平面二次多项式曲线的通用逐点生成算法

给出了一个生成平面二次多项式曲线的快速逐点生成算法,该算法能生成所有的常用二次多项式曲线,并且在逐点生成过程中,只用到加减法,故速度快,效率高,具有一定的应用价值.运用本算法给出了抛物线和圆的生成,并对算法的效率进行了比较,从结果看,本算法提高了二次多项式曲线的生成效率.     

基于逐点比较法的四坐标联动直线插补算法

以数控机床插补系统为研究对象,通过对二坐标逐点比较直线插补算法的深入分析,提出了数控机床基于逐点比较法的四坐标联动直线插补的一种算法.利用该方法可实现数控机床四坐标联动控制,并能直接采用软件编程方法来实现,可使插补误差小于一个脉冲当量.     

准确计算插补步数的插补算法

通过分析逐点比较法,特别是逐点比较法的插补步数和终点判别问题,构造了一个准确计算插补步数的插补算法。该算法能够很好地应用于实型插补过程,以及需要预先知道插补步数的场合,为插补算法的应用带来便利。     

在三维空间直接进行的三角剖分算法

光学三维传感为各种应用提供了原始点云数据,对于大多数应用,例如逆向工程、CAD/ CAM系统或计算机图形软件来说,把这些点转化成三角网格或参数描述是非常必要的.基于逐点插入法,生长法提出了一个融两种算法优点于一体,兼顾空间性与时间性的合成算法,并将其推广到三维空间.该算法直接在三维空间内实现三角剖分,省去了网络拼接过程.经测试,该算法运算速度快于逐点插入法和生长法.并且有效避免了"空洞"和"重叠"现象.     

在三维空间直接进行的三角剖分算法

光学三维传感为各种应用提供了原始点云数据,对于大多数应用,例如逆向工程、CAD/ CAM系统或计算机图形软件来说,把这些点转化成三角网格或参数描述是非常必要的。本文基于逐点插入法,生长法提出了一个融两种算法优点于一体,兼顾空间性与时间性的合成算法,并将其推广到三维空间.该算法直接在三维空间实现三角剖分,省去了网络拼接过程.经测试,该算法运算速度快于逐点插入法和生长法.并且有效避免了“空洞”和“重叠”现象.     

逐点生成参数曲线的改进算法

为了提高曲线生成算法的速度，讨论了如何选择最佳的步长，使曲线前进的幅度在不超过一个象素的前提下，选择尽量大的步长．为了进一步提高算法的速度，采用了双步逐点曲线生成算法，设计使用Visual C 6．0为工具，并以曲线方程为例实现了该算法．     

一类非扩张映射可数族公共不动点的带误差项的修正Ishikawa迭代算法

在Hilbert空间中,研究了可数族逐点渐进非扩张映射的公共不动点,利用单调混合迭代方法给出一个新的带误差项的Ishikawa迭代算法,并在适当条件下证明了此迭代序列强收敛于这族逐点渐进非扩张映射的公共不动点。这些结果改进和推广了这类问题的一些最新研究结果。     

基于局部性原理的可变步长Bézier曲线生成算法

针对现有贝塞尔曲线生成算法存在的不足,提出了基于局部性原理的可变步长曲线生成算法.通过改变曲线生成算法的参数步长,明显减少了逐点生成算法中大量重复点的计算.该算法不仅保持了较高的准确度,而且较显著地提高了曲线生成的效率,具有较强的应用性.     

数字高程模型的建立与分析应用

为了用数字高程模型实现区域地形表面的数字化表达,通过对比分析的方法,研究了不规则格网(TIN)和规则格网生成的几种算法,对几种算法进行了比较,同时对数字高程模型的应用进行了分析,结果表明,逐点内插法十分灵活,内插效率较高,精度较高,计算方法简单又不需很大的计算机内存,因此逐点内插法是目前DEM生产中常用的内插方法;随着算法的不断改进和完善,DEM生成效率和精度的提高,其应用前景将十分广阔.     

三角剖分中拓扑关系的动态创建与维护

平面散点域的三角化效率一直是人们关心的问题.以三角形面结构为存储结构,对逐点插入三角化算法中三角形的拓扑关系维护进行了研究,提出了动态创建和维护三角形拓扑关系的算法.算法原理简单、通用性强,实验测试表明基于本文原理所设计的逐点插入算法有较高的执行效率.     

基于点的方向图算法

提出了一种基于曲率的点方向初始值算法．该算法根据像素点在不同方向上的曲率变化确定该点的初始方向值,并明确提出了点方向的概念．提出了一种点方向图的新算法并研究了相应的快速算法．基于块划分的传统块方向图有时是不连续的．与块方向图相比,点方向图保留了块方向图的统计特性,又克服了块方向图的缺陷,不需要先进行背景分离,点方向计算与背景分离同步进行．     

基于关键点特征匹配的点云配准方法

针对ICP配准算法对点云的初始位置要求高、处理低重叠率的点云配准能力低的问题,提出了一种基于关键点特征匹配的点云配准方法. 设计一种多尺度加权法向投影均值差的关键点提取算法,结合SHOT描述子对关键点进行特征描述,融合几何一致性以及RANSAC算法去除匹配过程中的误匹配点对,优化关键点之间的对应关系,通过奇异值分解计算刚体变换矩阵,完成点云粗配准,使用ICP进行精确配准. 实验表明,本文提出的关键点提取算法能有效提取点云表面特征变化明显的点,使用SHOT特征对关键点进行描述,能够快速、精确地完成点云数据配准,并且对于较低重叠率的点云,也具有较好的配准效果.      

空间点集配准算法研究

研究不同坐标系下空间点集的配准算法.所提出的算法分为粗配准和精配准两个阶段.粗配准是利用主成分分析方法对每个点集计算其3个主轴.然后通过空间变换将两个点集的主轴一一对应,使得两个点集大致对齐.精配准利用改进后的最近点迭代方法对两个点集进行局部优化,最终达到初始方向相差较大的两组点集在同一坐标系下的精确配准.模型实验验证了该方法的有效性和精度.实验结果表明,算法通过粗配准有效地将两组点集的主轴对齐,同时,精配准对粗配准的结果进一步优化,使得初始方向相差较大的点集间实现精确配准,提高了配准的精度.     

一种改进的SIFT特征点匹配算法

提出一种改进的SIFT特征点匹配算法.以提高图像特征点匹配算法效率为目的,研究了SIFT特征点描述子基于欧氏最小距离测度的匹配算法.由于SIFT特征点检测算法检测到的特征点数量较大,且每个特征点描述子都是128维的向量,而基于欧氏最小距离测度的匹配算法要求,待匹配第一幅图像的每个特征点要和待匹配第二幅图像的所有特征点求距离,排序后寻找极值,这导致了算法效率较低.依据光学成像理论和双目视觉理论,由第一幅图像每个特征点的坐标,从行列两个方向缩小第二幅图像待匹配特征点坐标的搜索范围,在保持匹配精度的基础上,提高了算法的效率,算法速度约是原算法速度的2.7倍.     

采用局部凸性和八叉树的点云分割算法

针对粗糙点云分割效果差的问题,提出了一种采用八叉树和局部凸性的点云分割算法.该算法首先通过仪器扫描得到仅包含坐标信息的点云数据,然后对点云进行法向量估算,并根据点云的法向量信息进行八叉树初始分割得到面片,最后根据面片之间的局部凸性特征进行融合,得到最终的分割结果.与其他同类算法相比,采用八叉树和局部凸性的点云分割算法不仅能有效地减少曲面数量,而且在曲面质量上也优于同类算法.采用塔身震落石块的点云数据进行的实验表明,该算法在处理分布较均匀的闭合点云数据时,能够有效减少最终的曲面个数,且面片的质量与手工分割拟合度达到90 ％以上.     

有界变量与线性等式约束优化的信赖域内点算法

提出一种既有界变量又有线性等式约束的非线性优化问题的信赖域内点算法,在合理的条件下所提供的算法不仅具有整体收敛性而且保持局部收敛速率。数值计算结果说明算法的有效性。     

GNSS-R遥感的镜面反射点快速估算

近年来,利用全球卫星导航反射信号(Global Navigation Satellite System Reflectometry, GNSS-R)进行遥感应用已经成为遥感领域的新技术。镜面反射点是星载GNSS-R遥感测量和建模的主要参考点,其估算的精度和速度对GNSS-R遥感有着显著影响。本文提出了星载GNSS-R接收机测量中GNSS-R镜面反射点的快速估算方法。首先,本文总结了镜面反射点的几何特征。根据几何特征,进行了镜面反射点的粗估算。然后,提出了基于角平分线变步长校正精确估算镜面反射点的位置,并通过迭代实现了镜面反射点的精确定位。 最后,通过仿真实验验证了本文所提算法具有较好的准确性和快速性。     

基于特征点局部特征值剔除误匹配特征点算法

为了解决经典的特征点匹配算法SIFT采用比率测试得到的匹配特征点集中存在大量误匹配,且对数量和准确度无法兼顾的情况,提出了基于特征点局部特征值剔除误匹配特征点算法。该算法以高阈值比率测试得到的结果为粗剔除匹配点集,基于三角形相似性原理,从该特征点集中筛选出3个匹配正确的特征点对,利用其分别在基准图像和实测图像中构建局部直角坐标系,根据匹配的特征点对在相似局部坐标系下局部特征值的相似度剔除误匹配特征点,实现精剔除。实验结果表明,本文算法可以有效的剔除SIFT算法匹配结果中的误匹配,同时,与低比率（0.6）测试匹配结果比较,准确度较高,降低了匹配正确的特征点被误剔除的概率。可见本文算法可有效的剔除误匹配特征点,获得准确度高的匹配点集。     

椭圆曲线密码体制中的改进数乘快速算法

在2^k进制数乘算法的基础上,提出一种适用于任何二进制长度的快速算法。探讨了引入2^k进制k的最佳选取问题,提出一种采用实验方法来选取最佳的k值,并给出了一些更适合于工程实际的k值。实验表明此算法在NIST推荐的5条二进制随机曲线上的数乘算法速度得到了明显的提高。     

基于混合优化算法的最大功率点追踪方法

针对部分阴影条件下粒子群优化（PSO）算法追踪最大功率点时间较长与功率波动大的问题,提出一种基于万有引力与粒子群混合优化(GPSHO)算法的最大功率点追踪（MPPT）方法。该方法将万有引力搜索算法引入粒子群算法,在迭代过程中通过调节PSO算法的惯性权重、认知因子和社会因子提高算法的收敛速度,实现追踪全局最大功率点。仿真与实验结果表明:该方法能够在不同光照情况下精准地追踪全局最大功率点,其搜索速度大约比基于自适应惯性权重粒子群(APSO)算法的MPPT方法快１倍,功率振荡亦更小。