基于改进PointNet++的室内点云语义分割模型

针对点云语义分割过程中存在的大量点云数据的相邻关系丢失以及无法捕获部分点云特征的关键信息等问题,提出了一种基于改进PointNet++的室内点云语义分割模型。首先利用中垂线通道采样获取到更具代表性的采样点,从而提高采样结果的信息丰富度;在此基础上使用采样点邻域特征自适应分组,使组内采样点的分布特征和邻域内的点云特征更加接近,然后引入注意力机制,以实现对点云数据的多层次、多维度的建模和表达;最后通过实验进行性能对比分析。实验结果表明,模型对室内点云进行语义分割相较于PointNet++模型的整体准确率提高了5.6%,因此语义分割网络改进模块能够帮助神经网络提取到更优的点云特征信息,从而提高语义分割网络模型的性能。

基于Mach-Zehnder干涉仪的自相似激光器压缩系统设计

为了研究自相似脉冲在Mach-Zehnder干涉仪的压缩特性,采用非线性薛定谔方程对自相似脉冲的演化和压缩进行了模拟,分析了基于级联单模光纤的Mach-Zehnder干涉仪的光纤参数对脉冲压缩的影响。结果表明,在不考虑高阶色散的情况下,当上臂的两种单模光纤长度分别为8.16 m和2.16 m、下臂的单模光纤长度为8.16 m时,获得半峰全宽为27.85 fs、峰值功率为1860.59 W、基座能量比例为10.241%的最佳压缩脉冲;考虑高阶色散时,脉冲在单模光纤中传输呈现出峰值功率增大、基座增大的现象,且脉冲右移不利于输出基座较小的压缩脉冲;当3阶色散系数小于0.001 ps^(3)/km时,利用Mach-Zehnder干涉仪来压缩能获得质量较好的飞秒脉冲。该研究结果对于自相似脉冲的压缩研究具有一定的参考价值。

色散渐减光纤对增益光纤生成的自相似脉冲的优化研究

脉冲在增益光纤中进行自相似演化时,随着能量的放大,增益光纤中的增益饱和能量与增益带宽对脉冲造成的畸变也愈发明显,影响了增益光纤生成的自相似脉冲质量,限制了大能量、高质量的自相似脉冲的获取。本文利用色散渐减光纤(DDF)进一步优化脉冲在增益光纤中的自相似演化进程,在确保获得大能量的同时提高自相似脉冲的质量。论文不仅在理论上解释了DDF对增益光纤生成自相似脉冲进行优化的可行性,而且搭建了相应模型进行仿真验证,并分析了不同类型的DDF对优化效果的影响。结果表明,DDF成功对增益光纤中的自相似脉冲进行优化,其自相似评价因子从0.0517降低到0.0286。同时,在对不同色散曲线的DDF的分析中,得出双曲型DDF对自相似脉冲优化后能够产生最佳的压缩脉冲,最终获得峰值功率为11034 W、半高全宽为129 fs的低旁瓣超短脉冲。该研究对获取具有大能量、高质量的自相似脉冲具有一定指导意义。