基于k-d树的ICP算法的管道缺陷最深点自动识别研究

金属管道外表面存在凹坑、腐蚀缺陷等情况,为了准确判断管道的剩余服役寿命,提出一种基于k-d树ICP算法的油气管道缺陷最深点自动识别方法。扫描获取带有缺陷的管道点云数据,提取缺陷处至少1/3管道环向区域点云数据,建立标准圆柱件模型获取点云数据。利用ICP算法对两组点云数据进行配准,基于k-d树算法关联所有无序点云,从而加速搜索点云邻域,快速精确地识别出缺陷最深点。将该算法在天然气长输管段进行验证,以第三方专业检测机构的检测缺陷最深点数据为基准,通过计算对比发现,自动识别方法的误差率仅为0.54%,较之传统人工测量方法,测量误差率降低了3.22%,有效提高了管道外表面缺陷深度测量的准确度。

基于RGB-D视觉信息融合的带式输送机煤流量检测方法研究

在煤矿中,精确测量带式输送机煤流量对于煤矿生产和管理至关重要。为了进一步提高通过机器视觉方式检测带式输送机煤流量的精度,提出一种基于RGB-D视觉信息融合的煤流量检测方法,使用RGB-D相机采集煤流信息后,利用RGB图像对深度图像从不同尺度进行增强,运用K-means聚类算法,结合RGB图像对预分割的煤料区域深度图像进一步分割,基于微元法建立煤堆体积计算模型计算煤流量。实验结果表明,该方法的平均检测误差为1.57%,平均耗时263.77 ms,满足实际生产要求,为带式输送机煤流量检测提出了一种新的有效途径。

基于k-d树的多波束点云边缘与孔洞提取算法

多波束测深数据广泛服务于水下地形测量。一些基于测深数据的应用需要提取测深数据的边缘轮廓和探测数据中的空洞。针对已有边缘识别算法执行效率低、边界点提取不完整等问题,通过分析点云模型的局部几何属性,提出一种新的基于k-d树的由粗到精的边缘提取算法。首先抽稀测深数据,基于k-d树建立散乱点云的拓扑关系;然后计算散乱点云法向量,采用距离及角度阈值法进一步提取孔洞与边缘轮廓点并去除错误识别的点;最后基于凹包算法,精确获取边缘轮廓点。在西太平洋海域的实验表明:相较于Alpha-shape和Boundary estimation算法,本算法能够更为精确地识别出散乱点云中的边界点,实用性强。

基于D-S证据理论的岩爆预测方法研究

为了有效预测岩爆,提出基于D-S证据理论的岩爆预测方法.首先,选取与岩爆发生相关的6个指标因素作为证据体,并通过模糊物元框架和正态型隶属度函数构建证据体的基本概率分配.然后,利用K均值将证据体分类,并提出簇内证据用传统方式融合而簇间证据用权重方式融合的组合融合规则,以减轻高冲突证据融合的不利影响.最后,将模型应用在秦岭终南山公路隧道2号竖井工程,且与经验方法对比.为了分析预测过程的不确定性和估计岩爆发生概率,采用蒙特卡洛模拟进行抽样仿真,并通过Spearman秩相关系数衡量输入指标的全局敏感性.研究结果表明:输入指标在不同的岩爆案例的影响程度差异较大且方向不同;5个岩爆案例的发生概率在40.8%~70.1%之间.该模型表现出优异的预测分类性能,可为深埋地下工程岩爆预测提供参考.

基于k-d树的k-means聚类方法

在直接k-means算法的基础上提出了一种新的基于k-d树的聚类方法。通过把所有的对象组织在一棵k-d树中,可以高效地发现给定原型的所有最近邻对象。利用的主要思想是:在根结点,所有的聚类中心(或称为候选原型)都是所有对象的最近邻候选集合,对于根结点的子结点,通过简单几何约束来剪枝该候选集,这种方法可以被递归使用。使用基于k-d树的方法可以使直接k-means算法的总体性能提高一到两个数量级。

基于形状特征k-d树的多维时间序列相似搜索

多维时间序列是信息系统中一类重要的数据对象,相似搜索是其应用的一个核心.两个序列(子序列)相似度加以比较的常用方法是:将序列(子序列)转换成空间中的曲线,然后计算曲线间的欧几里德距离.这种方法的主要缺陷是它仅考虑了序列(子序列)间的整体距离关系,而不能体现它们自身的局部变化.针对此问题,提出了一种新的可应用于多维时间序列的快速相似搜索方法.该方法将序列(子序列)的局部变化特性与检索结构(k-d树)结合起来,使得在搜索k-d树的同时实现了序列(子序列)的局部变化匹配,从而极大地提高了查询效率和正确率.实验结果表明了算法的有效性.

基于优化K-D树的大面积高密度PCB快速AOI

传统的AO I孔搜索算法是基于顺序的查询方法,其局限在于,随着孔数N的增加,其查询时间以O(N2)急剧恶化,严重影响了大面积高密度PCB的检测效率。提出一种基于优化K-D树的AO I系统查询算法,该方法在建立树和进行完整查询时的效率均为O(NlogN)。实验表明,这种方法查询效率明显高于顺序查询法,对含有大量孔的PCB仍然有较短的查询时间,因而可以较大幅度地提高AO I的检测效率,在需要点位置查询的仪器领域也有广泛的应用前景。

基于有界k-d树的最近点搜索算法

提出了一种基于有界k-d树的最近点搜索算法.算法的原理是:由根节点中的包围盒确定树中数据的空间范围,并在搜索过程中不断划分包围盒来缩小搜索范围,同时递归地计算查询点到包围盒的距离.结合优先级队列,基于有界k-d树的最近点搜索算法拓展到搜索按距离远近排列的多个最近点.实测和仿真分析表明,本搜索算法的计算效率高于传统的搜索算法.

一种基于K-D树优化的ICP三维点云配准方法

为提高三维点云数据配准精度和速度,提出一种基于K-D树优化的ICP三维点云配准方法,首先采用中心重合法实现点云数据的粗配准,然后利用K-D tree快速搜索最近点对改进传统ICP方法,完成三维点云数据精配准,该方法克服传统ICP算法中由于利用欧式距离来判断最近点所引起的工作量大、耗费时间多的缺陷,提高点云的配准速度。在此基础上利用斯坦福不同密度Bunny点云数据进行实验验证,结果表明在采用中心重合法实现三维点云粗配准的基础上,利用K-D tree优化ICP算法,能够提高点云配准的精度、速度和稳定性。

最小负载受限k-中位问题的近似方案

给定度量空间中的用户集合C和带有最小负载τ:F→(O,|C|]的设施集合F以及正整数k,最小负载受限k中位问题的一个可行解(H,σ)由满足|H|≤k的开设设施集合H⊆F和满足|σ^(-1)(f)|≥τ(f)∀(f)∈H的映射σ:C→H组成。(H,σ)的费用为∑_(c∈c)^(σ)(c,σ(c))其中,(σ)(c,σ(c)为c与σ(c)之间的距离.最小负载受限k-中位问题的目标是找到费用最低的可行解.本文以k作为固定参数研究最小负载受限k-中位问题的求解算法.本文首先利用D采样方法寻找与最优解中的开设设施较为接近的用户,然后围绕这些用户划分空间并选取开设设施.给定满足C∪F⊂R^(d)的实例(C,F,k,τ)和常数ε∈(0,1),本文结合上述思路和降维方法提出了时间复杂度为o(ndk+(kε-1)^(kε)^(-o(1)))n^(o(1)))的(1+ε)-近似算法,其中,n=|C∪F|.此前,人们在固定参数时间内得到的关于该问题的最好近似结果为3+ε;只有在设施可以被开设在欧几里得空间中的任意位置且所有设施最小负载都相等的实例中,存在固定参数时间的(1+ε)-近似算法.

基于k-d树的机载LIDAR点云滤波处理

点云数据滤波处理是获取高精度数字地面模型的关键,而滤波的基本原理是基于某一邻域内高程的突变。在海量、离散的点云数据中,搜索某一邻域的速度将直接影响滤波处理的效率。应用k-d树组织点云数据,不需要先验地知道点云数据间的拓扑关系便可以快速确定其中某一点的邻域点集,从而大大地提高滤波速度。

利用k-d树索引改进数据流skyline查询算法

skyline查询技术近来引起了研究者们的广泛关注,面向数据流的skyline查询是其中的热点.对面向数据流的skyline查询问题进行了研究.对现有方法进行了改进,提出一种基于k-d树的skyline增量更新算法.该方法采用事件链机制来处理数据点的状态变化,避免重复计算过期数据点排它支配域上的skyline;增量数据点的处理过程中采用k-d树作为索引结构,以增强索引结构对数据流变化的自适应性;针对k-d树索引提出多个剪枝规则来减小搜索域,提高搜索效率.理论分析及实验表明,该方法能够更快地响应用户的查询请求,更适用于大规模、疏密分布变化的高速数据流应用场景.

一种采用改进K-d树的无人机影像特征匹配搜索方法

在高分辨率无人机影像匹配过程中,多采用SIFT或SURF算法进行尺度和旋转不变的特征提取与描述,但经过SIFT或SURF算法提取出的特征都是高维向量,在匹配点数量较大时,匹配搜索速度比较慢。针对这一问题,比较了穷尽搜索与K-d树搜索算法的特点;然后按照"降维"的思路,提出了一种采用改进K-d树的匹配搜索方法。经过理论分析和实验验证,该方法可以有效提高匹配搜索速度,并且匹配数据集规模越大、维度越高,搜索速度提升越明显。

改性鸡毛角蛋白脱色剂K-D用于印染废水的脱色研究

研究鸡毛角蛋白脱色剂K-D改性及用于印染废水脱色的影响因素.改性鸡毛角蛋白脱色剂K-D的制备工艺为:在30℃水浴中,向80 mg/L脱色剂K-D中加入固色剂DE 120 mg/L,快速搅拌5 min,再慢速搅拌25 min即得.优选脱色工艺为:室温下调节印染废水pH值到8～9,改性脱色剂K-D 1 400 mg/L,反应5～60 min,此时测得该脱色剂对酸性湖蓝A的脱色率达到92.8%.

多尺度LBP耦合K-D树的图像伪造盲检测算法

针对当前图像伪造检测算法难以有效识别相似区域,且其检测精度依赖于参数和阈值的选择,使其自适应能力较差等不足,提出局部二值模式耦合K-D树的复制-粘贴图像伪造检测算法。基于传统的LBP,设计具有均匀不变性、旋转不变性以及旋转均匀不变性的3种LBP,将其组合形成多尺度LBP(MLBP),利用MLBP提取图像特征,得到3组特征矩阵;引入K-D树,寻找其最优邻域,获取对应的3个相似特征矩阵,通过判断3个特征矩阵中至少两个特征值相同来识别该区域是否被篡改;引入随机抽样一致性策略,降低图像块的误匹配率,提高检测精度。实验结果表明,与当前图像伪造检测技术相比,该检测算法的检测精度更高,能有效识别出旋转、缩放、模糊以及噪声等伪造形式。

一类d-维齐次Moran集的分形维数

该文研究了一类特殊的d-维齐次Moran集:{m_(k)^(d)}型齐次Moran集,利用质量分布原理、乘积集的分形维数不等式以及关于一维齐次Moran集上盒维数的重要引理,结合{m_(k)^(d)}型齐次Moran集的自身结构,得到了{m_(k)^(d)}型齐次Moran集在特定条件下的Hausdorff维数与上盒维数的表达式.

采用D-K-D迭代算法设计导弹增益调度自动驾驶仪

导弹增益调度自动驾驶仪除具有对时变参数的自适应调节能力外,还应具有对不可测量不确定性的抑制能力.为此,将导弹自动驾驶仪设计问题描述为一类含有不可测量不确定性的线性参数时变(LPV)系统的鲁棒增益调度问题,构造了模型匹配自动驾驶仪设计结构,并通过D–K–D迭代算法综合运用LPV控制方法和μ综合方法设计了导弹鲁棒增益调度自动驾驶仪.设计的自动驾驶仪不仅能够随导弹飞行马赫数和高度的变化自动进行参数调节,还能够有效抑制量测噪声、量测误差及建模误差等不可测量不确定性.仿真结果验证了设计方法的有效性和可行性.

肝豆状核变性患者角膜K-F环与临床病情程度关系探讨

目的分析不同角膜K-F环分级的肝豆状核变性(WD)患者肝功能变化及其对治疗应答的影响。方法2016年2月~2022年12月联勤保障部队第九一医院眼科就诊或会诊的WD患者63例,在裂隙灯显微镜下检查进行K-F环分级。给予所有患者D-青霉胺治疗2~6个月。结果在63例WD患者中,发现角膜K-F环1级8例,2级14例,3级41例;临床肝型35例,脑型16例,其他类型5例和混合型7例,肝型、脑型、其他型和混合型患者角膜K-F环3级占比分别为62.9%、75.0%、60.0%和57.1%,各组间无显著性差异(P>0.05);在治疗6月末,22例角膜K-F环3级肝型患者血清总胆红素和谷丙转氨酶水平分别为(38.3±5.4)μmol/L和(92.4±10.5)U/L,显著高于9例2级患者【分别为(25.9±8.8)μmol/L和(46.5±11.3)U/L,P<0.05】或4例1级患者【分别为(16.3±3.2)μmol/L和(36.4±5.7)U/L,P<0.05】,而血清白蛋白和銅蓝蛋白水平分别为(26.4±6.4)g/L和(90.8±18.6)mg/L,显著低于2级患者【分别为(42.7±8.2)g/L和(187.5±13.4)mg/L,P<0.05】或1级患者【(46.9±10.1)g/L和(224.3±25.9)mg/L,P<0.05】。结论角膜K-F环3级的WD患者可能病情重,对治疗应答差,应予以特别关注和处理。

融合BRIEF与ICP点云配准的零部件姿态估计方法

物体姿态估计在增强现实、自动驾驶和机器人操作等领域具有重要意义。在机器人抓取与辅助装配过程中实时并准确地估计目标姿态极其重要,为提高装配过程中零部件的抓取与监控的实时性与精度,研究了基于多视图特征库估计目标姿态的方法,设计融合BRIEF(Binary Robust Independent Elementary Features)特征匹配与ICP(Iterative Closest Point)点云配准的零部件姿态估计方法对零部件姿态角进行估计测量。以法兰、扳手、电钻等零件工具进行实验,实验结果表明融合BRIEF特征匹配与ICP点云配准的姿态估计方法运行耗时约200ms,而姿态估计的最大误差角度为4.5°,能有效保证零部件姿态估计方法的实时性与精度,可应用于机器人抓取作业、辅助装配监控等。

基于RGB-D信息的动态手势识别方法

针对现有的动态手势识别方法在复杂环境下,易受无关肤色、光照变化等因素的影响,识别率低、实时性差等问题进行了研究,提出一种动态手势识别方法。该方法首先利用K-均值聚类算法和YCr'Cb'(由YCr Cb变换得到)椭圆肤色模型对RGB-D图像完成手势分割;然后将深度信息引入到传统卡尔曼滤波算法中,作为其跟踪参数之一,并在跟踪过程中对检测范围进行加窗处理;最后结合快速动态时间规整算法和突出关键特征点的思想,改进传统动态时间规整算法,并利用改进后的动态时间规整算法完成手势识别。实验表明:提出的手势识别方法在复杂背景下的识别率较高(96.8±1.5%),实时性较好(识别时间1.86±0.02 ms)。