星图识别的一种扩充栅格算法

栅格算法作为一种鲁棒性好、识别率高的星图识别算法,要求星图中不少于6颗星才能进行正常的识别,限制了其在小视场或低星等敏感极限的星敏感器中的应用.针对这种情况,提出了星图识别的扩充栅格算法,该算法将扩充星图法与栅格算法结合,将视场进行有效地扩充,得到了更加丰富的星点信息,同时继承了栅格算法的优势,拥有比现有扩充星图法更强的噪声鲁棒性和更高的识别成功率.依据实际情况建立了仿真环境,并进行了大量实验,验证了算法的实时性和高识别率性能.结果表明:当应用于小视场星敏感器时,扩充栅格算法在位置噪声为1像素时的星图识别成功率大于97.4%,明显优于传统的扩充星图算法,同时其近邻星的识别成功率最高可达到86.7%,也明显优于传统栅格算法.扩充栅格算法更加适用于小视场或低星等敏感极限的星敏感器.

多边形拓扑关系构建的栅格算法

矢量数据拓扑关系的自动建立是GIS软件的核心模块之一 ,也是技术难点之一。简要分析传统算法的优缺点 ,在此基础上 ,借鉴基于栅格的种子点填充算法和矢量数据求交的栅格探测法的思想 ,提出建立图幅多边形与弧段所属关系的栅格算法 ,给出算法的各主要步骤和实现方法。分析与试验表明 ,新算法在特殊情况处理、多边形内点自动建立、处理效率。

基于栅格算法的交巡警服务平台管辖范围分配模型

以2011高教社杯全国大学生数学建模竞赛B题为背景,以地图代数为理论支撑,利用栅格算法,提出了道路分配算法,对A区20个交巡警服务平台的管辖范围进行了合理分配.

基于背景差分的运动车辆检测的栅格算法研究

对运动车辆的检测进行了研究。在图像差分算法的基础上,研究提出了运动车辆自动检测的栅格算法,该方法通过计算当前帧与参考帧对应栅格的不相似度来检测是否有运动车辆进入视场,定义了不相似度下降率DSDR。基于此,可以比较准确地确定出运动车辆在栅格中的位置,并可方便地将车辆图像作为模板保存下来。实验结果表明,利用DSDR法比较准确地确定了运动车辆在栅格中的位置。

Voronoi图混合栅格算法改进研究

针对分区加权Voronoi图混合栅格算法中重叠区域处理问题,系统研究了分区加权Voronoi图模拟生长法和逐点扫描法的原始定义和性质,发现混合栅格算法在重叠区域处理上不够精细,从而改进了混合栅格算法中关于重叠区域内点的生成元隶属判定问题。同时,提出了用于扇区填充和重叠区域处理的特定算法。通过实验证明了改进算法在效率上优于原算法。

一种结合角距特征的改进栅格星图识别算法

针对栅格算法易受邻域星点影响导致误匹配的问题,提出了一种结合角距特征的改进栅格星图识别算法。首先介绍了改进栅格算法的原理,其次设计了融合栅格识别模式和星角距识别模式的算法实现流程,最后开展了基于不同视角下的大视场仿真星图的算法试验验证和性能分析。结果表明,由于角距特征具有旋转不变性和不易受观测星邻域星点分布影响等特点,结合角距特征对失效观测星进行再匹配的改进栅格算法,在兼顾存储量需求小、运行速度快等优势的同时,识别率和鲁棒性也得到了提升,最高识别率可达98.88%,在位置噪声干扰以及缺失星干扰下,改进算法的识别率仍可保持在95%,说明算法鲁棒性强,具有较好的应用前景。

一种基于激光点云数据的微距栅格体积算法

针对规则格网算法难以满足激光点云模型高精度体积计算的问题,提出了一种基于激光雷达点云数据的微距栅格体积算法。该方法首先运用葛立恒凸包算法提取凸包点集,然后运用微距格网划分、高程插值和网格体积累加的方法计算体积。与规则格网法不同,这种算法充分利用激光雷达数据高密度点云特征,采用格网微分和增大插值半径的方法改善模型表面的连续性,进而提高计算精度。实验结果表明,微距栅格体积算法具有较好的时间复杂度和较高的计算精度,适宜于激光点云模型高精度体积计算。

一种改进全天自主栅格星图识别算法

栅格算法是一种较优秀的星图识别算法 ,但它要求视场中有较多的恒星 ,从而要求星跟踪器有大的视场或高的星等灵敏度。为了克服这一缺点 ,引入主星的概念 ,并在星图识别过程中加入星等信息。仿真结果表明改进后的算法只需较少的恒星就能保证算法的鲁棒性 ,且实时性得到显著改善。

Voronoi图生成的栅格算法

介绍了Ｖｏｒｏｎｏｉ图的矢量算法，从用于ＧＩＳ的角度分析了该方法存在的问题和不足，提出Ｖｏｒｏｎｏｉ图生成的栅格方法。分析了利用传统的距离变换生成栅格Ｖｏｒｏｎｏｉ图的误差情况，对各种栅格算法从精度方面进行了分析，并给出了空间实体Ｖｏｒｏｎｏｉ图的生成过程。

最大熵模型的树-栅格最优N解码算法

最大熵模型已被广泛应用于多种自然语言处理任务,但一些现有研究工作在解码算法上存在有待改进的地方。本文提出了一个最大熵模型的树-栅格最优N解码算法,并对算法性能进行了分析和比较。算法的另一优点在于可以在解码过程中检测并控制潜在的标注冲突。

一种改进的栅格星图识别算法

针对传统的栅格算法提取的特征模式不能反映其内在相似程度进而影响星图识别准确性的问题,提出了一种改进的栅格算法。利用特征模式间的度量函数反映不同特征模式之间的相似程度,解决了传统算法中由于位置量测误差造成的影响。根据实际情况建立了仿真环境,进行了仿真实验。结果表明:当星点位置噪声大于1.5像素时,改进算法的星图识别成功率明显高于现有的栅格算法;在存在"假星"的情况下改进算法的星图识别成功率优于现有的算法,验证了算法的有效性。

栅格探测/矢量计算法实现矢量数据求交的进一步改进

栅格探测 /矢量计算法是 GIS矢量数据求交中效率较高的算法之一。本文从节约存储空间、提高运算速度角度出发 ,在矢量栅格化过程中借鉴栅格数据压缩的游程编码法的思想 ,从而实现较大规模矢量数据求交。文中不仅描述了该方法的基本思想 ,还给出了具体的实现步骤和有关试验结果。

优化栅格细化算法的线状地物提取

栅格细化算法是处理栅格矢量数据相互转换的常用算法。本文对该算法进行了优化处理,实现了栅格矢量化半自动跟踪和面状地物中心线提取。两种功能的实现都采用人机交互的策略,可以实时、有选择性地提取结果。在栅格转矢量过程中对栅格底图的颜色和质量要求不高,转换速度快、精度高、实用性强,不受内存等硬件限制,可用于GIS数据处理软件,便于推广。

一种新型的基于密度和栅格的聚类算法

针对网格和密度方法的聚类算法存在效率和质量问题,给出了密度与栅格相结合的聚类挖掘算法,即基于密度和栅格的聚类算法DGCA(density and grid based clustering algorithm)。该算法首先将数据空间划分为栅格单元;然后把数据存储到栅格单元中,利用DBSCAN密度聚类算法进行聚类挖掘;最后进行聚类合并和噪声点消除,并将局部聚类结果映射到全局聚类结果。实验通过人工数据样本集对该聚类算法进行理论上验证,表明了该算法在时间效率和聚类质量两方面都得到了提高。

MapReduce模型下Voronoi图栅格生成算法

针对"海量"点组成的平面点集Voronoi图栅格生成算法的效率问题,对其进行易并行性抽象,提出了一种MapReduce模型下基于欧氏距离的Voronoi图栅格生成算法,该算法采用三个MapReduce Job来实现。在第一个MapReduce Job中,将栅格按照隶属代码进行归属分类。在第二个MapReduce Job中,将新数据按照其对应的行号进行归类。在第三个MapReduce Job中,并行生成全局有序的Voronoi图部分文件,并连接各个部分文件,生成最终的Voronoi图。在多个不同大小数据集上的实验结果表明,这种MapReduce模型下的算法部署在Hadoop集群上运行具有较好的加速比和扩展性。

基于栅格遗传算法的巡检机器人全局路线规划

为精准确定机器人的全局行进路线,使其巡检路径曲线呈现出相对平滑的状态,提出基于栅格遗传算法的巡检机器人全局路线规划方法。根据已知的子目标点设置结果,分别计算遗传聚度与栅格权重的实际数值结果,完成基于栅格遗传算法的机器人巡检范围确定。在此基础上,执行对行进节点的编码处理,按照规划算子的插入标准,得到准确的适应度规划函数条件,完成基于栅格遗传算法的巡检机器人全局路线规划。实例分析结果表明,栅格遗传算法从全局角度入手,在保障机器人巡检路径曲线平滑状态的同时,对其行进路线进行准确与细致的规划,相较于势场法规划理论,具有更强的应用可行性。

基于栅格遗传算法的采购供应物流配送车辆路线规划方法

由于传统方法在采购供应物流配送车辆路线规划中的应用效果不佳,按照规划线路配送耗时比较长,故文章提出基于栅格遗传算法的采购供应物流配送车辆路线规划方法,建立物流配送网络拓扑模型,以配送成本最小为目标建立函数,并设定配送时间、车辆载重约束条件,利用栅格遗传算法对函数求解,得出最优车辆线路。经实验证明,设计方法规划线路耗时比较短、配送时间成本比较小,在采购供应物流配送车辆路线规划方面具有良好的应用前景。

一种基于旋转不变特征的星图识别算法

栅格算法作为星图识别算法中的代表,有着识别速度快、识别率高、导航数据库容量小的优点,应用较广,但其在构造恒星特征模式时存在需要选取临近星进行图像旋转的问题。为克服这一缺陷,提出了一种基于旋转不变特征的星图识别算法。该算法利用模式识别类星图识别算法思想,为每颗恒星建立一种与旋转无关的特征模式,采用改进的Hausdorff距离进行匹配识别。仿真实验结果表明,基于旋转不变特征的星图识别算法对星点位置噪声与缺失星鲁棒性均优于栅格算法,具有良好的识别效果,但其识别速度与存储容量仍需进一步优化。

一种基于BP网络的星图识别算法

为了提高星图识别算法的抗噪性能,提出一种基于逆向传播(Back Propagation,BP)网络的识别算法。该算法通过将星图转换成"0"、"1"和"2"的网格矩阵,提取行列数值和星数形成匹配向量,利用多个BP识别子网进行训练完成匹配识别。通过仿真试验得出以下结论:对星等位置和星等添加噪声,当位置噪声标准偏差为2像素时,BP网络算法的识别率和识别时间相对传统栅格算法分别提高2%和60ms,对噪声有较强抗干扰能力,表明BP网络算法具有更快的识别速度。

基于免疫蚁群算法的机器人路径规划

针对移动机器人躲避障碍和寻找最优路径问题,提出了在复杂环境下的一种路径规划算法。根据人工免疫算法和蚁群算法各自的性能及优缺点,将人工免疫算法和蚁群算法相结合,提出新的结合方式形成免疫蚁群算法。在应用栅格法建立的机器人环境模型中,应用免疫蚁群算法解决机器人路径规划的问题。免疫蚁群算法首先运用人工免疫算法对空间的可行路径做快速的全局搜索,然后生成初始信息素的分布,最后完善蚁群算法搜索最优解。在LABVIEW仿真环境中,采用免疫蚁群算法对机器人路径规划问题进行仿真,仿真结果证明了免疫蚁群算法是一种收敛性和寻优能力都比较好的优化方法。