双分支结构的多层级三维点云补全

为了缓解现有点云补全方法在特征提取过程中很难平衡局部特征和全局特征的问题,提出了一种双分支结构的多层级点云补全算法。利用两个独立的分支网络分别提取出输入点云的局部特征信息和全局特征信息,再将两种特征信息进行拼接形成特征向量。使用五层联合感知机将特征向量映射成多个维度,进而提取多维特征信息并将其整合成最终特征向量。采用金字塔结构在256、512、1024特征维度上对最终特征向量进行特征解码,预测三种不同分辨率的点云。引入鉴别器网络,通过联合训练鉴别器产生的对抗损失和分层重建点云产生的补全损失去优化网络。在ShapeNet数据集上进行实验,算法显著提升了点云补全精度,并且在缺失大面积点云时也能恢复出较为完善的物体形状。

基于Point Transformer v2的点云枝叶分离方法研究

准确高效的点云枝叶分离对精确计算森林树木的垂直参数至关重要。然而,当前的研究方法计算成本高,且依赖先验知识导致泛化能力不足。针对以上问题,文章提出利用基于点特征的Transformer网络进行自动化的森林场景三维点云的枝叶分离研究。该方法使用Point Transformer v2网络,首先利用网格编码模块提取可学习的局部结构关系,保留点云的几何拓扑结构;其次使用分组注意力实现多通道联合学习,降低特征的冗余度,提高计算的效率;最后构建了基于点的Transformer网络实现高精度森林树木三维点云语义分割,降低了对于先验知识的需求。使用地基激光扫描仪获取的加拿大和芬兰7个不同树种样地的三维点云数据,进行枝叶分离实验和精度评价。实验结果表明,网络整体精度(OA)为94.42%,mIoU为78.89%,能够适应不同树种、不同点云密度的森林场景的枝叶分离。

融合形状结构恢复和细节补偿的双分支点云修复网络

针对传统点云修复中难以有效地保持原始形状细节结构信息的问题,提出一种融合形状全局结构恢复和局部细节补偿的双分支点云形状修复网络.网络中的形状全局结构恢复分支为编解码-解码器结构,编码器对缺失点云数据进行特征变换以克服点云形状的旋转不变性,利用最大池化操作解决点云的无序性问题,并通过多层感知器生成原始点云的特征码字,解码器对编码得到的特征码字使用4个二维网格进行2次折叠操作,拟合点云形状得到粗修复结果;为了补偿点云粗修复结果的形状细节信息,网络中的局部细节补偿分支对编码器提取得到的不同维度特征,通过层次特征学习和多层次特征融合学习点云形状的几何结构特征,有效地恢复缺失点云数据并保留原始形状细节信息;最终将经全局结构恢复分支和局部细节补偿分支分别得到的点云数据拼接融合,再进行迭代最远点重采样,得到点云形状精修复结果.实验结果表明,在ShapeNet数据集上,所提网络比已有网络修复结果的平均CD误差和平均EMD误差分别低16%~29%和19%~65%;在ModelNet数据集上,比已有网络修复结果的平均CD误差和平均EMD误差分别低6%~41%和31%~59%;该网络可以修复原始形状的整体结构信息并能有效地恢复其形状细节,生成采样点分布均匀的完整点云模型,且对模型噪声和不同程度的模型缺失均具有鲁棒性.

基于法向量夹角的果树点云配准与枝叶分割方法研究

在实现果园作业全自动化的过程中,亟需直接构建自然环境下果树枝干三维模型的方法。本文通过对自然环境下以不同角度采集的果树点云进行配准,并针对采样一致性(SAC-IA)+迭代最近点(ICP)配准算法在点云配准中耗时较长以及精度不高的问题,结合点云法向量夹角提取源点云和目标点云的特征点,并通过点云法向量夹角的余弦值在源点云和目标点云的特征点中查找待匹配点对的方法,提出了一种基于果树点云待匹配点对的改进SAC-IA+ICP点云配准算法;借助最小包围盒划分的分块技术对配准后的果树点云进行分块,然后利用点云的几何特征,对划分的子块进行枝叶粗分割,最后使用欧氏聚类完成枝叶的精细分割。对比实验结果显示,改进后的SAC-IA+ICP算法在平均旋转误差上相较于原始SAC-IA+ICP算法减少85.44%,配准均方根误差相较于原始SAC-IA+ICP算法减少71.74%,配准时间相较于原始SAC-IA+ICP算法减少97.99%;同时,改进后的SAC-IA+ICP算法在平均旋转误差上相较于SAC-IA+NDT算法减少90.38%,配准均方根误差相较于SAC-IA+NDT算法减少85.39%,配准时间相较于SAC-IA+NDT算法减少98.04%。另外,本文采用的枝叶分割算法能够完成枝叶分割,且相较于人工分割其分割准确度可达94.77%。

果树枝条识别与修剪点坐标确定方法

为了实现休眠期果树的修剪识别问题,研究了基于语义分割的网络模型识别修剪枝条与确定修剪点坐标的方法。通过双目相机搭建了视觉系统获取果树的数据集,采用分别融入预训练权重与CBAM(注意力机制)的VGG16和RestNet-50作为U-Net主干特征提取网络的2种深度学习模型分割修剪枝条,同时获取其效果并进行对比。在获得的分割图像基础上采用骨架提取和修剪点聚类2种方法进行修剪点坐标的确定。结果表明,基于VGG16特征提取网络的U-Net模型识别结果较好,该模型在测试集的平均交并比(MIOU)、平均像素准确率(MPA)和训练时F分数分别为84.80%、91.83%和92.679%。分割出人工模拟果树的模型图像,采用修剪点聚类的方法,可以较快、实时地确定修剪点的二维坐标,为实现修剪作业奠定基础。

基于ALS和TLS融合数据的枝条属性因子构建木材材积模型

【目的】立木材积作为森林蓄积量估算的重要单元,具有重要的森林资源调查意义,研究基于多源激光雷达手段获取立木枝条属性因子的方法,探究树木点云构建更优立木材积预测模型的能力。【方法】本文基于地基激光雷达(TLS)与机载激光雷达(ALS)融合的点云数据,运用几何特征树木骨架和提取不完全模拟水分和养分传输算法(ISTTWN),建立三维树木模型,并获取杨树单木的枝条属性因子。通过构建以枝条属性因子为自变量的立木材积预测模型,探索构建林分蓄积量最优估测模型。【结果】融合后的枝条属性因子较融合前精度有所提高,提取精度依次为着枝高度>枝长>弦长>着枝角度>分枝角度>弓高,其中枝长拟合度最高,R2达0.989。在利用特征参数与枝条属性因子构建材积预测模型中,基于枝条属性因子构建的模型较由特征参数建立的线性与非线性材积模型R^(2)分别提高0.088与0.110,RMSE则分别降低0.012与0.009 m^(3)。而将二者结合共同构建立木材积模型后,其线性与非线性模型拟合度分别达0.729与0.759,为六组材积预测模型中最佳。【结论】TLS与ALS融合点云数据后,由于数据之间的相互弥补,有效提高点云密度,在三维树木模型研建中能够显著的提高枝条属性因子的提取精度,同时在材积预测模型中加入枝条属性因子这一自变量能够有效提高模型预测的准确性。

基于散射点拓扑和双分支卷积神经网络的SAR图像小样本舰船分类

随着合成孔径雷达(SAR)图像在舰船检测和识别领域的广泛应用,准确而高效地进行舰船分类已经成为一个亟待解决的问题。在小样本学习场景下,一般的方法面临着泛化能力不足的问题,因此该文引入了额外的信息和特征,旨在增加模型对目标的理解和泛化能力。该文通过散射关键点构建拓扑结构以表征舰船目标的结构和形状特征,并计算拓扑结构的拉普拉斯矩阵,将散射点之间的拓扑关系转化为矩阵形式,最后将SAR图像和拉普拉斯矩阵分别作为双分支网络的输入进行特征提取。在网络结构方面,该文设计了一个由两个独立的卷积分支组成的双分支卷积神经网络,分别负责处理视觉特征和拓扑特征,并用两个交叉融合注意力模块分别对两个分支的特征进行交互融合。该方法有效地将目标散射点拓扑关系与网络的自动学习过程相结合,从而增强模型的泛化能力并提高分类精度。实验结果表明,在OpenSARShip数据集上,所提方法在1-shot和5-shot任务的平均准确率分别为53.80%和73.00%。而在FUSAR-Ship数据集上,所提方法分别取得了54.44%和71.36%的平均准确率。所提方法在1-shot和5-shot的设置下相比基础方法准确率均提升超过15%,证明了散射点拓扑的应用对SAR图像小样本舰船分类的有效性。

某三级甲等公立医院基层党支部考核评价探索

目的以党内法规为基础,优化某医院党支部工作评价指标体系,以多样化考核方法,使支部建设与医疗教学科研业务发展融合。方法采取文献检索及文本分析方法,搜索相关文献,以质性访谈及方便抽样方式,向医院的各层各级党代表发放问卷25份,回收有效问卷25份。运用Likert 5级评分法对遴选的74项考核指标按重要性进行打分评价。结果建立了一套包含5个一级指标、14个二级指标、53个三级指标的综合考核评价体系。结论现有的党支部综合量化考核体系得以优化,多样化的考评方法促使党支部建设的目标更加明确、清晰、规范,促进了引导激励作用。

新能源接入的受端电网暂态电压失稳高风险故障快速筛选

大规模新能源接入和外地送电的增加,使得受端电网本地传统发电机无功支撑大大减少,面临暂态电压稳定问题,需要快速筛选出严重故障,以备系统预防控制和安控策略制定。该文提出了基于节点阻抗矩阵的故障点对电网暂态电压影响度指标,可用于快速筛选引发电网暂态电压失稳的关键故障点。首先,介绍了节点阻抗矩阵及其支路追加法;其次,提出反映节点故障对电网暂态电压影响程度的指标,可用于快速筛选高风险关键故障点;再次,结合升阶矩阵给出线路故障点的影响度指标;最后,改进IEEE 39节点系统及某省级电网仿真结果表明,所提指标可以快速筛选出对电网暂态电压影响显著的关键故障点。

基于TLS和ALS融合数据的杨树林木表型参数提取研究

基于激光雷达手段获取杨树林木表型参数的方法,探究树木点云提取更优林木表型参数的能力,为林木经营方案的编制提供有力的数据支撑与参考依据。根据地基激光雷达(TLS)与机载激光雷达(ALS)的融合点云数据,利用几何特征树木骨架、提取不完全模拟水分和养分传输的算法(ISTTWN),建立三维单木模型,并获取杨树单木的胸径、树高以及枝条属性因子。结果表明,融合数据的胸径、树高提取值的平均值均高于TLS数据的提取值,同时提取精度也更高。在所提取的枝条属性因子中,提取精度依次为着枝高度>枝长>弦长>着枝角度>分枝角度>弓高,且融合数据的提取精度更高。从RMSE、MAE、MAPE、R^(2)4个方面对枝条属性因子进行提取精度评价,枝长的拟合度最高,地基和融合点云提取值分别达到0.985、0.989;角度的拟合度相对较低,TLS着枝角度提取值的R^(2)仅0.775,但融合后的着枝角度的拟合度提升明显,达到0.887。基于不同相对着枝高度对提取精度分析,未融合前相对着枝高度0.4~0.6的枝条属性精度最高,而后其精度随着冠层高度的增加而降低,由于融合后的冠层点云密度提高,枝条属性因子的提取精度较融合前显著提升,且在相对着枝高度0.8~1.0时提高最为明显,相对提取精度最低的弓高提高了10.04%。研究认为TLS与ALS融合点云数据后,由于数据之间的相互弥补,有效提高点云密度,在三维树木模型研建中能够显著提高林木表型参数的数据提取精度,其中冠层提取精度提升最为明显。

基于实例分割的休眠期枣树修剪枝参数提取方法

为实现休眠期枣树选择性修剪,针对自动化剪枝过程中枣树枝干识别与参数提取困难的问题,提出一种基于实例分割神经网络的枝干识别与参数自动提取的方法。首先,通过前期搭建的视觉系统获取2个角度下的点云,并基于骨架点重建完整的枣树点云,利用CloudCompare V 2.11软件对枣树三维点云进行手工标注,构建带语义信息的枣树点云数据集,将标注完的376棵枣树,按照8∶2的比例分为训练集和验证集;其次,结合JSNet实例分割网络对枣树点云进行分割,同时对比分析不同自然环境对实例分割精度的影响;最后,提出枣树修剪枝直径和长度参数自动提取的方法。试验结果表明:休眠期枣树主干的分割精度为96%,而修剪枝的分割精度为77%,并且不同自然环境对分割精度影响较小。枣树修剪枝的直径拟合值与实际测量值误差范围在2 mm以内,且其长度拟合值与实际值的误差范围在1 cm以内,为后续准确确定枣树剪枝点的位置提供数据依据。

基于双支融合与结构采样的点云分类算法

目的:利用双支融合和结构采样,提取较充分的局部特征并保留不同尺度下的全局结构信息,使得在点云分类任务中获得高精度。方法:首先,提出双支融合模块,并用之提取不同角度的局部特征,再加入融合框架剔除重复的特征,突出显著特征,使得局部特征更具有辨别力。其次,设计了结构采样单元以关注不同尺度下的全局结构信息。该单元通过对每个采样点学习,以增强采样稳定性,并平滑结构信息,从而学习点云的全局结构信息。最后,利用包含局部-全局的特征进行分类,完成点云的分类任务。结果:在ModelNet40和ScanObjectNN基准数据集中分别获得93.6%和86.6%的分类精度。结论:基于双支融合与结构采样网络模型在点云分类任务中具有先进性。

既有建筑改造给水排水设计探究

既有建筑改造作为城市更新的重要组成部分,给水排水系统作为这些建筑重要的基础设施,其改造对于增强建筑功能和提高消防给水系统的安全性极为关键。深入探讨了既有建筑改造中给水排水设计所面临的常见挑战和难题。在着手进行改造之前,文章强调了必须先进行综合评估,然后再制定改造计划的原则。考虑到既有建筑改造的复杂性,通过分析多个实际工程案例,提炼出给水排水专业的设计要点和思路,旨在为同类改造工程提供实用的参考和借鉴。

挤扩支盘桩竖向承载力及设计施工要点分析

为确保挤扩支盘桩的安全与稳定,深入探讨了挤扩支盘桩的竖向承载力及其设计施工要点,为工程实践提供全面的理论指导和技术支持。首先,分析了挤扩支盘桩的承载机制及其影响因素,提出了综合考虑地质条件、桩身材料、桩径和桩长,以及支盘参数的竖向承载力计算方法;其次,从地质勘察、桩型选择、桩身材料与结构设计等方面详细阐述了设计要点,强调了设计与施工的协同优化;最后,详细解析了施工准备、成孔与护筒埋设、挤扩支盘施工以及混凝土灌注与桩头处理等施工要点。研究表明,挤扩支盘桩能够显著提升桩基竖向承载力,为各类建筑项目提供坚实可靠的基础与支撑。

现代缓坡三角洲沉积模式——以鄱阳湖赣江三角洲为例

在我国,缓坡三角洲形成了不少大油田。关于缓坡三角洲的沉积模式,前人做了大量研究,但大都针对古代地层。由于古代地层精细对比和沉积环境解释常常因人而异,因此总结出来的沉积模式五花八门,可靠性较低。鉴于此,本文从现代实例入手,选择了鄱阳湖赣江三角洲,采用野外实地测量、探槽、浅钻孔、探地雷达、粒度分析等方法,对其沉积特征进行系统研究,建立了缓坡三角洲沉积模式。本次研究主要取得了如下重要认识:1在三角洲平原上发现了两种新的砂体类型,即汊口滩和并口滩,分别位于分流河道分汊处和合并处,这意味着分流河道的分汊、合并部位也是有利的油气聚集部位;2在分流河道砂体中存在连片披覆型、孤立充填型、孤立残留型三种类型的落淤层,并提出了其形成机制;3统计了分流河道的定量参数,提出了分流河道宽度的变化规律,即从上三角洲平原到下三角洲平原,分流河道逐渐变窄,分一次分汊其宽度平均降低1/2,而且分汊频率增高,数量变多,弯度降低,沉积物变细变薄,砂体间连通性变差;4三角洲前缘不发育水下分流河道,而是发育河口坝和席状滩;5由于坡度平缓,湖平面小幅度变化会引起湖岸线大规模进退,可导致水下与水上沉积频繁交互,因此缓坡三角洲沉积在地震上不会有叠瓦状或反S形前积反射,而是呈平行或亚平行反射。

光波波前位错与相位间歇性——I结构理论

综述了光学中波前位错和间歇问题的研究现状。其中包括随机介质中传播或被粗糙表面散射标量波场的波前位错现象的概念、规律和研究方法 。

相位不连续点对自适应光学的影响

分析了激光在湍流大气中传输时,若光束波前中出现相位不连续点,自适应光学校正能力降低的原因,通过数值模拟计算了当光束波前中出现相位不连续点时对自适应光学校正的影响,表明在传输过程中出现不连续点的情况下,为了提高自适应光学的校正能力,必须要考虑不连续相位的影响。

内含子二级结构与剪接位点

对６７个内含子的二级结构进行分析后，我们发现内含子两末端的碱基Ｇ绝大多数是游离的，剪接过程中形成“马套”结构的分枝点Ａ有８０％以上位于环区或游离的单链区，内含子５’端的Ｇ与分枝点Ａ在空间位置上彼此靠近。

多值函数的单值解析分支

初等多值函数单值分支问题 ,历来是复变函数论中的一个难点 .现有的文献大都较少谈及这一问题 ,而谈及的 ,也多半是利用举个别例子的方式进行说明 ;即使涉及到幅角函数这一工具的 ,却也和对幅角函数理论本身并没有深刻阐述 ,也不去说明用这一工具的依据 ,从而使读者看完这些个别例子之后 ,还是难以从理论上和实践上掌握这类问题的一般规律 .正是从理论上和实践上解决了这一问题 .本文先是证明了幅角函数的几个重要定理 ,然后利用幅角函数这一工具 ,证明初等根式函数 ,初等对数函数的枝点判定定理 (即例 2、例 3 ) ,并进而总结出求多值函数单值分支的一般方法 .这种方法简单易行 。

一种带有印花图案服装图像的轮廓提取

引入轮廓误差和支点等概念,提出了一种新的轮廓提取方法并应用于带有印花图案服装图像。首先通过形态学方法提取初始轮廓,再将初始轮廓划分为若干个单值分支,最后通过轮廓误差计算消除分支内的纹理噪声。研究表明,基于形态学方法的初始轮廓提取算法可以有效去除服装图像内部的像素点和外部的阴影与水印;采用轮廓误差计算可以有效识别纹理噪声数据,修补印花图案对服装轮廓的影响。与其他轮廓提取方法相比,提出的算法更高效。