足印全波形采集系统进行多目标相对距离信息提取的可行性，对星载对地观测激光高度计的系统设计及数据处理算法的研究具有重要借鉴意义。