【摘 要】
：
数字化检测技术的不断发展使得点云分割成为三维点云处理的热门研究方向.区域生长算法广泛应用于点云分割,本文针对目前区域生长算法的局限性,提出基于距离判断函数的点云分割算法.使用八叉树构建拓扑关系,引入距离判断函数判断种子点的属性,计算种子点到其切平面的法向距离,将距离阈值作为依据划分平缓点和尖锐点;根据种子点与邻域点法线夹角筛选邻域点,合理设定曲率阈值,确定区域生长准则.选取钢轨扣件为试验对象,钢轨扣件是铁道线路关键连接件,实现钢轨扣件的精确分割有利于优化特征提取.点云分割的试验表明,基于距离判断函数的方法
【机 构】
：
上海工程技术大学 机械与汽车工程学院,上海201620;上海空间推进研究所,上海201100
论文部分内容阅读
数字化检测技术的不断发展使得点云分割成为三维点云处理的热门研究方向.区域生长算法广泛应用于点云分割,本文针对目前区域生长算法的局限性,提出基于距离判断函数的点云分割算法.使用八叉树构建拓扑关系,引入距离判断函数判断种子点的属性,计算种子点到其切平面的法向距离,将距离阈值作为依据划分平缓点和尖锐点;根据种子点与邻域点法线夹角筛选邻域点,合理设定曲率阈值,确定区域生长准则.选取钢轨扣件为试验对象,钢轨扣件是铁道线路关键连接件,实现钢轨扣件的精确分割有利于优化特征提取.点云分割的试验表明,基于距离判断函数的方法分割正确率增加4.20％,提高了钢轨扣件分割的稳定性和准确性.
其他文献
通信调度是无线传感器网络中最基础且重要的问题之一,决定了无线传感器网络的可行性及性能,因此引起了国内外学者的广泛关注.通过对网络中传感器节点的调度,使其高效协作地完成网络中的监测、计算等任务.主要包括广播调度问题、数据收集调度问题、以及数据聚集调度问题.本文对现有无线传感器网的通信调度算法进行了性能比较分析.
针对轮式机器人在路径规划中存在的问题,提出融合改进A?和DWA的轮式机器人路径规划方法.首先针对A?算法冗余点多、耗时长、拐点多等问题,提出双向A?和跳点算法相结合来提升全局路径规划效率;其次针对DWA寻找的路径非最优以及无法应变环境的问题,选取全局最优路径上优化后的跳点作为DWA的关键点,引入关键点评价子函数和自适应速度权值.融合改进的A?和DWA算法,既保证了全局路径最优,还可根据障碍物数量和分布,调整速度权值,兼顾速度和安全性.经在MATLAB仿真环境中验证:融合改进A?和DWA的轮式机器人路径规划
尺度不变特征变换即SIFT算法存在实时性差,易误匹配等固有问题,本文针对性地提出了特征描述符降维处理和匹配优化解决方案,得到一种能满足更高实时性和精确性需求的特征匹配算法.通过使用特征点为中心的9个同心圆环梯度累计值,构建72维特征向量,进行特征描述符降维,达到简化特征描述的目的,从而减少描述符的生成和匹配时间.此外,结合匹配点择优筛选和RANSAC算法匹配提纯,有效地减少了误匹配.实验表明:改进优化后的特征匹配算法既显著地提高了特征匹配精确度,又改善了算法自身实时性.
中国是煤炭资源大国,随着地下煤矿资源的开采,矿区地表产生开采沉陷,地表高程也随之发生着变化,给矿区带来了巨大的地质环境灾害影响.InSAR作为一种可以大面积、快速、高精度、全天时、全天候地获取地表DEM的技术,有着极大的应用前景.本文对InSAR技术的核心步骤相位解缠进行研究,并以两幅2017年11月份覆盖朱集东矿区的哨兵1数据进行DEM提取实验,得到该地区的数字高程模型后,将提取的DEM与下载得到的DEM进行比对,误差为0.79m,精度达到一般地形建模应用要求,证明该研究成果对矿区地表DEM数据获取有着
为了对下旋球发球的整体性进行研究,本文通过标记点对乒乓球运动员关键部位和乒乓球拍进行标记,利用三维运动捕捉系统对整个下旋球发球过程进行研究.针对传统算法中的分类模型适应性差、分类精度不足和LSSVM相关参数的选取随机性强等相关问题,提出了将3种算法结合在一起对乒乓球发球规范性分类的新方法.通过分析下旋球发球的影响因素,选取9个特征向量,并对其进行效果测试,最终确定8个特征向量;通过PCA进一步提取特征向量,把提取结果输入到LSSVM中,用PSO算法优化;根据对比其他几种优化算法,建立了改进的PCA-PSO
针对数据缺失问题,本文在完全随机缺失的前提下,对完整数据集进行不同比例的挖空处理,并使用K近邻算法进行缺失值填补;采用交叉验证法优化K值;最后借用高斯函数,对传统K近邻算法进行加权处理,提出加权K近邻算法.实验结果表明,不论K取值多大,加权K近邻算法填补效果均优于传统K近邻算法;且K=2时,两种算法填补效果达到最佳.
部分联合学习模型使用同一个编码器对实体识别和关系抽取这两项任务进行编码,但是单个编码器不足以捕获同一空间中两个任务所需的信息,本文通过使用序列编码器获取实体标签,表格编码器获取关系标签的双编码方式改善这一缺陷;与此同时,为了让整个模型更快、更好的收敛到理想效果,在双编码器模型的基础上加入了最小风险训练来优化全局损失函数.与现有的主流模型在4个标准数据集上进行对比发现,本文模型相较主流模型在评价指标上均有一定程度的提升.
针对目前图像配准算法存在的配准时间较长、配准正确率低等问题,本文提出一种基于改进分层随机选择一致性(Stratified Random Selection Random Sample Consensus,SRS-RANSA)的图像配准算法.首先,通过ORB(Oriented FAST and Rotated BRIEF)算法对参考图像进行特征点提取;其次,采用最小距离法初步过滤匹配中存在的误匹配数量;最后,随机抽样一致性(RANSAC)框架中通过分层随机选择(SRS)提取分布相对分散且均匀的特征点,进一步
高维数据中存在着成千上万个特征,大量的特征导致问题搜索空间过大,增加了计算代价,影响了数据分类预测的准确性.为了提高特征选择的效率,本文提出了一种对称不确定性和种群降维机制的粒子群特征选择算法,该算法设计了一种基于对称不确定性指标的初始化方法,降低特征选择的计算代价.通过非支配排序的种群降维机制,减少进化过程中冗余特征的影响.在5个公开生物医学的高维数据集上的实验结果表明,该算法能够针对高维数据特征选择问题取得更好的分类精度和更小的最优子集特征个数,并在时间运行方面有一定的优势.
目前的语音重放攻击检测系统中,绝大部分性能良好的系统采用的特征和网络模型的数据量都很大,训练速度慢、对设备要求高.因此本文提出了一种基于CQT(Constant Q Transform)变换的时间帧压缩方法,以减小特征尺寸和网络模型参数量,从而加快训练速度、降低设备要求.首先,将语音信号的CQT谱在时间帧维度上压缩,得到一维特征,成百倍地减少特征数据量;其次,对应设计一维小型残差网络模型,以辅助进一步减少数据量;最后,在ASVspoof2019挑战赛的PA数据集上训练并测试网络模型性能.实验结果表明,本文