基于曲率约束的点云分割去噪方法

在点云去噪处理过程中,为提高对曲率变化较大区域的去噪效果,提出基于曲率约束的点云分割去噪方法。该方法通过曲率约束点云数据使模型特征得到有效保持,构建噪声光顺的映射函数使得噪声点回归光顺,能够避免使用传统滤波对点云数据模型产生过光顺,对后续处理奠定一定基础。实验表明,该方法相对于双边滤波能够有效地保持模型的特征,保留模型边缘信息,去除噪声效果更为明显。

基于曲率约束因子与边缘加权法则的图像修复算法

针对当前较多图像修复算法主要通过对图像块进行方差和度量的方法来完成图像修复,忽略了图像块的显著边缘特性,使得修复图像容易出现模糊效应以及不连续效应等不良现象,导致算法修复性能不佳的不足,提出了基于曲率约束因子耦合边缘加权法则的图像修复算法.首先,通过像素点的等照度线方向构造曲率约束因子,对数据项进行约束,形成优先级度量函数,利用优先级度量函数选取优先修补块;然后,利用像素点的均值之差构造像素自相关模型,对样本块的大小进行了调整;最后,以样本块显著边缘为约束,构造了边缘加权模型,通过边缘加权模型联合SSD(sum of squared differences)模型建立了边缘加权法则,对最优匹配块进行搜索,用于对待修补块进行修复.仿真实验结果表明,与当前图像修复算法相比,本文设计的图像修复算法修复的图像具有良好的视觉效果.

基于曲率约束的服装工业样板分割线提取方法

为了对曲率约束的服装工业样板分割线实施高分辨率捕捉,提出一种基于曲率约束的服装工业样板分割线提取方法.通过高斯函数对各个采样点进行加权,计算每个采样点的最近邻点集,利用双三次B样条曲面的最小拟合邻域点集构造近似原始曲面,并根据参数曲面估计曲率.结合曲率估计,对三维模型网格顶点的凹区域进行划分,由曲率值确定凹区域顶点连接边的权值,以最小权边作为细化算法的起始边,采用细化策略得到三维模型的分割线.测试结果表明,相比传统方法,所提方法能更加精准地提取服装工业样板分割线.

基于行为识别和曲率约束的车辆轨迹预测方法研究

为对智能车周围环境中车辆的行驶轨迹做出合理、有效的预测,提出了一种基于行为识别和曲率约束的车辆轨迹预测方法。首先,接收感知得到的障碍物信息,结合高精度地图提供的车道线信息,对车辆进行行为识别;然后建立s-l坐标系,将车辆运动分解为沿车道线方向(纵向)的运动和垂直于车道线方向(横向)的运动,依据行为识别结果得到车辆在横、纵向运动的多项式方程;再以高精度地图中的车道线曲率作为约束,筛选出一条最优的预测轨迹。实车实验结果表明,在车道保持、换道和转弯3种基本行为下,车辆在4 s内的轨迹平均预测误差分别为:0.52,0.51和1.03 m,较CTRA模型预测误差分别减小了1.81,4.48和5.49 m,单个车辆轨迹预测平均耗时为0.103 ms,验证了本文中所提方法的有效性、准确性和实时性。

方向预测搜索与边缘曲率约束的直线段提取方法

为去除图像中与直线检测无关的边缘点,获取完整的直线边缘,准确提取直线段特征,提出一种方向预测搜索与边缘曲率约束的直线段提取方法。利用双阈值方法检测目标边缘点以跟踪边缘轮廓;利用最近跟踪产生的边缘点中含有的方向信息预测下一边缘点的搜索方向,在边缘断裂处采用深度优先搜索方式在预测方向上跨越断裂点继续搜索边缘点,有效避免分岔路径错误选择,保证获得更加完整的边缘轮廓;利用边缘曲率约束和长度约束在边缘轮廓中提取直线段边缘点;利用直线段边缘点拟合直线,并从全局角度合并离散直线段得到最终的直线段。实验结果表明,该方法能有效处理边缘的断裂和分叉,准确提取出更完整的直线段和端点信息,并且具有较快的运算速度,性能优于现有的典型直线段提取方法。

带平均曲率约束薄板问题的数值解

本文讨论了边界简支带平均曲率型约束薄板问题的混合有限元逼近,证明了离散问题解的收敛性。

满足曲率约束的B样条曲线连续路径平滑方法

为避免全局路径规划中出现的路径不连续和不平滑,提出了基于三次准均匀B样条曲线的路径平滑算法.基于德布尔三角递推方法,设计了区间模式下的扇形输出算法(FA).通过与传统递推算法对比,FA算法可提高38%的运行效率.在FA算法的基础上,结合曲线曲率与角度构成的映射关系,系统研究了角度变化对分布系数的影响.提出角度变化下的控制点增加方式,建立了移动机器人运动学模型,以路径最大曲率约束条件优化初始控制折线路径.研究结果表明:在满足准均匀B样条曲线的性质下,平滑路径可实现C^(2)连续.以轮式移动机器人为对象进行仿真和实验,验证了所提出算法的有效性.

融合角点检测的点云配准研究

为提高点云配准效率,提出一种基于点云曲率信息的Harris角点提取算法,通过引入曲率约束,对传统Harris角点提取做出改进;计算每个点的曲率值并与整幅点云的平均曲率作比较,保留曲率值大于平均曲率的点云,实现对配准价值较低的点的剔除,为后续点云配准减少计算量;构建所提取角点之间的特征匹配,结合采样一致性(sample consensus initial alignment, SAC-IA)粗配准和正态分布变换(normal distributions transform, NDT)精配准,寻找最优的变换矩阵,实现源点云和目标点云的重合。通过比较不同算法在公开数据集上进行实验验证,结果表明该方法对复杂点云、多拐点点云都有较好的表现,对初始位置相差较大的点云也有良好的适用性。

附加增值条件的移动最小二乘法的点云孔洞修补

由于扫描设备局限或模型结构复杂等因素导致点云模型出现孔洞,这严重影响模型的后续处理。针对点云孔洞的修补问题,文中提出了一种附加增值条件移动最小二乘法的点云孔洞修补方法。首先提取封闭的孔洞边界,通过密度分析进行迭代切片,不仅削弱点云分布不均的影响,还提高模型细节特征的保留程度;再将离散群点投影至拟合曲面,投影点集二次拟合以获取拟合面节点,保证有足够的边界邻域节点为基础进行孔洞修补;最后利用附加增值条件移动最小二乘法对孔洞进行迭代修补,并对增值点云进行曲率约束,从而达到契合原始模型空间特征的重建。实验采用人为在四个点云模型上制造不同类型的孔洞,并与现有的四种方法进行对比,验证所提方法的有效性,结果表明,文中方法相较于现有的四种方法,完整率、准确率提高了1.83%以上,配准均方根误差与平均曲率均方根降低了68%以上,对比证明了文中方法对于点云模型孔洞具有较强的适用性,可为重建三维点云模型提供可靠信息。

基于双轮廓同步跟踪的果树枝干提取及三维重建

自适应果实振动收获是利用机器视觉技术识别果树的几何参数,从而分析其动力学特性并用来自动调整振动设备的参数,达到高效低损伤的作业目的。该文以自然生长的无叶山核桃树为研究对象,根据果实自适应振动收获方式的需要,研究了一种基于双轮廓同步跟踪提取果树枝干并利用双目视觉技术进行三维重建的方法。首先结合自适应阈值分割算法和轮廓跟踪技术提取果树枝干区域,细化后得到枝干骨架并用二叉树结构描述。然后根据极线约束和拓扑结构建立双视图中树枝的对应关系。考虑到果树树枝形状的连续性,在三维重建过程中引入了曲率约束,从而提高了重建的效果。最后利用植物学的营养管道输送模型,结合线性回归方法参数化树枝半径。试验结果显示,重建的三维果树枝干形态与真实果树在视觉上很接近,估计的半径与测量半径之间的相对误差小于9%。该研究可为果树动力学模型的创建提供树体的3D结构参数,从而为果实的自适应振动收获技术提供参考。

电缆虚拟布线中的物理特性分析与布局设计技术

针对机电产品中电缆布局设计中没有考虑物理特性导致电缆取样长度不准确的问题,提出了虚拟环境中基于物理特性的电缆布局设计方法.首先使用非均匀三次B样条曲线拟合电缆中心线,并考虑电缆的弯曲半径,使电缆在拐角处的转弯半径符合其物理特性;然后采用能量优化造型法得到电缆调整过程中的静态位姿,并利用定长约束下搜索算法对求解结果进行优化;最后提出利用局部曲率约束算法控制电缆的弯曲变形,使电缆布局时更符合其弯曲特性.由于该方法考虑了柔性电缆的物理特性,提高了电缆布局结果形态的真实性和取样长度的准确性.最后设计并开发了基于物理特性的电缆布局设计原型系统,并通过实例验证了文中算法的可行性.

逆向工程中散乱点云变尺度配准算法研究

针对传统散乱点云配准算法收敛区间与配准精度之间的矛盾,提出一种变尺度点云配准算法。构造一种基于重合点计数点云配准测度函数;对测度函数的高斯平滑过程进行研究,并对尺度参数对测度函数性能的影响规律进行分析;根据测度函数在大尺度参数下平滑但存在极值偏移,在小尺度参数下全局极值位置精确但存在局部极值的特点,提出一种尺度参数可变的散乱点云配准算法;借鉴模拟退火算法的思想,通过对比选定Lundy退化策略作为算法的尺度衰减策略;采用曲率约束进行控制点筛选并利用快速高斯变换进行测度函数值的计算以提高算法效率;利用合成数据和实测数据进行对比试验,结果基于变尺度策略的散乱点云配准算法具有更加广泛的收敛区间和更高的配准精度。

混合编码差分进化算法求解含邻域Dubins旅行商问题(英文)

含邻域Dubins旅行商问题(DTSPN)是一个具有挑战性的混合变量优化问题,它源于Dubins车的运动规划,例如轨迹受曲率约束的高速飞行器.本文在对DTSPN的相关研究进行综述的基础上,提出两种混合编码差分进化算法来有效求解DTSPN,这两种算法分别采用完整编码方案和部分编码方案.完整编码差分进化算法在整个解空间中搜索最优的Dubins路径,有利于充分探索搜索空间.通过对Dubins车在相邻两点间移动时的终端朝向进行松弛,本文提出一种部分编码差分进化算法,在解的质量和计算时间方面实现了较好的权衡.比较性计算实验包含两种差分进化算法以及现有文献中的两种先进DTSPN算法,实验结果表明基于终端朝向松弛和部分编码的差分进化算法能够以较小的计算代价得到DTSPN的高质量解,明显优于其他算法.

基于对比度积累的弱点目标检测

为了更好地跟踪及预测目标位置,首先针对采样序列构造两点起始航迹,然后进行一次回溯提前剪支.在轨迹互联阶段,依据目标像素具备的局部对比度极大似然特性开展边检测边跟踪.同时结合曲率约束进行目标位置的平滑.后处理时,设计的“与逻辑”滤波器用于检验三帧图像间的相关性,逆向的搜索策略可以将虚假航迹剔除80%以上.最后,通过沿着航迹进行对比度的积累,能够检测出被云层遮挡的多个点目标.实验阶段的多组图像序列验证了该算法的有效性.

有障碍区域的多无人机多目标点路径规划

主要讨论了有障碍区的多无人机多目标点的路径规划问题.采用Dubins模型满足无人机的曲率约束,建立了含有混合变量的多约束优化问题,通过改进的遗传算法对优化问题进行求解,得到了满足基本约束条件的无人机遍历顺序和航向角,并确定了每个无人机的Dubins路径;给出了确定路径进入障碍区的检测方法,采用Dubins-快速扩展随机树算法对进入障碍区域的路径进行调优,得到了满足障碍约束条件的优化无人机路径.通过仿真算例对比实验,证明了所提算法的有效性.

自适应Harris角点提取的点云粗配准算法

针对传统3D-Harris角点提取算法中,Harris算子使用降维后的缺失几何信息、角点提取时响应值计算量大且耗时长、特征点对匹配精度不高以及需要手动设定角点响应阈值等问题,提出了一种完整而高效的Harris角点自适应特征描述、提取和匹配的点云粗配准算法。引入正交梯度算子对传统Harris算子和自相关函数进行改进;利用点云曲率约束实现角点的自适应筛选与提取,减少角点响应值的计算量;构建角点几何结构的特征描述子,结合阈值检测和描述子匹配,将角点匹配对集合进行扩展,从而完成源点云和目标点云之间粗配准;将所提算法得到的配准结果作为精配准初始值,利用迭代最近点算法实现精配准。与对比算法在公开数据集上进行实验比较,结果表明:所提算法的特征正确提取率为0.93,正确率最高;提取时间为7.63 s,效率最快;所提算法结合精配准步骤在实验数据集上的旋转误差、平移误差和运行时间均为最低,配准效果最佳。

基于B样条曲线的无人车路径规划算法

路径规划是无人车运动控制的重要研究内容之一,路径规划算法的性能优劣直接影响无人车能否在复杂交通场景中自主行驶。考虑到车辆运动学模型对轨迹平滑性的要求,本文提出了基于B样条曲线解决无人车路径规划问题的方法,建立了完整的分步规划模型,即将路径规划的过程分为路径簇生成、最大曲率约束、碰撞检测以及最优评价四个步骤串行进行,最终得到最优路径。该方法实现过程简单,运行效率较高,仿真结果表明了本文算法的有效性。

关于四阶椭圆变分不等式及其微分形式——祝贺建校三十周年

本文讨论了四阶障碍问题与带平均曲率型约束薄板问题的变分形式与微分形式的等价性,证明了边界简支带平均曲率约束薄板问题的两个变分形式的等价性。

复杂环境下基于RRT的智能车辆运动规划算法

在存在大量无规则障碍物且障碍物分布不均匀的复杂环境下,现有规划算法不能很好地解决智能车辆的运动规划问题.为此,本文提出了一种简单实用的基于RRT(快速搜索随机树)的运动规划算法——连续曲率RRT算法.该算法在RRT框架中结合了环境约束以及车辆自身的约束.它首先引入了目标偏向采样策略以及合理的度量函数,大大地提高了规划速度和质量;接着提出了一种基于最大曲率约束的后处理方法以生成平滑的且曲率连续的可执行轨迹.通过仿真实验和实车测试,证实了该算法的正确性、有效性和实用性.