基于自适应局部邻域条件下的点云匹配

为了应对传统迭代最近点(ICP)算法在处理复杂点云空间特征时,面临噪声干扰和数据缺失等问题导致收敛速度缓慢、配准精度不高以及鲁棒性较差等问题,本文提出了一种基于自适应局部邻域条件下的点云匹配算法。首先,采用体素网格滤波对数据进行预处理,根据不同半径邻域内邻近点的分布情况,定义邻域表面的弯曲程度,在此基础上,充分考虑到法向量分布和邻域曲率特征,从而得到更精确的特征点提取;其次,通过运用最小二乘曲面拟合方法,进一步提取出邻域曲率变化最为显著的特征点,采用快速点特征直方图(FPFH)对特征点进行描述,并通过设定距离阈值的采样一致性算法来匹配相似的特征点对,计算出关键的坐标转换参数,完成初始配准。最后,利用线性最小二乘优化点到面的ICP算法,以实现更精确的配准结果。通过一系列实验对比发现相较于现有的几种配准算法(ICP,SAC-IA+ICP,K4PCS+ICP),在存在噪声干扰和数据缺失的情况下,所提方法的配准准确度平均提高45%,配准速度平均提高38%,充分验证了该方法在应对大数据量、低重叠率点云配准方面具备出色的稳健性能。

基于非线性扩散和多特征融合的提花针织物疵点检测

为解决提花针织物的复杂纹理在疵点检测过程中易造成检测干扰和疵点误判的问题,提出一种基于非线性扩散和多特征融合的疵点检测方法。采用改进PM模型对提花针织物的花纹和强纹理边缘进行抑制,首先利用梯度差异将疵点图像分为纹理区域及疵点区域,然后结合各区域特点选择对应的扩散方程,依据梯度矩阵计算概率子集、相关准则来确定梯度阈值,实现分区域扩散。根据提花针织物的纹理分布特性,提取改进局部二值算法(LBP)、局部熵、局部相关性等表征参数,然后进行去邻域归一化和多特征融合进一步突出疵点区域,最后利用区域生长法定位分割出疵点形态。实验验证了本文预处理方法及疵点检测方法的有效性,通过与其它预处理算法和疵点检测算法进行对比,结果表明本文算法的检测效果最好,对正常织物图像的误检率为3.3%,对含疵点织物图像检测的准确率为98.6%。

面向三维残缺点云图像的数据精简方法

为解决残缺点云模型数据精简时边界特征容易失真的问题,以汽车覆盖件中的薄壁类零件为研究对象。提出一种保留残缺点云边界特征的数据精简方法。借助KD-tree建立数据索引结构,获取数据点最近邻,并通过邻域点拟合出微切平面的方法,计算出点云数据的法向量。利用法向量夹角大小关系,选取边界以及孔洞特征点的初始种子点。再根据欧氏距离实现初始种子点的邻域搜索,从而完成边界以及孔洞邻域特征点的提取。根据曲率精简的方法,对非特征点进行数据精简,最后,合并特征点云与非特征点云,实现对残缺点云模型的数据精简。将随机精简法、曲率精简法分别用于点云模型精简处理,结果表明:相比于其他两种方法,所提方法更好地保留了模型边界以及孔洞邻域特征数据点,其标准偏差、曲面表面积变化率优于其他两种方法且变化相对稳定。

基于法线引导的激光中心线提取方法

在线结构光三维测量系统中,高精度激光条纹中心线提取是提高测量精度的关键。针对现有激光中心线存在提取精度不高、保留细节差等问题,提出了一种基于法线引导的激光中心线提取算法。该算法具体实现步骤为:首先,对图像进行预处理,结合边缘检测和几何中心法对激光线初步提取;然后,用主成分分析法(principal component analysis,PCA)求取其法线,在激光中心点处划分角度八邻域,通过法线角度引导搜寻有效点集;最后,利用灰度重心法对点集进行亚像素提取。实验结果表明:该算法均方根误差与灰度重心法相比提高了0.233 9像素,比Steger算法、方向模板法更好地保留了光条细节,可以更精确地提取光条中心,达到亚像素级的精度。

基于宽度学习系统的短期电力负荷预测方法研究

针对现有短期电力负荷预测计算方法中计算量大、训练时间长等问题,本文提出了基于宽度学习系统的短期电力负荷预测方法。采集预测区域影响电力负荷因素的历史数据,首先通过归一法对数据进行预处理,利用领域粗糙集分类算法提取对负荷预测重要度较高的属性,防止非重要影响因素输入模型造成信息冗余,减少负荷预测算法的计算量;然后建立基于宽度学习的短期电力负荷预测模型,将样本输入模型进行训练,对输出结果进行评估,根据评估结果对短期电力负荷预测模型进行增量计算,无须重建整个预测模型,减少负荷预测训练时间;最后将计算结果进行反归一化,获得最终预测结果。本文通过仿真实验对比验证了所提方法可以有效预测短期电力负荷,并且缩短预测时间,提高了预测精度。

利用邻域特征点相关性的点云配准算法

针对经典ICP进行点云配准容易陷入局部最优且处理时间长、精度低的问题,本文提出一种利用邻域提取特征点进行配准的优化算法。首先,通过邻域特征计算法向量和曲率特征从待匹配数据中选取特征点,通过特征点匹配得到配准平移和旋转参数,并利用配准参数对待匹配数据进行初始配准,然后,通过ICP算法对数据进行精细配准。试验证明,在利用特征点进行初始配准的基础上,解决了经典ICP算法容易陷入局部最优的问题,且具有良好的配准精度和运行效率。

基于自适应邻域大小的点云去噪法

针对目前常用点云去噪方法在去噪过程中容易产生过度滤波或滤波不足的现象,提出了一种基于自适应邻域大小的点云去噪法。利用统计滤波去除大尺度噪声,并用主成分分析法求出点云法向量,再通过3个特征值构建局部邻域信息熵函数,依据邻域熵值最小原则判断最优邻域和对应邻域下的法向量,最后通过双边滤波算法进行滤波去噪。实验结果表明,与传统双边滤波算法相比,该方法不仅能达到较好去噪效果,还可保留点云特征,避免过度光顺现象产生。

法向邻域加权灰度重心的光条中心提取法

为了提高激光条纹中心提取的精度和实时性,提出一种法向邻域加权灰度重心的光条中心提取法。采用双边滤波进行图像预处理,通过最大类间方差法确定阈值进行二值化处理;通过骨架细化操作提取激光条纹的骨架,通过Bazen法计算骨架法向;利用法向邻域加权的灰度重心模型提取激光条纹亚像素中心。实验结果表明:与Steger法相比,该方法运行时间减少了28%~45%,实时性更好;与灰度重心法相比,该方法残差降低了30%~50%,准确度更高,稳定性更佳,能够弥补灰度重心法易产生断线的不足。

点云特征提取精简方法研究

为解决传统点云精简算法精简的点云特征易丢失、空洞较多等问题,提出基于邻域法向夹角和二分K-means聚类特征提取的点云精简算法。该算法利用点云邻域法向夹角提取出模型的整体特征点,将点云曲率作为二分Kmeans聚类算法的聚类特征,初步提取出模型的局部特征点;然后计算初步局部特征点的平均曲率,将大于平均曲率的点提取为最终的局部特征点,对模型进行特征保留,对非特征点则利用改进的体素精简法进行下采样;最后将提取出的整体特征点、局部特征点与非特征点合并,从而完成点云的简化。该算法与传统的精简法、其他文献中的方法相比,可获得更高的精度。

基于小波变换和邻域特征的多聚焦图像融合算法

提出了一种基于小波变换和邻域特征的多聚焦图像融合算法。该算法首先采用小波变换对源图像进行多尺度分解,得到低频和高频子图像;然后对低频子图像采用基于邻域归一化梯度的方法得到低频融合系数,对高频子图像采用基于邻域方差的方法得到高频融合系数;最后进行小波重构得到融合图像。采用均方根误差、信息熵以及峰值信噪比等评价标准,将该算法与传统融合方法的融合效果进行了比较。实验结果表明,该算法所得融合图像的效果和质量均有明显提高。

雾天图像清晰化方法及应用

针对雾天户外图像的退化现象,提出了一种基于大气模型的完全自适应的图像清晰化方法。该方法根据图像的灰度分布特性,求出天空区域灰度的最佳近似正态分布,再由这个近似正态分布得到天空区域的灰度均值,同时根据灰度直方图分割出各个景物的深度区域,然后利用大气模型列方程组,可得归一化辐射率的值,从而能够实现雾天图像清晰化。实验表明,该方法对雾天退化图像的清晰化效果较好。

正断层附近煤的物理力学性质变化及其对矿压分布的影响

通过对正断层附近煤岩显微裂隙、孔隙观测 ,力学性质实验和数值模拟分析 ,系统地揭示了正断层对煤的物理力学性质和矿压分布的影响 .研究表明 ,正断层带附近煤岩体破碎 ,煤(岩 )体中裂隙的发育程度随距断层面距离的变小而增强 ,煤岩力学强度越靠近断层越低 ,且裂隙的力学性质向断层面方向由张性向张扭、压扭性再到张性转化 ;断层导致初始应力场的挠动 ,局部产生附加应力 .在采动影响下断层“活化” ,随着距断层面距离的减小 ,工作面前方煤 (岩 )体中支承压力均明显增大 ,支承压力峰值位置向前方煤岩体中转移 ,在回采工作面煤壁和其前方断层之间煤柱之上压力分布类似于小的残留煤柱的情况 ,煤柱愈窄 ,压力峰值愈高 。

一类单调正规空间

以邻域约定为工具讨论了一类特殊的单调正规空间 ,证明了具有垫状对基的拓扑空间是M1 空间 ,部分地回答了Ceder在 196

基于小波包变换和圆形邻域特征的图像融合

为了强化融合图像所包含的信息、增加图像理解的可靠性,提出了一种基于小波包变换的红外与可见光图像融合算法;首先利用小波包变换将图像进行多尺度分解,然后提取不同分辨率、不同方向下的小波系数。其次,针对不同的频率域选择不同的融合算法构造融合图像对应的小波系数,对低频系数选取基于圆形邻域归一化梯度法,对高频系数选用小波系数子方向梯度算子法。最后进行小波重构得到融合图像;对融合后的图像通过测量其平均梯度、标准差、信息熵以及互信息量等指标,表明了该算法在红外与可见光图像融合处理中取得了较好的融合效果。

局部表面拟合的点云模型法向估计及重定向算法

为了提高对点云模型处理的有效性,提出一种对点云模型的法向估计和重定向方法.首先利用基于局部平面拟合的主元分析方法得到初步法向估计;然后改进移动最小二乘曲面实现局部曲面拟合,进一步得到更加准确的法向,实现了点云模型的去噪光顺;最后通过增加切向约束规则来修正法向重定向中的法向传播方向.实验结果表明,对于具有复杂细节(如紧邻面、尖角形状等)的点云模型,该方法可以提高法向计算的准确度,并得到光顺的点云模型.在实际应用中,该方法可以很好地应用于点云模型的预处理,为后续的模型处理和分析提供良好的数据基础.

L-Fuzzy拓扑空间中的相对正规分离性

定义了L-Fuzzy拓扑空间中的相对正规分离性,讨论了相对正规分离性的一系列性质,并给出了相对正规分离性的一些刻画。证明了相对正规分离性是遗传的、相对闭集传递的、弱同胚不变的、L-好的推广性质。最后给出了相对正规分离性不是相对遗传的一个反例。

图像灰度值自然对数比率邻域滤波方法

提出一种新的利用图像灰度值自然对数比率邻域滤波的图像平滑方法。从现有邻域滤波模型出发,分析了其去噪原理,讨论了其规一化因子中像素灰度值相似函数存在的问题。在此基础上针对具有代表性的双边滤波模型进行修改,提出新的灰度值自然对数比率相似函数模型。新的灰度值自然对数比率双边邻域滤波模型不仅保持了原有双边邻域滤波模型较好的平滑效果,而且保留了尽可能多的细节部分,同时对于彩色图像还保持了原有图像的色彩过渡。实验结果表明,该方法达到了理想的去噪效果。

地面三维激光扫描点云压缩准则

地面三维激光扫描技术是一项新的数据采集手段,它获得的是海量点云数据,点云压缩是点云预处理中重要环节。本文抽取了点云压缩算法的核心,即压缩准则,对其进行了广泛而深入的研究,探讨和分析了各种压缩准则的定义和特点,并对该技术领域的未来发展进行了总结和展望。

多维正态分布分段禁忌优化算法的参数优化

针对多维连续函数全局优化中存在的算法收敛速度低和求解精度差的问题,在基于多维正态分布的分段禁忌优化算法的基础上,进行参数优化设置,对多维连续函数进行高精度快速优化。基于多维正态分布的分段禁忌优化算法以分阶段禁忌算法为基础,对于每一阶段设置不同的初始值、邻域选取范围和搜索步长。为获取精度高的全局最优解和较快的收敛速度,利用多维正态分布函数来指导邻域点的选取。试验表明:解精度和收敛速度受第二阶段解空间的缩小比例影响较大,当缩小比例为0.5时,对大部分测试函数会获得较高的解精度。同时为进一步提高解的精度,在算法的第三阶段进行变步长搜索,测试试验表明当步长缩小比例取0.1时,算法的运行速度较快。将经过参数优化设置后的改进的算法(MSCTS)与分段禁忌算法(SCTS)进行对比测试,试验结果表明,对多维连续函数寻优问题,利用MSCTS算法寻优,其收敛速度可达到5倍以上,同时结果精度提高10个数量级以上。因此MSCTS算法非常适合多维连续函数优化问题。

结合无人机载LiDAR点云法向量的K-means++聚类精简

点云精简可有效降低无人机载LiDAR数据量,对后期点云存储和快速处理具有重要意义。采用K-means++方法对点云法向量进行聚类,以实现点云精简。首先,利用回波次数去除多次回波点云,在使用零-均值标准化方法对点云属性归一化后,利用KD树(K-dimension tree)建立点云索引构建点云K邻域;然后,采用主成分分析法估算点云法向量,借助肘方法确定最佳聚类数目;最终,通过K-means++聚类方法实现点云精简。将精简结果生成Delaunay三角网并转换为栅格数据,通过相关系数验证方法的有效性。结果表明:针对研究区69544个点云数据,该方法可去除多次回波点云7722个;对点云法向量进行聚类数目为8的K-means++聚类,对应的精简率为分别为81.389%,81.833%和85.369%时效果较优;精简后生成Delaunay三角网的时间远低于精简前,且当按81.833%进行精简处理时,相关系数最高,为0.890。该方法可为点云精简提供参考。