基于自适应阈值的循环增长地面点云分割算法

在坡度、路面起伏不平的场景中,针对单一阈值敏感性不足,多阈值简单组合存在冗余计算,且影响分割精度和鲁棒性的问题,提出了一种基于阈值自适应选取的点云分割方法。该方法在栅格分割中引入循环增长判断,以兼顾局部特征与全局特征,设计了一种触发式双特征判断机制,并通过拟合地面波动幅度自适应确定分割的高度阈值提高算法的分割效率和分割精度。最后基于开源数据集进行了仿真测试,验证了所提算法在地面点云分割中的精确性和时效性。

基于伪随机因子修正与爬虫机制的无线传感网路径生成算法

为解决当前无线传感网路径生成方法存在的路径生成质量较低、抖动现象难以抑制等不足,提出了一种基于伪随机因子修正与爬虫机制的无线传感网路径生成算法。首先,采取主动爬取及回溯方式设置路径爬虫,按网络节点能量及路径跳数来设计路径诱饵,选取具有较高能量及较低跳数的路径,将具有较高能量及较短路径跳数的节点初始化为中继节点。按栅格对网络进行均等分割,选取兼具较低角度及较高层次的节点作为路径中的下一跳节点。采取回溯方式来提高节点转移概率,显著降低节点爬取过程中的网络能耗。仿真实验表明:所提算法存在可用路径数量较多、节点受限比例较低及网络传输带宽较高的特点,路径健壮性能优越。

基于单目视觉的仓储物流搬运AGV累积误差检测方法研究

双轮差速驱动搬运AGV在实际运动过程中,由于传感器读数误差和机械传动误差会产生运动累积误差,针对该问题,文中提出一种基于单目视觉的误差检测方法。首先采用基于栅格分割、聚类的方法提取二值图像中的定位块并使用平均值算法计算定位块的中心点;然后根据定位块中心点的相对位置关系建立误差检测计算模型;最后通过实验对本方法进行验证,位置和航向角检测结果误差分别小于1mm和1°,证明所述方法具有较高的检测精度。该方法对硬件要求低,具有较高的实用价值。

改进的RANSAC算法在三维点云配准中的应用

传统随机抽样一致性(RANSAC)算法只能进行粗配准,且配准效率低。针对该问题提出一种改进的RANSAC快速点云配准算法。该算法将内部形态描述子算法和快速点特征直方图(FPFH)算法相结合,得到特征描述子,然后采用预估计和三维栅格分割法改进RANSAC算法,最后与传统配准算法采样一致性初始配准算法进行比较。实验结果表明,本文算法能快速精确地剔除误匹配点,进行仿射变换矩阵求解,无需二次配准。本文算法相较于传统配准算法有很大优势,在大规模三维点云配准中具有很好的稳健性,并且在保证精度的同时可大幅提高配准效率。

基于机载LiDAR点云的初始道路提取

为了解决机载LiDAR点云进行道路网提取时存在的道路强度不统一问题,提出一种基于局部强度的栅格分割方法,用于道路点云提取。该方法首先对滤波后的地面点,利用偏度平衡得到道路信息强度阈值,将地面点划分为格网并计算格网内点云的平均强度值,然后通过确定中心格网及其邻域格网的强度值在道路信息强度阈值内的格网数量来确定道路点云。在复杂的环境下利用实际数据进行实验,结果表明该方法可以有效地减少道路周围的异常点并得到更完整的道路信息,这为后续进一步提取道路网提供了参考。由本文方法提取的初始道路中,数据1有84.1%的完整率,数据2有67.1%的完整率,相比于传统的方法有明显的优势。