【摘 要】
：
为了检测工业零部件在加工使用过程中的所产生的缺陷,提出了基于点云边缘特征缺陷检测方法;方法首先将采集到的点云数据通过精简、滤波、提取关键区域的方法进行预处理;然后将待处理的点云通过以点云边缘为特征的方式来实现SAC-IA粗配准,通过ICP算法完成精配准;最后通过求取配准完成后的点云差异来实现缺陷检测。通过实验验证了算法的可行性。
论文部分内容阅读
为了检测工业零部件在加工使用过程中的所产生的缺陷,提出了基于点云边缘特征缺陷检测方法;方法首先将采集到的点云数据通过精简、滤波、提取关键区域的方法进行预处理;然后将待处理的点云通过以点云边缘为特征的方式来实现SAC-IA粗配准,通过ICP算法完成精配准;最后通过求取配准完成后的点云差异来实现缺陷检测。通过实验验证了算法的可行性。
其他文献
本文根据5G网络结构及特点,从裸光纤直连方案、综合区接入方案两个方面入手,提出具有可行性的前传快速接入方案,最后对前传快速接入方案进行对比分析。结果表明:前传快速接入方案具有非常高的可靠性和可行性,不仅可以拉近配线光交距离,还能保证接入的高效性和针对性,为缩短5G建设周期,提高5G建设水平打下基础。通过加强对前传快速接入方案的应用和对比分析,不仅可以最大限度地提高5G网络建设水平,满足无线开站的需求,还能保证传输基础资源建设的高效性和针对性。但是,5G基站相对于4G基站具有覆盖范围小、站点密度大等特点,因
在事务查询、物联网平台上,ARM具有能效比高的优势,获得大量的应用。本文将针对ARM架构在物联网应用的开发与,分别从系统的总体设计、系统的搭载运行环境、性能设计与安全设计多个方面进行分析与探讨,对ARM在物联网上的开发有研究意义。随着ARM架构的CPU核心频率提升,在算力上已追上X86架构的CPU,且在能耗指标上大幅优于X86。多核心、
在工地实际施工中,由于工人未佩戴安全帽而时常发生安全事故,基于此现象提出了一种基于YOLOV3的安全帽检测算法。实验结果表明:YOLOV3算法对佩戴安全帽的准确率达到90.6%,对未佩戴安全帽的准确率达到89.5%,检测速率为23fps。中国作为基建大国,建筑业事故持续保持在高位,安全帽作为保障工人生命安全的重要保障,务必确保每个工人都佩戴安全帽,
在电气运行过程中,漏电保护主要发挥保护电路的作用,对非正常电流可以快速识别,切断电源达到保护电气运行安全的目的。电气安全漏电保护可以用于油田建设等多个领域,对于建筑安全施工以及设备安装等都具有十分重要的作用。本文对漏电保护在电气安全方面的运用方式进行阐述,旨在提升电气系统运作安全系数,减少因漏电产生的安全隐患。随着社会经济的不断发展,安全问题成为了人们关注的舆论重点。电气安全作为日常生产的重要基础,如出现漏电问题,则可能对电气系统产生巨大影响,对人们日常用电或生产用电产生影响。电气漏电不仅关系着线路安全,
随着IP技术的产业化规模日益壮大,基于IP的视频传输技术趋于成熟,物联网、5G、WiFi6、IPv6等新一代信息技术无一不与IP技术紧密结合,特别是采用IP组播技术,即使用户数量成倍增长,主干网络流量也不会随之增加,为打造“智慧广电”,IP化转型升级是创新发展的必由之路。更是为广电开展直播业务IP化提供了先决条件。
CNC机床生产能耗巨大,其海量生产数据存储在不同机器上,具有高噪声,多维度等特点。如何从存储在不同机器上的生产数据中挖掘工艺参数对机床能量消耗影响规律,以及从众多工艺参数中剔除冗余变量成为了业界关注问题。本文通过建立L1/2正则子模型,算法上将原模型转换为自适应Lasso,再通过线性变换转化为Lasso求解问题,通过坐标下降法求得其迭代公式,最终迭代形式易于将算法推广至分布式。后通过Spark计算框架进行实现。结果表明,在CNC机床能耗预测方面,分布式L1/2正则子可以达到预期效果。
内存漏洞包括内存泄漏(Memory Leak)、重复释放内存(Double Free)和释放后读写(Use after Free),均源于内存的动态分配过程。内存泄漏是指应用程序运行过程中未及时将动态分配的堆区内存释放,导致可用内存持续减少,进而造成系统内存耗尽,运行缓慢甚至崩溃的严重问题。重复释放同一块内存、释放后读写会造成指针访问未知区域,这两种漏洞均会导致不可预测的结果。Linux内核基于C语言编写,在具有高运行效率的同时也存在着较大的内存泄漏隐患。内核在管理内存资源的同时,也占用内存资源,不合理的
机载通信设备通常接收处于低信噪比环境,且发射功率受限,本文基于机载通信系统可靠性高、有效性高的双重特点,对比分析了1/3码率Turbo码和经过删余处理后的Turbo码性能和特点。仿真表明,码长越长,误码性能越好,机载通信系统应折衷选择合适的码长;此外经过删余处理的Turbo码既能提升通信系统可靠性,还具备更高的传输效率,更加适合高速机载通信系统使用。
随着全球范围内风电装机总量的逐步增加,风力发电领域对风机的运维提出了更高的要求。风力发电机的温度是评价风机运行状态的重要指标之一,其预测值可以用于风力发电机的故障预警等应用场景。本文介绍了一种基于梯度提升回归树对风力发电机温度进行预测的方法,首先使用皮尔逊相关系数法选取发电机温度的特征参数,利用正常工况下的历史数据,使用梯度提升回归树建立发电机温度的归回预测模型,最后将采集的实时运行数据输入到该模型中,得到对应的发电机温度预测值。本文通过实验,有效并准确地预测了风力发电机的温度值,拟合度达到96.42%,
预测,是一类科学问题的总称,是用来推测和估计目前尚未发生或还不明确的事物。许多行业都会遇到预测问题,比如宏观经济预测、天气预报、人口数量预测、GDP发展预测等。对于预测,一般是在一定理论的参考下,以过去事物发展的规律和目前情况作锚点,将搜集到的历史数据作为预测基础,并在严密的分析和理论计算上,认识事物内在的发展规律,进而对未来的发展变化做出较为准确的估计。电力系统负荷预测是根据电力负荷的历史数据,搜集历史天气数据、降水量等天气影响,经济的繁荣和萧条,社会现状等基础数据,并作为预测支撑,搜寻负荷与其他相关因