主要研究方向
1. 视觉深度感知与三维重建.
2. 生物图像信息学.
研究方向简介
在计算机视觉领域。我们的研究兴趣集中利用计算机视觉技术对环境进行三维感知和对环境图像进行语义理解。我们围绕着机器人导航、自动驾驶等应用场景下的多种三维感知技术进行研究。在双目及多目立体视觉被动感知技术方面，我们首次提出了利用帧间相关性加速视频序列中的立体匹配问题，该方法在不降低视差计算精度的前提可以显著提升基于深度学习和非深度学习方法的立体匹配速度，我们在嵌入式系统中实现的双目立体视觉系统达到了国际先进水平。我们同时在激光雷达点云的语义分割、配准上也取得众多成果，利用算法优化和GPU加速我们实现在低功耗嵌入式平台上的实时三维重建。针对机器人导航、自动驾驶等应用场景，我们进一步发展和完善了双目视觉的同步定位与地图构建问题，提出并实现了利用深度图像加速地图构建。此外，我们在目标识别、图像语义分析等领域也取得若干成果，例如我们针对多模态图像中的目标识别问题提出了全新的深度网络架构和数据增强及训练方法，显著提升了算法的性能。
在生物图像信息学领域。我们关注机器学习、计算机视觉理论在生物医学工程、生命科学等交叉学科领域的应用研究。我们发展了一系列采用计算机视觉技术对荧光显微图像中的细胞进行高通量量化分析的工具：AxonQuant，MitoQuant等，用以帮助生命科学家在微观层面对细胞的形态、动力学特征进行分析，我们首次提出了线粒体的速度空间分布动力学模型，这些方法和工具或得了领域内科学家的广泛认同和关注。我们同时开展了荧光显微图像增强及超分辨率显微成像中的单分子定位问题的研究，我们提出的移变点扩散函数模型极大的提升了真实荧光显微图像的反卷积重建结果，这个模型在单分子亚像素定位、光片显微图像增强等领域都加大的应用潜力。
上述研究成果得以在ECCV、Optcal Express等领域内有影响力的国际期刊及会议发表，同时我们也取得了若干中国发明专利授权。
