基于法向量特征的点云配准方法

在工程实践中,三维激光扫描技术越来越多地得到应用,在多站点三维激光扫描观测时,不同站点间的点云配准是数据应用的关键。在不借助站点信息的情况下,根据点云数据中的法向量特征,通过搜索匹配点对,利用同名点对实现点云之间的自动配准。实验表明自动配准的方式提高了点云配准的速度和精度,为点云数据的后续应用提供前提。

多分支配电网接地故障定位的特征向量法

在配电网接地故障定位传递函数法的基础上,提出了一种能够方便应用于多分支配电网接地故障定位的新方法——特征向量法。该方法利用数字信号处理手段获得具有一定分支结构的配电网的传递函数频谱特性,通过对频谱特性的进一步处理,获得故障线路中故障和分支的信息,并将这些信息转化为故障特征向量。对于某一固定分支结构的配电网,利用该方法建立各种故障特征的数据库,形成数据库专家咨询系统,以实现对多分支配电网接地故障的定位。

光腔模式及光束传输的特征向量算法

发展了一种新颖的适用于光腔模式及光束传输模拟计算的特征向量法.该方法的核心是基于菲涅耳—基尔霍夫衍射积分理论构造了一种新的光腔传输矩阵,通过求解激光谐振腔的本征积分方程,即可一次求解得到表征腔镜上多个光场模式振幅及相位分布的特征向量组;而谐振腔内或腔外任意地方的光场分布,也可采用该方法进行光束传输模拟而求得.对与该方法有关的单元划分、形函数选取、误差及稳定性分析等问题进行了论述,分析表明:合适的单元划分和形函数选取有利于提高计算速度、精度和稳定性.

谐振腔模式的特征向量法快速计算分析

用特征向量法模拟较大菲涅耳数激光谐振腔时,采用梯形积分法计算效率较低。为了解决这一问题,通过理论分析谐振腔输出模式的空间带宽积,确定计算传输矩阵时最少的取样点数。采用高斯积分法计算传输矩阵,该方法在保证啁啾函数计算精度的同时使传输矩阵尺寸满足最少取样要求。通过对菲涅耳数为10的方形镜平凹谐振腔进行数值模拟可知,传统方法的传输矩阵尺寸为10000×10000,谐振腔特征模式的计算时间为412.47s,本文中的计算方法需要的传输矩阵尺寸为3600×3600,计算时间为51.34s。结果表明,本文中的计算方法能大幅度提高特征向量法的计算效率,同时减少计算机内存的消耗。

一种利用坐标计算圆柱度的通用算法——最小二乘与特征向量定向法

一种利用坐标计算圆柱度的通用算法——最小二乘与特征向量定向法＊郭俊杰封定田世杰廖勇（西安理工大学西安７１００４８）１引言在几何量测量中，圆柱度的测量是一种很常见的测量项目。而圆柱度测量最常用、最有效的方法就是坐标测量法。虽然坐标测量法的数据处理有一些...

基于特征向量法的电池储能装置最佳安装地点选择

建立一种电池储能装置(CBEST)的数学模型,分析CBEST的安装地点对其功率补偿效果的影响,以选择CBEST的最佳安装地点;在PSS/E中利用自定义模块建立CBEST控制系统的数学模型;采用小信号分析法分析特征向量法用于储能选址的可行性,并给出特征向量模值的计算过程。IEEE 9节点系统的仿真结果验证了特征向量指标用于储能选址的准确性和有效性。

基于特征向量法和支持向量机的抑郁症脑电信号分类

目的:从抑郁症患者EEG信号中提取与疾病相关的信息以实现对抑郁症患者与健康人的自动分类。方法:用特征向量法对抑郁症患者与健康人脑电进行特征提取,得到脑电信号功率谱幅度的最大值、最小值、平均值和标准偏差等特征参数,然后用支持向量机分类器进行训练和分类,并进行测试验证。结果:相对于用小波变换提取的频率相关参数作为分类特征,采用本文特征向量法功率谱估计提取的特征参数为分类特征的分类器具有更好的分类效果,其抑郁症患者和健康人脑电信号的分类准确率可以达到95.6%。结论:该研究成果为抑郁症疾病的物理诊断提供了一种新的途径。

Boost变换器的特征向量法混沌量化及EMI抑制

由于DC-DC开关变换器中固有的混沌现象可以用来提高电磁兼容(EMC)性,故量化其混沌行为有着重要的意义.文中通过建立DC-DC变换器的混沌模型,得到其相应的混沌映射,进而利用特征向量法对该混沌映射的不变分布进行求解,实现了基于混沌特性的量化.并以峰值电流控制的Boost变换器为例,说明了DC-DC变换器混沌映射的不变分布的量化方法,为进一步利用混沌特性降低DC-DC变换器的电磁干扰(EM I)打下了理论基础.

层次分析的广义梯度特征向量法

在层次分析中提出了一种广义梯度特征向量法 ,并给出它的标准形 ,讨论了和其它排序方法的关系 .

基于区间数特征向量法(IEM)的主要防御方向选择问题

一种基于区间数特征向量法(IEM)的选择主要防御方向的方法。利用区间模糊数对评价指标进行评定,利用AHP法确定各指标的权重,其通过建立递阶层次结构模型、构造区间数判断矩阵、利用IEM求出各区间数判断矩阵相应的权重向量、计算方案层对目标层的区间数权重向量并排序进行待选地域价值排序。最后通过实例验证了该方法的可行性。

基于点云投影的货物盘点机器人目标识别算法

针对物流仓储中常见的非标仓库货物盘点问题,提出一种基于激光雷达点云投影的货物识别算法。首先对采集到的货物点云数据采用RANSAC(随机采样一致性)和ICP(迭代最近点)算法进行点云数据拼接,同时基于改进欧式聚类方法实现货物错层处理;其次将货物点云投影至二维平面并采用点云z轴法向量作为特征信息,形成特征灰度图像;最后借助改进分水岭算法对特征灰度图进行图像分割。通过实物平台及现场数据测试,该算法货物识别精度达到90%以上,相较基于深度学习YOLOv5算法的图像识别方法具有稳定的识别率,且有效避免依赖大规模公共数据集的问题。

基于面积比矩阵的加权特征向量点匹配算法

提出一种在仿射变换下点集关系描述算子——面积比矩阵,证明了其在仿射变换群下的不变性质;并由该性质推导得出特征向量(EA)匹配算法抗噪性能差的原因,在此基础上给出了基于面积比矩阵的加权特征向量算法。算法构造不同图像的面积比矩阵,对矩阵进行分解得到其特征值和特征向量,通过特征值进行加权获得图像中点的特征向量,比较图像点的特征向量获取匹配关系。因面积比矩阵的仿射不变性质,算法能实现仿射变换下点集精确匹配;采用的加权特征向量法改进了EA匹配法,具有更好的抗噪性能。实验表明算法切实可行。

梯度特征向量排序法的数学原理

§1 梯度特征向量排序法关于层次分析中,单一准则下的排序问题,Saaty教授提出了特征向量排序法.即决策者在准则C下,对n个需要排序的对象填写判断矩阵:

基于特征向量法的地基红外高光谱反演大气温湿廓线附加影响因子分析

在地基高光谱遥感中,特征向量法获取的温湿廓线以初值的方式对物理反演进行约束,其反演精度对物理反演结果有着重要的影响。利用AERI的观测辐射资料和同站点的探空数据,基于特征向量法分析了温度廓线与湿度廓线反演的异同点;研究了主成分个数的选择问题,综合考虑反演精度和特征向量中包含的信息将反演温度廓线和湿度廓线的最优主成分个数定为7。为提高反演精度,引入地面温度、湿度、气压作为影响因子,试验结果表明,考虑反演精度和稳定性,地面气压的引入相比于其他2种单一气象要素以及3种气象要素组成的因子集表现更好,尤其是对边界层中下部的温湿廓线有着明显的提升,并随着高度的降低提升作用更明显,温度廓线RMSE降低最高达到1.5K,湿度廓线RMSE降低最高达到0.42g/kg。同时,分析了对数反演形式对湿度廓线的影响,结果表明,以水汽混合比的形式反演时取自然对数对反演精度的影响较小;将反演得到的水汽混合比转化为相对湿度后,取自然对数对反演精度有12%以上的提升。

基于基尼的深度解卷积方法在机械装备故障诊断中的应用研究

解卷积方法是机械装备故障诊断的有力工具,但传统研究仍属于浅层特征提取,难以处理极低信噪比情况。针对此问题,在传统解卷积理论的基础上引入特征学习思想,提出一种基于基尼指数(Gini index,GI)的稀疏特征深度解卷积方法(GI-based sparse deep deconvolution,GI-SDD)进行机械装备早期故障诊断。采用频带均分策略初始化输入层滤波器,为后续解卷提供方向。以能够表征机械故障稀疏特征的GI作为损失函数,指导深度网络进行训练。基于广义的特征向量法(eigenvector algorithm,EVA)执行权重优化,进而对微弱故障特征进行逐层学习。利用相关系数和包络谱峭度(envelope kurtosis,EK)准则联合评价故障信息,降维输出最为显著的故障分量。经仿真分析及试验验证,所提方法对背景噪声具有强鲁棒性,故障特征得到显著加强,其EK值相较于传统MED和MGID结果分别提升163.43%和187.11%。

EV法吹填施工项目设备选型分析

随着吹填工程向吹填造岛、海岸防护等大型项目发展,设备选型成为施工的关键因素。为避免设备选型不当影响施工效果,构建了吹填施工设备选型优劣排序模型。通过分析设备选型影响因素,采用德尔菲法和3标度特征向量法确定评价指标及权重,结合线性分配法获得最终排序。以安徽省江淮项目为例,应用该模型对5种方案优选,验证了模型可行型。为吹填施工的设备选型提供参考,为相应工程提供借鉴。

广义判断矩阵的特征向量法及其一致性检验

提出计算广义判断矩阵排序向量的一种新算法并将广义判断矩阵的一致性检验转化为普通判断矩阵的一致性检验.

梯度特征向量法的性质及保序性条件

本文讨论了梯度特征向量法的性质及增加新元素的保序性条件。

一种基于法向量夹角的点云配准方法

点云配准是逆向工程、机器人导航、计算机视觉等领域中进行三维重建的关键问题.针对4PCS配准算法对点云数据密度变化强烈的情况表现不稳定,以及为了保证效率海量点云数据必须进行下采样而导致对应点对无法得到保证的情况,本文提出了基于法向量和邻近点数目的特征点提取方法对算法进行改进.选取一个半径范围内的点作为邻域,并通过总体最小二乘法拟合局部平面求解法向量,之后利用法向量夹角和邻域大小进行特征点提取,最后在特征点集上进行4PCS算法.因为点集基数大幅度减少并且特征明显,有效提高了4PCS算法的速度和精度.