基于形态特征线的汽车喷涂型面分割设计研究

文章针对数字曲面微滴喷射技术在汽车喷涂中喷涂型面依靠个人熟练度的问题,提出以汽车形态特征线为型面分割依据的区域分割方法,旨在明确喷涂型面的区域分布,提高汽车喷涂效率和喷涂图案与汽车车身的契合度。文章通过研究形态特征线和型面特征在汽车喷涂领域的应用现状,提出以汽车形态特征线为喷涂型面分割依据的区域分割方法;基于对形态特征线的分析,得出汽车形态特征线的简化原则和提取原则,在此基础上提出基于形态特征线的喷涂型面区域划分原则和分割方法。以五菱宏光MINI EV真车为例,进行个性化彩色图案自动喷涂实验,验证方法的可行性。文章得出结论:在汽车形态特征线的基础上,按照汽车形态特征线的简化和提取原则分割喷涂型面,可减少设计部门与技术部门之间的沟通时间,降低个人在喷涂型面时受到不确定因素影响的可能性,提高喷涂效率和质量。

结合区域增长与RANSAC的机载LiDAR点云屋顶面分割

建筑物屋顶面大小差异较大、形状复杂、数量不确定等特点,以及机载LiDAR点云密度不均、分布不规则、缺乏语义信息等特性,对屋顶面的准确分割造成了很大干扰,因此现有分割方法的精度和适用性仍有待提高。针对上述问题,本文提出一种结合区域增长与RANSAC的机载LiDAR点云屋顶面分割方法。首先,引入稳健的法向量估计算法计算点云法向量,利用提出的迭代区域增长策略和RANSAC提取多个可靠屋顶面片;然后,基于可靠屋顶面片参数和RANSAC计算内点的思想,迭代合并可靠屋顶面片,并精化屋顶面参数;最后,计算未能通过前面步骤分割的点到各屋顶面的垂直距离,将其标记为距离最小且小于阈值的屋顶面,并通过局部范围内投票的方式精化屋顶面分割结果。利用多个具有代表性的建筑物点云和一组区域建筑物点云进行试验,结果表明,所提出的方法可有效地分割不同复杂程度的建筑物屋顶面,并能较好地分割面积较小的屋顶面,以屋顶面和单点为评价单元的平均分割正确率为95.56%和97.93%,分割的结果可为建筑物三维模型重建、点云精简等应用提供可靠的信息。

基于体素增长的机载LiDAR点云建筑物屋顶面分割

建筑物屋顶面的准确分割对建筑物模型重建具有重要意义。但是由于建筑物屋顶面的种类繁多、大小差异大、形状复杂等特点,以及机载LiDAR点云数据的密度不均、数据量大等特性,传统分割方法存在欠分割、过分割以及小平面难以准确分割等问题。针对上述问题,本文提出一种基于体素区域增长的机载LiDAR点云建筑物屋顶面分割方法,有效提升了复杂结构建筑物屋顶面的分割精度。首先,对点云数据进行体素化,根据PCA方法估计每个体素的法向量、曲率值。然后实现基于体素区域增长的初始屋顶面分割。该过程选取当前体素空间曲率最小值体素作为初始种子体素,以26邻域为增长方向,根据种子体素与待增长体素间的法向量夹角约束增长。迭代增长过程中根据当前种子体素与增长体素的曲率差绝对值确定待增长种子体素,直到未有新的种子体素出现停止增长。再次选择新的初始种子体素重复该过程,直到完成所有体素的分割。最后通过对初始分割结果中过分割屋顶面进行合并、屋顶面结构完整性修复、复杂建筑物的小平面提取等优化处理得到最终的屋顶面。本文选取ISPRS官网提供的Vaihingen和Toronto 2个地区的机载LiDAR点云数据,分别对其中代表性的单栋建筑物和区域建筑物进行屋顶面分割实验。结果表明,复杂建筑物屋顶面点云分割的完整率、正确率和分割质量结果分别为95.36%~99.58%、94.83%~100%和90.65%~98.28%。本文方法在解决欠分割和过分割问题的基础上,有效地提高了建筑物点云的屋顶面分割的精度。

基于Butterworth滤波和Haar小波变换的干涉图像齿面域分割

干涉图像中反映齿面形貌信息的齿面域被背景噪声包围,其分割精度对相位解包裹、图像配准等后续的处理步骤存在较大的影响,直接关系到最终测量结果的精度。针对齿面干涉图像边界存在杂散条纹的现象,通过分析齿面干涉条纹的分布规律,提出了一种结合Butterworth滤波和Haar小波的齿面域分割方法。最后,在本文实验条件下,通过与时域分割方法进行对比,该方法可以将齿面干涉图像的边界杂散条纹区域内解包裹相位值有错误的地方排除在有效测量区域外并且能够对其进行有效校正,证明了基于频域信息的分割方法能够有效地提高干涉图像齿面域分割的精度。

曲面等值分割中的界点跟踪方法

面向任意输入条件的曲面等值分割方法具有通用性,但已有方法未对其界点跟踪环节进行深入探讨.为此,提出曲面等值分割中的界点跟踪算法.首先,通过循环选择当前网格单元的出入界点,构建后继网格单元,并设为当前网格单元来跟踪界点;其次,对算法中的关键技术——网格单元动态构建方法以及基于界边生长趋势预测的网格单元出入界点选择方法进行介绍;最后,针对坐标、可加工性、法向量、高斯曲率和平均曲率等面点属性设计5个分割条件集,并进行实例测试.当网格单元均仅有2个界点时,该方法与已有方法的分割精度相同;当存在网格单元有2个以上界点时,该方法的平均界点误差比已有方法降低91.78%.实验结果表明,该方法适用于更复杂的分割问题,且具有较高的分割精度和鲁棒性.

基于注意力机制和U-net网络的漆面图像分割方法

自动除漆小车的视觉导航过程中,对漆面的分割精度和实时性有着较高的要求。为此,提出一种改进的U-net模型,用于视觉导航中的漆面分割任务。首先,搜集、制作了漆面数据集,并通过数据增强进行了数据集扩充。其次,通过引入Efficientnet-B0编码器和Focal Loss、特征融合环节嵌入串行双注意力机制,对U-net模型做了三处改进。最后,利用改进的模型对漆面进行分割,并与其他模型进行对比实验。实验结果表明,论文改进后的U-net模型,mPA比起U-net和ResU-net分别提升了2.63%和2.19%,达到了97.8%,PA比起U-net和ResU-net分别提升了2.88%和6.12%,达到了90.79%;在分割时间方面,比起DeepLabV3和DeepLabV3+分别提升了91.94%和90.17%,达到了0.1039s。论文提出改进的U-net模型,很好地兼顾了分割精度和实时性的要求。

一种基于深度学习的两段式三维面片过分割方法

为解决三维点云面片分割方法参数多、面片数无法固定、泛化性能差的问题,根据二维深度超像素采样方法(superpixel sampling network,SSN)提出一种两段式深度三维面片过分割方法3DFON。方法前段为深度特征提取网络,后段为允许梯度传递的并行点级别迭代聚类算法。利用综合损失函数对进行网络训练。研究表明,该方法在Shapenet Parts数据集上展示了良好的分割效果与泛化能力,与SLIC(simple linear iterative clustering)算法及面片化算法相比,可免调节参数,且在可达成最大分割精度与欠分割误差这两项指标上具有优势。

适用于面诊图像分割的轻量级网络

目前,面诊图像脏腑分布区域的分割大多采取传统分割方法或重量级分割网络,存在鲁棒性不强或实时性差的不足。针对上述问题,提出一种结合空洞卷积、通道重排、通道分割和非对称卷积的瓶颈结构,并基于此结构构建一种轻量级面诊图像实时语义分割网络。首先,通过通道分割方法分割通道,分别对分离得到的通道进行非对称卷积和空洞非对称卷积,以实现减少参数量的同时密集提取特征;其次,采用通道重排技术对处理后分离的通道进行重排,以实现通道之间的信息交互;然后,利用残差与输入特征进行连接,丰富特征信息。此外,针对中医面部五脏反射区域存在模糊边界而导致分割效果不佳的问题,提出一种加权边界感知损失函数,在模型训练的过程中给区域边界的像素赋予更大的权重。在单个GTX 1080 GPU上对面诊图像数据集进行实验,总体像素准确率、平均交并比和F1分数分别达到98.34%,86.76%和92.81%,推理速度达到57 f/s,取得整体对比最佳的分割性能。实验结果表明,所提方法能够在保证分割精度的同时实现实时分割。

基于线段和消隐点的建筑墙面自动分割算法

建筑物的墙面分割是基于图像建模、路标识别、导航及场景理解等室外城市环境应用系统中的基础内容,目前基于多幅图像重建的墙面分割方法或基于重复结构假设的先验知识的分割方法具有计算量大和通用性差等特点。为了能够简捷、快速、准确地得到墙面分割结果,提出一种针对建筑物的墙面自动分割算法,用于将二维图像中的建筑物分割为分离的墙面集合,可满足路标识别、导航、场景理解的实时性需求。该算法利用从图像中提取的线段和消隐点信息,将高维的建筑墙面分割问题转化为一维分割问题。实验结果表明,该方法具有精确度高、鲁棒性好、效率高等优点。

基于FME的道路面实体自动化处理技术研究

为提高道路面实体构建的自动化处理水平,基于FME软件研究了利用道路边线自动构面以及道路面在路口处自动分割等技术方法。该方法解决了传统的道路面构建中大量依赖人工作业的局面,极大提高了工作效率,并已应用于成都市新型地理实体生产与更新项目中。

基于改进RANSAC算法的屋顶激光点云面片分割方法

基于改进的随机抽样一致性算法(RANSAC)对建(构)筑物屋顶面片进行点云分割,通过改进种子点选取方式来提高面片分割的置信度,并将点到平面距离的标准差作为判断准则,以提高分割面片的准确性。同时,采用KD-Tree组织点云,根据空间平面的法向量、连通性分析、点云的R半径密度对分割的面片进行优化处理,试验证明该方法能有效地对建筑物屋顶面片进行点云分割。

机载LiDAR数据建筑物顶面点云分割方法研究

建筑物顶部面片的精确分割是机载LiDAR点云数据中建筑物三维重建的关键。本文在LiDAR点云数据法向量分析及曲率计算的基础上,采用曲率最小点作为种子点,以点云法向量角度差和灰度值差作为生长条件,构建LiDAR点云数据的建筑物顶面面片区域增长分割方法,并进一步对分割面片的邻接点进行处理,用于建筑物三维模型的重建。试验结果表明,本文算法可准确地分割不同结构类型的建筑物顶面,并能够有效区分植被点云。

基于改进标记分水岭的彩色踏面图像分割

踏面图像分割是实现踏面区域与背景分离的过程,是联系图像预处理与踏面图像缺陷检测的纽带。针对传统踏面图像分割方法处理过程中存在的图像信息缺失、区域轮廓分割精度低和抗干扰能力差的问题,提出了一种基于改进分水岭算法的彩色踏面图像分割方法。首先使用带色彩恢复的多尺度视网膜增强(MSRCR)调整踏面图像入射分量与反射分量及RGB 3个颜色通道之间的比例;然后直接计算彩色图像梯度图,通过改进RGB彩色分量融合运算完成彩色梯度图像前景与背景的标记后进行分水岭变换得到初始分割结果;最后结合踏面轮廓方位特点设计图像连通域提取分割算法完成踏面曲面提取。实验结果表明,本方法分割图像边缘特性好,颜色保真,抗雾霾、光照干扰能力强,可以获得理想的车轮踏面分割结果。

一种面诊图像的分割算法

为了能够解决传统图像提取算法中没有充分考虑面诊图特点而造成的未能对于目标区域进行很好的预处理、颜色空间转换失真、以及忽视细节处理的情况,设计实现了针对中医面诊仪的面诊图自动分割算法。考虑到面诊仪的光照环境,采用灰度自适应增强的方法进行预处理;为了防止传统颜色空间转换中色度信息失真的情况,采用了自适应非线性的转换方法;使用聚类方法及数学形态学运算对细节进行了处理,最终分割出最终的目标区域。实验表明,该算法能够准确有效地分割面诊仪所采集的面诊图,为后续分析处理挖掘更多的有效信息。

三角形面元分割法计算地球同步卫星视星等

为了描述地球同步轨道卫星表面的光学特性,提出了快速三角形面元分割法计算卫星有效反射面积,结合太阳、卫星和观测点三者之间的时空关系,建立目标视星等计算模型。为了验证模型,对在轨地球同步卫星FY-2在不同时刻的有效反射面积和视星等进行仿真。结果表明,与网格化面元分割法对目标表面分割数为1600时达到收敛相比,采用三角形面元的分割数为256时,模型即达到收敛条件。此时,计算得有效反射面积与经验公式计算差值接近10-3,有效降低了面元分割数和模型复杂度。采用光电转台对目标进行跟踪观测实验,当观测时刻为2013年5月1日19：00-20：00时,目标视星等观测值为12.6～12.8,理论计算视星等与实验结果符合较好。

CAD曲面等值分割方法

CAD曲面分割在工程领域中具有广泛的应用.已有分割方法主要根据单一的面点属性进行分割,不具通用性.为此,提出以自定义条件为核心的面等值分割方法.用户预先根据分割问题及相关面点属性设计一组条件,以此为依据计算界点,并沿界边生长方向依次搜索界点,进而以有序界点样条插值的方式生成界边.通过构造曲面及其子面片的界边,将曲面分割为一组等值面.为保证分割的一般性,提出初始界点和参数域采样单元界点精确计算方法.最后,针对可加工性、法向量和曲率3种面点属性分别设计分割条件并进行实例测试,在可加工区域分割测试中文中方法的平均界点误差比现有方法平均降低96.98%.实验结果表明,所提方法适用于不同的分割问题,且具有较高的分割精度.

融合Seg-UNet的中医面像分割网络模型研究

目的为实现中医面像部分区域的精准分割,提出一种融合Seg-UNet的中医面像分割网络模型。方法采用Seg-Net网络中的最大池化索引将U-Net网络中的上采样改为上池化来改进U-Net网络。在U-Net网络原编码阶段的池化过程通过池化索引保留权重信息,上采样过程即可利用该索引实现特征图矩阵的扩充。在此基础上增加一层卷积扩增通道数,改进原网络中将特征图矩阵直接复制的上采样方式,从而降低池化过程中权重信息的损失。将Seg-UNet网络模型分别对脸颊、额头和嘴唇3个部位进行分割训练和测试。结果对中医面像部分区域分割精度高,分割效果优于传统U-Net和Seg-Net网络模型,采用准确率(Acc)、Dice系数、平均交并比(MIoU)作为评价指标。结论本研究结合深度学习方法实现了较好的中医面像部分区域分割效果。

统一统计理论多分割面热反应速率的计算程序

应用GAUSS积分方法，设计了建立在统一统计理论基础上的多分割面量子方法计算热反应速率的计算程序．通量积分N（E，S）基于内禀反应坐标（IRC）的信息采用阶梯函数量子数态法计算，由其微正则变分确定分割面．IRC信息由量子化学从头算方法得到．程序用FORTRAN语言编写．详细阐述了基本理论和程序算法及对H2＋H反应体系的成功应用．该程序可进一步适用于多原子分子的较大体系．

ArcGIS中面要素分割自定义工具的设计与实现

对在ArcGIS中使用线要素分割面要素的问题进行研究,发现了ArcGIS工具对同一属性记录中的多个面图形进行分割的不足,采用C#语言和COM组件技术,开发出分割面的自定义工具,扩展了ArcGIS的编辑处理数据功能,提高了工作效率。