ISS特征融合NDT的点云配准研究

点云配准技术在三维重建、自动驾驶领域中起着重要作用。针对正态分布变换(NDT)算法点云配准数据量较大时,配准效率低和配准精度受到初始位姿影响较大的问题,提出一种内部形状描述子(ISS)特征点融合NDT的点云配准方法。首先利用ISS算法对点云进行特征点提取,然后计算特征点处的快速点特征直方图(FPFH)来描述特征点处的局部几何信息,再利用随机采样一致初始配准算法(SAC-IA)进行粗配准,在粗配准后目标点云与源点云获得一个初始变换位姿,最后将该初始变换提供给NDT算法进行精配准。通过对数据集进行不同算法下的对比实验,证明该算法可以有效地提高点云的配准精度和配准效率。

基于ISS-LCG组合特征点的油菜分枝点云配准方法

[目的]针对传统点云配准方法准确率低、速度慢等问题,以油菜Brassica napus L.分枝点云为研究对象,提出基于ISS-LCG组合特征点的配准方法。[方法]以成熟期油菜角果分枝点云为对象,去除背景噪声后,得到清晰完整的油菜分枝点云;然后通过内部形状描述子(Intrinsic shape signature,ISS)提取油菜分枝点云的特征点,再使用线性同余法(Linear congruential generator,LCG)伪随机选取油菜点云的部分点构成关键点,将特征点和关键点进行融合,构成ISS-LCG组合特征点;通过三维形状上下文特征(3D shape context,3DSC)对组合特征点进行特征描述,最后采用RANSAC+ICP两步点云配准法进行点云配准。[结果]基于ISS-LCG组合特征点的点云配准算法以30°为间隔对点云进行两两配准时,配准效果最佳,配准误差约0.066 mm,配准精度比未采用组合特征点的配准方法提升了50%~70%;配准时间均小于48 s,平均配准时间为8.706 s。[结论]该方法在可控环境内可以实现成熟期油菜植株高精度、高效率的自动配准。

基于高阶幂的单快拍LDACS系统波达方向估计

L波段数字航空通信系统(L band digital aeronautical communication system,LDACS)是未来航空宽带通信重要的基础设施之一,针对LDACS信号容易受到相邻波道大功率测距仪(distance measuring equipment,DME)信号干扰的问题,提出了联合正交投影干扰抑制与单快拍稀疏分解的波达方向(direction of arrival,DOA)估计方法。通过子空间投影抑制DME干扰,然后使用单快拍数据构建伪协方差矩阵,对伪协方差矩阵求高阶幂,之后进行奇异值分解,并利用约束条件求解稀疏解得到期望信号来向的估计值。所提方法使用高阶伪协方差矩阵降低了噪声影响,仅用单快拍就可以准确估计LDACS信号的入射方向。仿真结果表明,改进单快拍高级幂(improved single snapshot high order power,ISS-HOP)L1-SVD算法的估计精度优于ISS-HOP-MUSIC算法。该方法可以有效抑制DME干扰,提高OFDM接收机性能。

基于ISS特征点的快速CPD建筑物点云配准算法

针对大规模建筑物点云数据采用CPD(coherent point drift)算法进行配准时,计算复杂度增大的问题,提出了一种基于建筑物点云特征点简化数据的快速配准ISS-CPD算法。该配准算法采用ISS(intrinsic shape signature)算法求得建筑物点云的特征点,可减少建筑物点云的数据量规模,再对所提取的不同视角下建筑物点云的特征点用CPD算法进行配准。实验结果表明,改进的配准算法提高了建筑物点云的配准效率。

基于ISS-CPD算法的三维激光点云数据处理技术

针对传统的三维重建方法既费时又费力、准确性低等,只能获取一些特征点和线性数据。本文在三维激光扫描点云的基础上,提出了一种结合ISS算法和CPD算法用于建筑物LiDAR点云配准。通过ISS算法提取点云数据的特征点,并通过CPD算法对这些特征点进行配准。并通过实验对该算法的有效性进行验证。结果表明,改进算法简单有效,提高了运算效率。该研究为我国三维激光点云数据的三维重建技术发展提供了参考和借鉴。

基于Kinect的ISS_CPD算法在混合现实医学中的应用

针对传统的图像匹配算法运用在混合现实医学中图像匹配速度慢、精准度低的问题,本文提出了一种基于ISS算法(内部形态描述子)和CPD算法(相干点漂移算法)的混合图像匹配方法,以实现三维图像与人体器官的快速匹配。首先,使用红外摄像头Kinect提取现实场景,生成点云图像,对点云图像进行去噪、平滑处理,优化图像质量;然后,使用ISS算法提取配准图像和参照图像的特征点,使用CPD算法进行快速配准,并使用点云三角化处理算法对配准图像进行三角化还原;最后,将算法进行封装,部署到混合现实眼镜Hololens中,从而实现混合现实医学图像实时配准。

基于ISS特征点和改进描述子的点云配准算法研究

迭代最近点(ICP)配准算法需要两点云处于良好的初始位置,否则在配准时容易陷入局部最优。针对该问题,提出了一种基于内部形状描述子(ISS)特征点与改进描述子的粗配准方法,使得低重叠度或无公共重叠部分的点云获取良好的初始位置。首先,利用ISS特征点提取点云的特征点;其次,基于特征点与其邻域点法向量夹角提出改进的描述子,根据描述子的欧氏距离将点云特征进行匹配;第三,通过单次最优变换进行粗配准;最后,对两点云进行精配准ICP迭代。实验表明,在点云模型完整的情况下,本文方法可为精配准提供良好的初始位置,且粗配准精度比传统点云配准精度高三个量级,配准效率提升23.7%。

MANETs中基于TCP的网络拥塞识别控制算法

针对现有TCP协议无法区分MANETs网络性能下降原因的问题,分析移动自组织网络的网络拥塞、MAC层及路由中断等现象出现的可能原因,提出基于短期网络吞吐量(short time throughput,STT)的拥塞识别策略,改进基于带宽估计的慢启动改进算法(improved slow start,ISS),在此基础上提出一种适用于移动Ad Hoc网络的拥塞识别控制算法TCP-AHN(TCP for Ad Hoc networks)。仿真结果表明,TCP-AHN算法在平均窗口拥塞值、网络吞吐量及分组平均重传次数方面优于传统拥塞控制算法,验证了TCP-AHN算法的有效性。

改进的最大频繁项目序列集挖掘算法

影响关联规则挖掘的关键问题是最大频繁项目序列集的生成问题,而传统的算法往往要求对事务数据库进行多次扫描,从而提高了I/O代价.阐述了项目序列集和它的基本操作的定义,然后详细描述了ISS-DM的最大频繁项目序列集生成算法,并在此基础上提出了一种改进的ISS-DM算法,最后进行了相应的验证.实践证明,改进后的算法同原算法相比,对相同的数据量进行挖掘,算法执行时间明显减少,效率较高.

应用果蝇优化算法优化广义回归神经网络进行企业经营绩效评估

近年来,台湾受到美国次贷风暴及欧洲债信的影响,许多大型企业瓦解的事件陆续发生,因此,公司管理阶层有必要好好地检视公司的财务状况,及早防范公司可能面临的经营风险。文章按照财务五力搜集台湾企业财务比率资料,根据活动力、稳定力与收益力进行灰关联分析,再将分析结果按照灰关联度进行排序,以了解各企业的经营绩效排名;然后采用果蝇优化算法优化广义回归神经网络、一般广义回归神经网络与多元回归模型,进行企业经营绩效侦测模型的建构,以供研究人员及公司管理阶层参考。分析结果显示,应用果蝇优化算法优化广义回归神经网络在企业经营绩效侦测模型的预测误差有很好的收敛结果,也有很好的分类预测能力。

一种实时的三维语义地图生成方法

为了提高模块化机械臂分拣作业效率,研究了一种实时三维语义地图生成方法。该方法设计了一种改进的区域增长分割算法提高了分割效率和准确性,通过基于距离阈值的特征匹配方法得到候选模型,采用随机采样一致性(RANSAC)和迭代最近点算法(ICP)生成转变假设并对候选模型进行验证,获取物体位姿信息,保存于XML地图文件中,将其与机械臂末端位姿进行推理分析,得到抓取任务轨迹。实验结果表明,该方法满足作业实时性与准确性的要求。

基于ISS-SHOT+3D-NDT的点云配准算法研究

针对以往点云数据在配准处理过程中,存在粗配准匹配率低、配准时间长、精配准精度不高等问题,提出了ISS-SHOT与3D-NDT相结合的点云配准算法。首先,运用内部形态描述子算法(ISS)对下采样后的点云数据提取特征点,对提取的特征点用方向直方图描述子(SHOT)进行描述,并利用相似度函数将对应的特征点进行匹配;再采用Lmeds算法删除匹配错误的特征点,并完成2片点云数据的粗配准,获得较好的初始配准位置与姿态;最后,采用3D-NDT算法将粗配准后的点云数据进行空间体素化处理,运用概率分布函数完成点云数据的精确配准。结果表明,与其他点云数据配准算法相比,ISS-SHOT+3D-NDT算法的均方根误差最小、配准精度最高,特征点匹配率较高且运行时间短。