海量空间数据点k近邻的快速搜索算法

提出一种新的海量空间数据点k近邻的快速搜索算法.本算法综合考虑了空间数据的范围、数据点的总数、近邻点数目k以及数据点的密度,给出了一种新的估算子立方体边长的方法;采用空间分块策略,把数据空间划分成多个子立方体,子立方体的大小决定k近邻的搜索速度;最后记录每个子立方体所包含的数据点及每个点所属的子立方体编号,搜索测点的k近邻.大量数据的实验结果表明本算法可以大大提高在海量空间数据点中搜索测点k近邻的速度.

基于超立方体弱连通性质的多态网络研究

针对超立方体互联网络可能出现的链路故障以及实现本地化处理的需要,分析了3类已有的子立方体弱连通性质.通过探讨由于不同的维度序列而产生的多种节点集团,提出了基于子立方体弱连通性质的多态网络及其基本特征.仿真实验表明,所提出的多态网络比基于单一维度序列的网络,更能准确地反映实际存在的满足弱连通性质的节点集团.

一种新的四自由度SCARA机器人手眼标定方法

针对四自由度机器人手眼标定精度不高的问题,提出了基于标定块的手眼标定系统。通过引入亚像素角点提取算法,提取特征点的精确像素坐标;结合机械手平移规则,完成手眼系统旋转矩阵的标定,通过标定块提取机器人第三连杆中心在工作平台上的投影点所对应的世界坐标,计算系统平移矩阵。实验表明:方法不仅提高了手眼系统标定精度,而且简化了特征点世界坐标的提取过程。

散乱点云曲面边界的二次提取算法

针对点云曲面边界提取算法计算量大、时间耗费多的问题,提出一种点云曲面的二次边界提取算法。采用空间包围盒法将点云曲面均匀地分为若干个小立方体,将每个点都放入一个立方体内,并通过每个立方体周围非空子立方体的个数以及分布情况提取边界子立方体。结合点云曲面数据点的分布特征,在边界子立方体内将目标点的所有K近邻点投影到以目标点为中心的平面上,计算投影点与中心点形成的向量与某条坐标轴的夹角,通过判断其是否满足预先设定的条件来判定目标点是否为边界点。实验结果表明,该方法可有效减少计算量,提高提取精度。

多维时序数据中的相似子序列搜索研究

由于动态时间弯曲距离较之欧氏距离有更好鲁棒性,因此被广泛用作时序数据相似子序列搜索研究领域中的相似性度量.在单一维度上的相似子序列搜索可能不能获得足够的匹配结果作为继续深入分析的依据,因此通过引入在多维数据分析中常用的数据立方体模型将相似子序列搜索问题扩展到了多维场景之下,从而在多个维度上得到搜索结果以获取更多有价值的知识.在此基础上利用数据立方体相邻层次单元间的相关性对基本的搜索算法进行了改进,在保证准确性的基础上提高了搜索效率.在真实网络安全数据集上的实验验证了所提方法的有效性.

超立方体网络中路由生成算法的子立方分裂方法

超立方网络拓扑是并行计算中最重要的多处理机互连结构之一,目前对它的研究热点主要集中在当超立方的网络互连结构中具有失效结点时,如何快速计算其上点到点的并行路由.本文提出利用子立方来分解整个空间,使得原来的超立方网络互连结构可以非常规整地分解成若干个子立方,因而若以子立方为路由目的,可以显著简化路由表,从而降低并行计算中的寻路开销.进一步,这种技术应用在具有局部失效结点的超立方网络时,同样能够压缩路由表,避免从整体上计算点到点的最佳路由,将这种计算分布在超立方中的多数正常结点独立完成.这种寻路方式为高度对称的网络互连拓扑中路由的生成提供了新的思路.

机器人物流系统中在线托盘装载方法研究及其仿真

建立了机器人物流系统在线托盘装载问题中子域的概念,将托盘装载问题转化为子域装载问题,对子域装载时完全填充和部分填充的情形进行了分析总结。在此基础上,建立了包含子域约束、托盘约束、缓冲区约束的在线托盘装载问题模型以及在线箱料优选的三条优先级启发式规则,即最小子域总数、最大余域容载值、最小余域零值。最后通过算例及其仿真研究验证了模型的有效性,为机器人物流系统中在线托盘装载的工程实施提供了理论依据。

超立方体在大规模的多智能机器人编队方式中的设计

在多智能体机器人群组中,机器人的数量越多,能完成任务的复杂程度也就越高,所需的时间也就越少。但随着机器人数量的增加,系统的通信开销必然以爆发式的方式增长。一旦有机器出现故障,就有可能会导致任务失败。如何在任务复杂度和系统的通信开销这两个矛盾的变量中,达到我们所需要的最好结果。我们采用超立方体的结构化设计理念,又通过蚁群子立方体算法对超立方体进行二次划分,使多智能体机器人群体在扩张性、容错性、事务复杂度等各个方面都取得了较好的结果。

脑部MRI图像头皮三维提取及重建

开颅手术中,为了满足手术导航系统进行快速、准确定位的要求,提出一种脑部核磁共振成像(MRI)图像三维头皮轮廓提取方法。首先采用各向异性扩散滤波方法对图像滤波,借助BrainSuite3医学软件获取脑标记图像;然后将图像中脑实质部分剔除,根据非脑组织图像计算头皮组织的分割阈值;再利用数学形态学处理二值图像获取头皮轮廓;最后结合目标灰度信息,用移动立方体(MC)算法进行三维重建。实验结果表明,该方法结合阈值、数学形态学和MC算法,能连续、光滑地提取出头皮外轮廓,并使精度达到亚像素级别。

基于角锥棱镜和面阵CCD的动态基座航向角校准

研究用于飞行器等动态基座航向角校准的大范围、中高精度航向角度测量系统。系统采用2个面阵电荷耦合装置(CCD)检测反射光斑的相对位置,实时测定动态基座航向角,为避免基座晃动的影响,提出了角锥棱镜反射测量方法并设计了整套光路,所需元件少,结构简单,光路调谐简便,适合空中作业。根据预估参数搭建了实验系统,对面阵CCD传感器的检测信号进行阈值分割处理后,采用重心亚像素检测方法,定位精度达到0.4像元大小,航向角度测量不受基座晃动影响,测量精度优于1,′测量范围满足±10,°为应用于外场实验打下了基础。

MOLAP的数据存储设计与实现

引入MOLAP的存储机制,自定义子立方体和块的概念,提出并实现了MOLAP中子立方体存储时块的两种存储方法,即直接多维数组存储和压缩多维数组存储。

点云空间分布的树木点剔除方法

针对树木点影响三维激光扫描仪获取沉陷区DEM精度的问题,根据树木点云的空间分布特点,采用一种基于点云空间分布的树木点剔除方法,构建以点为中心的虚拟立方体,及包围立方体内点集的子立方体,通过比较子立方体体积的大小来识别树木点并剔除.研究结果表明:该方法可以较好的剔除树木点并保留地面点,同时将地面点错分为非地面点的误差较小,具有一定实用价值.

利用空间微分块与动态球策略的k近邻搜索算法研究

提出了一种基于空间微分块与动态球判定策略的k近邻快速搜索算法。该算法以空间包围盒为基础,首先对空间进行微分块,将离散点分配到子空间;然后,以计算点为球心建立动态球,确定k近邻候选点。球半径可根据空间包围盒的大小、离散点数量和k近邻点数进行估算和优化。实验结果表明,该算法可快速完成k近邻搜索,运行稳定可靠。

两种空间分块策略K近邻搜索算法的比较研究

空间分块策略是K近邻搜索算法研究中的有效方法,然而现有算法进行空间划分时给出的子立方体大小主要取决于K值的大小,K值变化时需重新进行空间划分,影响了时间效率和稳定性。利用空间分块策略的优点,提出一种以建立离散数据空间索引为空间划分目标的K近邻搜索新算法。该算法预先对空间包围盒进行微分块,形成的子立方体结构仅与离散数据和预设参数相关,同一点云数据只需进行一次空间分配。搜索过程中,以计算点为球心建立空间动态球,判定符合条件的子立方体,进行K近邻搜索。测试结果表明,新算法较现有算法点云分配和遍历时间效率、随机点搜索时间稳定性及对不同K值的适应性等方面更具有优势。