RNN查询在煤矿井下救援中的应用研究

煤矿井下突发安全事故后,如何科学判断出事故点周围人员的分布情况是制定救援方案的关键。文章将移动点的反向最近邻(RNN)查询算法应用在事故点周围人员分布情况的查询中,通过判断Voronoi图的变化找到查询点的反向最近邻,为有效救援方案提供依据。

“狗咬邮递员”查询研究

"狗咬邮递员"查询是移动点最近邻查询问题的派生问题,是要找到当狗和邮递员以某种恒定速度运动时狗能最快到达的邮递员集合。与一般的移动点最近邻查询不同,"狗咬邮递员"查询中,移动点以恒定速度运动。针对"狗咬邮递员"问题的特殊性,提出在Voronoi图基础上引入三维坐标系并构建移动Voronoi图,利用反向最近邻查询思想,通过检验内部区域和外部区域是否被破坏从而确定查询点能最快到达的点是否因为点的移动而发生改变,最终找到每一时刻移动查询点所能最快到达的点。

基于改进SOM-K-Means算法的三维点云分类

针对目前的点云分类是直接将原始点云作为输入并提前预设点云分类数存在的缺陷,本文提出一种改进的方法,在输入前对原始点云进行预处理,对密集的点云降低密度以减少计算量,对稀疏的点云进行三角形内部线性插值以便提取完整的特征,以此提高点云分类的精度。将预处理后的点云数据输入SOM-K(K-Means优化的自组织映射神经网络)模型进行聚类,再将聚类后的点云数据并行通过PointNet网络进行点云数据特征的提取,这种先进行聚类后、进行特征提取的方法可以充分保留点云在点云空间中的分布特性,并且不额外增加数据特侦提取的计算时间。