基于三维重建的静爆场破片检测方法

针对靶场静爆试验中破片统计分析工作效率低的问题,提出一种基于多视图三维重建的破片检测方法。引入点云分割中的自适应阈值,有效保留三维点云的细节信息,增强了算法对靶场不同场景应用的泛化能力。针对大数量点云处理效率不佳的问题,采用点云法向量预先验证的方法,再结合颜色的区域生长分割算法,有效降低了检测误差和漏检概率,提升了破片检测的精度。实验结果表明:文中提出的检测方法检测准确率达到95%,破片弹着点误差小于4%,可以有效地分割出破片的着靶参数,为后续破片的统计分析工作提供了实验依据。

基于改进FPFH-ICP的车载激光雷达点云配准方法

为了改善传统车载激光雷达点云配准方法准确度低、计算速度慢的问题,提出了一种基于快速点特征直方图(fast point feature histograms,FPFH)初始匹配与改进迭代最近点(iterative closestpoint,ICP)精确配准相结合的改进FPFH-ICP配准算法。配准前使用体素滤波器和statistical-outlier-removal滤波器进行预处理;采用FPFH提取点云特征,基于采样一致性(sample consensus initial alignment,SAC-IA)进行初始配准,为精确配准提供良好的位姿信息;建立K-D树并在传统ICP配准算法的基础上添加法向量阈值,对车载激光雷达点云数据进行精确配准;在4种不同场景的实验中,改进FPFH-ICP配准比ICP配准的均方根误差和配准用时分别平均减少了7.56%和41.22%,比点特征直方图(point feature histograms,PFH)配准的均方根误差和配准用时分别平均减少了30.28%和18.95%,表明改进的FPFH-ICP能够对车载激光雷达点云数据实现精确且高效的配准。

基于车载激光扫描的城市典型道路面点云提取

针对城市典型道路结构特征,提出一种车载道路面点云数据提取方法。根据高程阈值算法对原始车载激光扫描点云数据进行滤波处理,得到地面点,再使用改进区域生长算法对地面点进行处理,提取得到道路面点云。通过实测车载激光扫描数据进行实验,结果表明,本文提出方法提取道路面点云结果的检测质量q、完整性r以及准确性p均在93%以上,本文方法是行之有效的。

模糊聚类分析在古陶瓷研究中的应用

聚类分析应用广泛,核心问题是用数学定量的确定样品的亲疏关系,从而客观的分型划类。为了得到古陶瓷来源和分类,根据模糊数学的理论,运用VC程序开发工具,对数据进行标准化、建立模糊相似矩阵、聚类处理,针对得到了不同的结果,对比各种聚类分析的实验数据,找到了最佳阈值和分类结果。

基于多特征协同的交通标志检测

针对交通场景图像中交通标志因颜色失真、形状失真和尺度变化导致漏检严重的问题,提出一种颜色特征、形状特征和尺度特征的多特征协同方法。从交通场景图像计算颜色增强图,利用多阈值分割方法和闭合轮廓曲率直方图链码表达,并对提取的形状轮廓的曲率直方图进行尺度归一化处理,融合颜色特征和归一化后的形状特征构成区域的特征向量,采用支持向量机分类获得检测结果。实验结果表明,该算法在较低时间复杂度下,能有效提高交通标志检测精度。

一种邻域自适应的双阈值点云特征提取方法

点云数据的特征提取是点云数据处理环节中的一项重要内容,对几何分析、数据分割、点云配准、模型重建等研究起关键作用。研究了基于法向量和曲率的点云特征提取技术,阐明了特征提取过程中邻域选取与单一参数计算存在的问题,提出了邻域自适应的双阈值点云特征提取方法。通过实验对比了该算法与基于曲率的特征提取算法的提取效果,验证了本算法的稳定性、准确性。该算法对于几何特征复杂的点云具有较好的提取效果,对提高点云特征点提取的精度及效率具有重要的意义。