基于GPS和车辙的三维路面重构

提出了一种基于地理定位系统(GPS)和横断面车辙数据的路面三维重构模型.针对GPS和车辙的采样间隔不同,首先采用Cardinal插值算法对非等间距的离散GPS点插值,并按间距需求选取等间距的插值点,然后将序列化后的GPS插值数据与车辙数据融合,构造出在三维空间中用于绘制三角形网格的顶点矩阵,最后实现了三维重构路面的绘制.实验表明用该方法重构的三维路面在路面车辙、坑槽及拥包的检测方面有很好的应用价值.     

耦合布料模拟滤波与径向神经网络DEM自动生成研究

DEM插值指利用已知的采样点数据重构整个区域的三维结构.其中DEM插值方法的选取是当前DEM快速生成的研究热点之一.选取具有代表性的地貌数据进行实验.首先,利用布料模拟滤波将SfM与SGM技术生成的密集点云过滤出地面点;其次,利用简单克里金插值算法、自然邻域插值算法、不规则三角网、径向神经网络4种方法重构DEM;最后,将平均绝对误差及均方根误差作为本文的精度评价指标.试验表明,耦合布料模拟滤波算法和径向神经网络的方法相比于传统方法,其平均绝对误差及均方根误差分别提高了0.11 m和0.28 m,适用于低空摄影测量DEM快速生成.     

基于零先验知识的室内指纹定位优化算法

针对众包方法构建指纹库数据质量低和指纹模糊相似性等问题,提出了一种基于SLAM技术的指纹数据质量优化和指纹唯一性增强的算法。利用ICNN算法完成数据关联优化,并在指纹向量中加入可信度指标来优化指纹更新过程;随后针对指纹模糊相似性设计了基于高斯插值的指纹唯一性增强优化算法,保证了指纹数据质量,从本质上提高了指纹定位的性能。实验表明,该算法能够将指纹定位的中位数误差从原始指纹的3m提高到2m,最大定位误差从8m左右下降到4m以内。     

基于分数阶积分谷底边界检测的路面裂缝提取

针对路面裂缝图像噪声大、边界弱、裂缝细小导致分割难的问题,提出了一种基于谷底边界的路面裂缝提取方法.该方法首先对原始图像进行邻域平滑处理,在消除噪声的同时扩展了裂缝的相对宽度;接着对图像进行基于分数阶积分的谷底边界检测;然后采用形态学方法对图像进行处理,使裂缝趋于光滑后进行短线噪声去除,并结合最大熵阈值断线连接法自动连接裂缝断口,从而得到最终的裂缝检测结果.实验结果表明,该方法能快速检测出细小的路面裂缝,具有抗噪性能好、定位准确及检测精度高的特点.     

沥青路面裂缝自动检测算法

针对沥青路面维护保养中,人工检测路面裂缝的方式存在耗时费力且检测结果不准确的问题,提出了简单高效的路面裂缝自动检测算法.实验测试结果表明,此算法能够准确、快速地检测出路面图像中的裂缝,并能实现裂缝的分类与定位.     

基于温度积分方法的大型数控机床光栅定位热误差建模及实时补偿

为了提高大型数控机床的光栅定位精度,提出了基于热特性分析的光栅定位热误差建模理论及补偿方法.阐述了光栅受热膨胀产生热伸长从而导致定位偏差的机理,并对光栅定位误差产生的影响及表现形式进行了说明.建立了光栅热伸长量和温升量的线性关系表达式.在光栅尺上均匀布置多个温度传感器,实时采集光栅尺多点温度,通过插值运算,拟合出光栅尺各点的温度值.由于在机床运动过程中,光栅尺各点的温升量不尽相同,采用对光栅尺各点温升量积分的方法,求出光栅各点热伸长量,建立了光栅定位热误差模型.利用自主研发的数控机床误差补偿系统,应用光栅定位热误差模型,对落地镗床TK6920进行光栅尺定位热误差补偿.结果显示:光栅定位热误差模型对运动过程中的光栅定位误差进行准确的预测,补偿后残差控制在15μm以内,定位精度提升90%以上,显著提高了光栅的定位精度.     

基于3次样条插值的数控机床几何与热复合定位误差建模

通过分析机床整个温升直到热平衡的误差数据,总结误差分布的数学规律,将热误差和几何误差分离,运用基于压紧样条条件下的3次样条插值算法,以线性拟合后的余差为建模数据,建立了数控机床几何与热复合定位误差数学模型.实验结果表明,该数学模型能很好地拟合数控机床定位误差曲线,补偿后数控机床定位精度提高了80%以上.该方法可运用于不同时刻或不同机床温度下的机床定位误差补偿,建模原理明了、过程快速,模型适用性好.     

基于机载小光斑LiDAR数据插值的亚热带森林丘陵地形的误差分析

以激光雷达(LiDAR)地面点云数据为数据源,将北亚热带天然次生林下的丘陵地形作为研究对象,分析了6种常用局部插值方法生成DEM的全局误差及其与地形因子、地面插值点密度和地表植被状况的相互关系,并借助随机森林方法进行插值误差不确定性制图。研究表明:各插值表面的预测值总体偏低,其最佳输出空间分辨率为2 m; 其中以自然邻近法插值生成的数字地形精度最高且可视化效果最好,而张力样条法的精度最低; 全局误差随坡度增大而逐渐提升,随地面插值点密度提高逐渐降低; 幼龄和中龄天然次生林所在区域地形插值的误差较大而成熟林的误差最大,灌木区全局误差不高但误差变异较大。同时,以LiDAR提取的植被参数与地形插值误差表现了较好的相关性,而归一化植被指数(NDVI)与误差之间的相关不明显,这表明以LiDAR数据提取植被参数在NDVI易饱和地区也可以较好地反映地形插值精度。     

基于分形理论的三维路面模型的建立

根据分形理论,建立三维路面模型.利用路面纵断面的部分信息点的高程数据,对路面纵断面的不平度进行分形插值模拟.由于路面具有自相似性的特性,可采用垂直比例因子确定的分形插值曲面的方法,以达到对路面的三维重建,为车辆工程、道路工程等领域中的路面三维建模提供了一个新的思路.     

基于深度卷积神经网络融合模型的路面裂缝识别方法

现有的路面裂缝识别方法大多仍局限于基于主动特征提取的处理技术,对路面图像来源有专一性要求,算法不具备泛化能力,现有的基于神经网络识别算法对设备有特定要求,且路面裂缝的定位准确性不高。为此,提出基于深度卷积神经网络融合模型的路面裂缝识别方法。首先,应用多目标SSD卷积神经网络模型对路面裂缝进行分类检测,然后使用深度残差网络对SSD模型的特征提取结构进行改进,并根据损失函数的收敛程度对模型中的超参数进行优化,提高路面裂缝分类和定位的准确率;其次,针对裂缝分类检测模型对路面裂缝定位存在的偏差,提出基于U-Net模型的路面裂缝分割方法,并改进模型的特征提取网络,提高裂缝分割精度,实现精确的裂缝分割;最后,将裂缝分类检测模型与分割模型进行融合,加载2个模型并导入上述训练得到最优权重,根据裂缝分类网络判断路面图像有无裂缝,若存在裂缝则给出具体类别和置信度,并将这些信息和原始裂缝图像输入U-Net分割网络,根据分割结果计算线性裂缝的长度、宽度及网状裂缝的面积。试验结果表明:给出的路面裂缝识别方法对于横向裂缝、纵向裂缝和网状裂缝的识别精度分别为86.6%、87.2%和85.3%;该方法不仅能够给出路面裂缝的类别信息,还可以给出路面裂缝的精确定位和几何参数信息,可直接用于路面状况评价。