融合语义信息与物体级几何特征的实时动态激光SLAM算法

针对现有的激光SLAM算法在动态场景下鲁棒性差、定位与建图精度易受动态物体干扰的问题,提出了一种融合语义信息与物体级几何特征的实时动态激光SLAM算法Object-SuMa。首先通过地面滤波、物体分割、方向包围盒解算等过程,生成物体级几何特征并表示为纹理,用于并行计算和修正物体内部错误的语义分割结果;然后在配准过程中分解计算方向包围盒间的IOU,并基于包围盒IOU和语义分割结果引入物体级几何加权和语义加权,减少误匹配和动态点匹配;借助图形渲染管线构建并行计算过程,进行地面点配准和非地面点配准两步优化,降低计算复杂度和耗时;最后在KITTI里程计数据集测试表明,Object-SuMa算法相比SuMa++算法的相对位姿估计精度提升15%,ICP平均耗时下降17%,改善了动态场景下的激光SLAM定位精度和鲁棒性。

巧用几何特征破解圆问题

圆蕴含着丰富的几何特征。同学们做题时抓住几何特征,大胆尝试,勇于探索,可从中发现新的解法,提升自己的数学素养。兹举数例,以飨读者。

基于几何特征约束的煤矸DE-XRT精准识别方法

双能X射线透射识别煤矸仍存在厚度、硬化、余辉和扇形效应等缺陷,面向5~150 mm宽厚度煤矸分选参数波动大、识别率低。为此,提出一种基于几何特征约束的煤矸双能X射线透射多维度识别方法。该方法通过目标图像最小外接圆直径和区域面积两个几何特征区分煤矸厚度,约束X射线透射响应特征的空间分布,进而从多个维度特征削弱缺陷影响。以少量低密度煤和高密度矸石,获取X射线透射响应特征、位置特征和几何特征,结合Relief-F特征选择建立强特征组合。检验多种分类器的识别性能,选取中等高斯SVM作为多维度方法的分类模型。以强特征组合作为输入,自动创建最终决策模型并分类未知煤矸像素点,通过像素变换图像处理方法获取分选参数p值。结果显示,p值与煤矸密度呈强线性相关,利用密度可选取p值调控分选。而p值与煤矸厚度呈现弱线性相关,宽厚度范围内p值离散程度小、可分性好,赋予分选参数较大调整空间。批量试验验证结果显示,多维度法预排矸分选参数p值为33.01%,以此分选参数对不同密度、不同煤种煤矸识别,整体识别率达99.57%。对5~150 mm厚度范围原煤预排矸整体识别率达99.37%。相比较H-L法、RL法,多维度法识别率更高,面向不同厚度煤矸计算得到的p值精度高、一致性更好。印证了几何特征约束下多维度识别方法的有效性及分选参数调控优势,为现有双能X射线煤矸分选装置识别算法提供了设计参考。

北山及邻区晚古生代基性岩墙群几何特征及构造意义--基于遥感影像研究

北山及邻区广泛发育晚古生代基性岩墙群,反映了该地先存裂隙(节理)的区域构造应力场和岩墙群形成后经历的构造活动,对探究岩浆活动、反演构造演化过程及分析岩墙几何特征与构造应力之间的耦合关系具有重要意义。综合遥感和地质方法,在遥感影像中解译提取1777条基性岩墙,通过几何工具计算得到岩墙走向数据,总结岩墙群空间分布规律,同时与其形成时的大陆动力学演化背景相对应。结果表明,北山及邻区岩墙优势走向方位集中于0°~65°与320°~360°,绝大部分岩墙是在伸展作用中张性区域应力场控制下形成的,具张性性质或剪张性性质,部分岩墙受后期碰撞挤压环境影响,具张剪性性质。岩墙群主导成因机制是区域伸展构造作用,兼以地幔柱远程效应及热点作用。

单轴压缩条件下裂隙几何特征对岩石力学特性的影响研究

为探究裂隙几何特征对岩石单轴压缩力学特性的影响,采用Rhino-Griddle软件建立不同裂隙几何特征的标准岩样模型,并通过FLAC3D软件对单轴压缩条件下裂隙岩体的变形破坏规律进行了模拟研究,探讨了倾角、张开度、数目与岩石单轴力学特性的关联,分析了多裂隙岩样的裂纹扩展规律。数值计算结果表明:随着裂隙倾角的增加或裂隙张开度的降低,岩样的单轴抗压强度和峰值应变均会有所增加,且裂隙倾角相较于裂隙张开度对岩石的力学性能影响程度更大;裂隙数目对应力-应变曲线的影响在峰后阶段较为明显,随着裂隙数目的增加,岩样的残余强度不断降低,三裂隙岩样的残余强度几乎为0;预制裂隙端部首先萌生裂纹,裂纹不仅向裂隙平行方向沿裂隙扩展,还沿着接近平行于轴向的加载方向向其他裂隙端部扩展,不同预制裂隙裂纹上下完全交汇贯通并与外部裂纹搭接,最终导致岩样完全失去承载能力。

基于sEMG信号几何特征的肌肉疲劳分类

为了更好地区分肌肉疲劳程度,本文通过小波变换的方法,分析不同频段中表面肌电(sEMG)信号的能量变化情况,提取信号几何特征,对肌肉非疲劳和疲劳状态进行区分。从几何边界区域中提取周长、面积、圆度特征,分析几何特征变化情况。同时,使用分类器对肌肉疲劳进行分类。实验结果表明:几何特征对肌肉疲劳状态有更加直观的区分效果。几何特征在肌肉疲劳前后有明显变化,相比传统时域、频域特征,具有更好的分类效果,对几何特征进行特征融合,能够有效提升分类准确度。

磁弹磨粒几何特征对刀具刃口的影响研究

针对双磁盘磁力刀具钝化中磁弹磨粒的不规则形状、不确定尺寸等几何特征,仿真研究了磁弹磨粒几何特征对刀具刃口材料去除的影响。基于ABAQUS有限元仿真软件建立磁弹磨粒冲击刀具刃口模型并进行仿真,分析磁弹磨粒冲击角度、几何特征等参数对刀具刃口的应力应变、冲击深度和冲击过程中能量转换的影响规律。

顾及几何特征信息分类中心关键点的改进ICP点云配准

针对传统配准方法效率低、收敛慢和精度低的问题,提出了一种顾及多几何特征信息分类中心关键点的改进ICP点云配准方法。首先点云进行体素格网下采样后,去除地面点,加快配准效率;后采用协方差求解特征值进行几何特征信息分析非地面点云,再使用欧式距离法聚类。将聚类的中心点提取出作为关键点,通过FPFH算法对特征关键点进行描述,使同名特征中心关键点完成正确配对,得到初始变换估计矩阵;最后采用双向KD-tree和最近邻距离比改进的点到面ICP算法进行精确配准,并引入Tukey损失函数抵抗离群噪声。与4种方法进行比较,结果表明本算法的RMSE为0.2026 m,耗时19.426 s,配准精度及效率更高。

基于激光喷丸几何特征的固有应变反求方法

针对激光喷丸固有应变反求问题,以固有应变理论为基础,建立了基于几何特征的固有应变反求的方法。基于有限元理论建立了激光喷丸固有应变与变形位移之间的控制方程;以固有应变和变形之间的控制方程为基础,结合激光喷丸变形位移与动态仿真初始固有应变,建立了固有应变反求优化模型。在不同能量下进行激光喷丸试验,反求固有应变,并基于变形和残余应力对反求结果进行验证。结果表明,变形几何特征和动态冲击初始固有应变相结合,可以高效准确地实现固有应变反求。

钢桥疲劳裂纹几何特征对涡流检测信号影响规律研究

针对常规钢桥面板疲劳裂纹检测手段只能贴合表面进行检测的问题,引入涡流检测方法,实现对钢桥面板表面疲劳裂纹的检测。搭建了涡流检测实验平台,设计研发了涡流检测探头,对不同尺寸疲劳裂纹进行横向扫查,研究了不同长度、宽度和深度特征的疲劳裂纹对检测信号的影响规律。并建立有限元仿真模型,模拟疲劳裂纹扫查过程,验证了钢桥面板疲劳裂纹涡流检测方法的可靠性,为后续疲劳裂纹尺寸精准测量提供依据。实验结果显示:设计的空心圆柱形检测探头能够实现最小尺寸为长度60 mm、宽度0.2 mm、深度5 mm的表面裂纹缺陷的定位检测;检测信号的幅度变化值与裂纹长度、宽度、深度在一定范围内均成正相关,裂纹长度和深度对检测信号影响较大,裂纹宽度对检测信号影响较小。

基于平面几何特征约束的城市机载LiDAR点云精确配准算法

针对目前城市机载LiDAR点云数据在配准过程中存在的自动化程度低、效率低、配准结果易陷入局部最优等问题,提出一种基于平面几何特征约束的点云配准算法。该算法首先基于渐进形态学滤波算法提取非地面点,并依据点云平面度与粗糙度特征提取建筑物点云,然后通过欧式聚类与RANSAC算法提取建筑物点云平面特征,接着通过计算重心KD树与Hausdorff距离构建平面特征的相似性系数矩阵,同时引入双向一致性约束规则与平面法向量余弦相似性测度进行平面特征匹配,最后依据平面几何特征约束条件构建点云四元数坐标转换模型,实现了点云数据的精确配准。实验结果表明,相对于传统的人工选取同名平面特征的方法,本文算法的匹配效率、准确率和配准精度均有显著提高。

基于机器视觉的混凝土3D打印几何特征自动提取方法研究

近年来,随着混凝土3D打印技术的不断发展,打印成品的质量受到越来越多的关注。打印成品的几何特征已成为评估打印质量的重要指标。针对当前3D打印混凝土几何特征提取中存在的诸如流程复杂、精度有限及缺乏评价指标等问题,本文设计了基于机器视觉的混凝土3D打印几何特征自动提取方法。首先,采用摄像头阵列部署方法获取打印成品的原始图像,并对原图像正畸以提高图像质量;其次,通过语义分割模型U-Net提取打印成品的几何特征,并对得到的结果进行优化;最后,通过量化的指标值,对其进行了可视化并评价打印结果。实验证明,本文提出的几何特征自动提取方法具有速度快、精度高等显著优势;此外,系统化的打印评价指标可为混凝土3D打印质量评估提供借鉴参考。

结合对象纹理特征和几何特征的农业大棚遥感提取方法

粮食安全是国家长治久安的根基,高效准确提取耕地范围内的农业大棚信息对于耕地保护、非粮化监管具有重要意义。本文利用高空间分辨率遥感影像覆盖范围广、兼具光谱和纹理信息的优势,针对农业大棚在影像中的特征表现,提出了一种结合基于灰度共生矩阵的纹理特征提取和基于Hough变换直线检测算法的几何特征提取方法,选取宁波市局部地区作为研究区,开展信息提取试验。针对亚米级高空间分辨率遥感影像可实现平均约90%的提取精度,有效降低了光谱反射率差异对识别准确率的影响。相较于基于图像分割的面向对象提取方法和基于深度学习的神经网络提取方法,本文方法具有更高的特征直观性和可理解性,减少了运算复杂度和对样本量级的要求,有助于快速、精准地实现耕地范围内农业大棚的解译与提取。

基于多尺度几何特征单木点云的语义分割

针对目前地面激光扫描树木点云精确分离枝干点和树叶点成分困难的问题,提出一种基于多尺度几何特征的单木点云语义分割的方法。首先将水曲柳和樟子松样地点云数据进行单木分割,再计算多尺度点云协方差矩阵特征值,之后选择特征分类器,并根据特征值重要性选择最优特征值,最后对树木的枝干叶点云进行分割。通过比较支持向量机(SVM)、极限梯度增强(XGBoost)和随机森林(RF)3种分类器的训练时间和精度,选择XGBoost作为最终的分类器,并根据特征值重要性选择出6种最优特征。结果表明,2块样地枝干点和叶点的分割精度都>0.88,并且F1值和IOU也都在0.8以上。提出的方法能够有效分割出水曲柳和樟子松树叶点云和枝干点云,有较高的识别精度,研究结果为后续单木三维模型构建及生物量估算提供了条件。

基于几何特征参数的机械模具数控加工形位误差预测

在数控加工过程中,由于缺少必要的数控加工几何特征参数使得建模过程复杂,模型精度较低,导致形位误差指标预测结果偏差较大。因此,设计一种基于几何特征参数的机械模具数控加工形位误差预测方法。采用最小二乘法,计算拟合采样信号,通过分析其与真实采样信号之间的误差,获取最佳拟合采样信号;结合加工刀具的轨迹信息,检测加工过程中的形位误差,并测量机械模具的几何特征参数,获取刀具离散点的坐标,利用三角函数原理,构建加工刀具位姿模型;以圆度误差为例,采用最小区域法,预测圆度误差,并结合最小二乘法拟合实际误差数据,实现机械模具数控加工形位误差预测。实验结果表明,相同测试环境下,所提方法得到的各个形位误差指标值与实际情况接近,验证了设计方法的有效性。

适应弱纹理与几何特征的十字匹配块的立体匹配

针对弱纹理、弱几何特征的双目视图,生成视差质量较差的问题,提出了适应弱纹理与几何特征的十字匹配块的立体匹配算法。采用双线性视差插值框架,以提高时间效率;通过双目视图中少量规则点计算其整体视差变化趋势,以较少时间确定视图的最大视差和规则点的视差;融合Census序列、色彩和梯度等信息计算十字匹配块的代价,以增强弱纹理特征的视图的视差生成质量;基于初始视差图像的局部几何特征,十字匹配块和子块旋转相应的最优角度进行代价计算,以增强弱几何特征的视图的视差生成质量。实验结果表明,与SGM、AD-Census、PMS、ELAS等算法比较,生成的视差图像质量整体效果好,对于弱纹理、弱几何特征局部区域,视差质量提升明显;基于6对测试图像,与PMS算法相比,视差图像的均方误差(MSE)减少30.97%,执行时间平均为其1/4。

钳工装配中的CAD模型几何特征对产品质量的影响

在钳工装配过程中,CAD模型的几何特征直接决定了零件的加工尺寸和装配位置,进而影响产品质量。该文研究了CAD模型几何特征在钳工装配中的关键作用,分析了几何尺寸、形状公差、表面粗糙度等因素对装配精度和最终产品质量的影响。通过实验和模拟,探讨了不同几何特征对装配过程中的偏差和误差累积的影响机制。旨在提升钳工装配质量。

轮廓几何特征融合下的电网设备激光除锈控制参数自适应确定方法

基于激光除锈轮廓特征,在进行电网设备除锈控制参数确定时,主要依托于单一的轮廓几何特征,导致除锈后表面粗糙度偏差较大。设计一种以轮廓几何特征融合为核心的参数自适应确定方法,根据激光除锈工作原理,建立激光除锈有限元模型。采用边界矩分析算法,提取电网设备除锈的多个轮廓几何特征;融合多个轮廓几何特征,设计基于融合特征的参数确定方法,有效选择各项控制参数;通过响应面分析,自适应确定电网设备激光除锈控制参数。实验结果表明:该方法可使除锈后表面粗糙度与目标表面粗糙度值之间偏差减小2.7μm,与其他激光除锈控制参数设置结果相比,除锈后表面粗糙度偏差降低了54.24%、63.51%。

善用几何特征巧解渐近线问题

双曲线作为圆锥曲线中的一大重点,历年来在高考中都占据了重要地位,其中,渐近线这一特殊元素尤为引人注目.它不仅仅是双曲线图像变化趋势的直观体现,更是解题过程中常用的切入点和桥梁.本文展示如何将题型与考点相结合,引导学生及时进行解题反思.

巧借几何特征 形解圆锥曲线——以2024年九省联考第18题为例

平面解析几何问题常用韦达定理等代数方法作为通法,但在实际应试中该法对学生的运算素养要求颇高.文章分别运用代数法和几何法解圆锥曲线问题,发现几何法能够极大减少运算量,并由此到一些教学上的反思.