本文介绍了生物特征识别技术的发展现状。生物特征识别技术已广泛应用于手机解锁、社区门禁、餐厅用餐、超市结账、高铁站进站、机场安检和医院就诊等领域。其中，人脸、虹膜和指纹等生物特征被广泛采用。此外，本文还介绍了3D特征识别技术的发展进展。

激光雷达和双目相机作为无人驾驶领域中重要的环境感知设备,两者之间的外参配准是其联合应用的重要基础,然而两种信息的融合意味着繁琐的校准过程。基于此,提出一种基于特征点对匹配求解的方法,采用两块矩形木板,分别提取双目相机与激光雷达坐标系下的木板边缘3D点云,拟合空间直线求取角点坐标,最后利用Kabsch算法求解配对的特征点之间的坐标转换,利用聚类法去除多次测量结果中的异常值,并求取平均值。通过搭建实验,所提算法可在Nvidia Jetson Tx2嵌入式开发板上实现,获得了准确的配准参数,验证了理论方法的可行性。此配准方法简单易行,可自动完成多次测量,相比于同类方法精度也有所提高。

CNN 深度网络由内置特征提取（展平）层和分类层组成。 通过省略特征提取层（转换层，Relu层，池化层），我们可以将诸如GLCM，LBP，MFCC等特征直接提供给CNN，仅用于单独分类。 这可以通过仅使用全连接层构建 CNN 架构来实现。 这有助于对音频数据进行分类。 http://cs231n.github.io/convolutional-networks/访问此页面以了解有关架构的疑问。 我使用过 C->R->F->F->F 架构