一种新的散乱点云尖锐特征提取方法

针对散乱点云的尖锐特征识别与提取问题,提出一种基于平均曲率运动的散乱点云尖锐特征提取算法.该算法利用采样点的加权邻域重心近似表示离散Laplacian算子;利用采样点邻域的主成分分析估算散乱点云法向量,通过张量投票的方法平滑估算得到的点云法向场,进一步提高了该算法识别细微尖锐特征的能力;将采样点和其对应加权邻域重心之间的距离投影到法向方向,消除了因为采样密度不均匀以及边界点所引起的尖锐特征点误判.该算法直接对散乱点云进行操作,不需要维护采样点之间的连接关系和任何全局的拓扑信息,简捷且易于实现,对点云中的噪声和局外点保持鲁棒.该算法应用于合成点云和实际扫描点云的实验结果表明了方法的有效性.     

基于计算机辅助技术的手工艺品设计与研发

基于计算机技术进行辅助设计，可优化手工艺品设计的效率与其美观度：利用三维激光扫描技术采集手工艺品原型的三维数据，应用k-means算法分割原始点云数据集；基于改进的Canny算法提取手工艺品轮廓信息，通过边缘连接算法筛选轮廓边缘点；基于自适应重采样策略重构手工艺品曲面，调节采样点疏密程度自适应生成曲面网格，引入三角形美化度函数约束网格中三角形质量。测试结果显示，该方法提取手工艺品三维轮廓的平均绝对误差、均方根误差低，重构的曲面网格中孔洞数量极少，手工艺品再设计的效果优、可靠性强。     

基于3D激光雷达点云的道路边界识别算法

针对结构化道路环境中道路边界存在不连续、被遮挡及易受路内障碍物干扰情况下的识别问题,利用车载激光雷达获取的结构化道路环境三维点云数据的高程信息,结合局部均值变点统计方法,提出了一种用于激光雷达帧数据的道路边界识别算法。该算法首先利用局部均值变点统计对结构化道路环境三维点数据中突变的z坐标值进行标记并提取其对应的(x,y)数据点,即道路边界点数据粗提取;然后基于分段双阈值对粗提取的道路边界点数据滤波处理;最后利用最小二乘法拟合道路边界点数据。基于实车实验分别采集的不同道路环境条件下结构化直道1 450帧、弯道935帧数据,算法识别准确率均高于80%,且识别道路宽度误差小于0.14 m。实验结果表明,该算法不仅能够自动识别结构化道路边界,而且有效抑制了路面障碍物的干扰,验证了算法的有效性。     

在线用户声誉评价算法的鲁棒性分析

在线评分系统中的恶意或随机打分为准确评价在线用户声誉带来了极大的挑战.对3种基于迭代的经典在线用户声誉评价算法的鲁棒性进行了细致研究.实验先将不同数量用户打分随机化,再以均方根误差为指标衡量其余用户声誉值受影响程度.实验共在3个数据集中进行,在MovieLens和Netflix两个经典实证数据集上的实验结果表明:系统中1%~60%的用户进行随机打分时,基于关联分析的CR算法始终保持很好的鲁棒性;基于打分迭代的IARR算法的均方根误差略有增大,最大值达到0.22,但整体波动较小;而改进的基于打分迭代的IARR2算法的均方根误差最大值达到0.695,其鲁棒性的较大波动是因算法受高声誉用户的影响较大.在Douban数据集上的结果表明:在打分数据稀疏情况下,CR算法也能保持很好的鲁棒性.     

基于激光点云的隧道中心线自动提取算法

目的提出一种基于三维激光点云数据的隧道中心线自动提取方法,解决地铁盾构隧道中心线提取困难、精度低的问题.方法利用共有点坐标换算完成扫描仪坐标系和隧道工程坐标系的统一;截取一定厚度的隧道平面切片,并对切片点云去噪、滤波、投影,得到断面点云;通过改进的最小二乘椭圆拟合法,无需对所有断面点云拟合即可解算出精确的椭圆方程和该断面的中心点,利用二次样条曲线插值得出隧道中心线.结果通过对FARO FOCUS 3D X330获取的地铁隧道点云数据进行实验,笔者提出的方法能快速拟合出隧道断面,自动提取隧道中心线误差小于2.01 mm.结论该算法解决了以往隧道中心线提取方法速度缓慢且精度较差的缺陷,能对隧道施工以及隧道变形检测提供指导和借鉴.     

基于轨道移动式激光扫描多期点云的隧道断面变形提取方法

针对轨道移动式激光扫描技术监测地铁隧道变形的点云数据特征和隧道断面变形信息提取与分析的问题,本文提出了一种基于轨道移动式激光扫描点云的隧道断面变形提取方法和处理流程.首先采用RANSAC圆柱检测法提取地铁结构特征部位点云,利用提取的隧道结构点云进行点云的粗配准.然后设计了一种基于权重的ICP算法的精配准方法,精配准后的隧道点云通过切片点云降维处理得到二维断面数据,利用断面的k近邻点拟合曲线提取隧道断面变形值,并采用弧线投影的方法对断面变形表达.实验验证表明,提出的基于曲线拟合隧道断面变形分析的方法和过程,能够准确高效地提取到0.7 mm以上的地铁隧道断面变形信息.     

基于动态规划的关键帧提取算法

在传统的关键帧动画中,动画师对关键帧进行编辑并通过插值生成一段连续的动画.运动捕捉数据的每一帧均可看作关键帧,但是对其直接进行编辑非常繁琐,需要从运动中提取具有代表性的关键帧,简化运动的编辑操作.已有的关键帧抽取方法主要基于一些局部误差度量策略,算法的全局误差难以得到保证.提出了一种基于动态规划的运动捕捉数据的关键帧提取算法,该算法通过曲线拟合技术对密集采样的运动捕捉数据进行减帧,在生成指定数目关键帧的同时保证误差达到全局最小.用户可以利用传统的关键帧技术对减帧后的运动进行编辑.     

基于AIRF-CARS波段选择算法的橡胶树叶片氮含量定量研究

以橡胶树叶片的近红外光谱信息为分析对象,运用由粗放到细致的多分辨率特征提取思想,提出了一种融合自适应间隔随机蛙与竞争自适应重加权采样(AIRF-CARS)的算法提取橡胶树叶片的光谱特征信息,从而实现了橡胶树叶片氮含量的定量分析.实验结果表明,AIRF-CARS算法有效的压缩了光谱特征的数量,通过算法选择的特征波长为22个,使得定量分析模型的预测均方根误差(RMSEP)和决定系数(R~2)分别为0.136 4%和0.959 6.因此,本文算法可以有效地提取信息量较大的波长特征,应用于近红外光谱检测的定量分析中,并为便携式田间多波段光谱仪的研发提供理论支撑.     

基于渐进迭代逼近的等距曲线改进算法

提出一种基于渐进迭代逼近的等距曲线改进算法.该改进算法利用曲线段的高控制采样误差,在充分反映基曲线的形状特征的前提下尽可能地减少采样点数量.在采样点中选取等距曲线上的特征点作为主控制点,利用渐进迭代逼近方法插值所选取的主控制点,迭代过程中综合考虑法矢和参数化一致性两个因素以更好地控制等距逼近曲线的形状.最后,同样利用曲线段的高控制逼近误差,以避免误差过估,对得到的逼近等距曲线的B样条曲线实现更精确的全局误差控制.给出一些实例来验证该改进算法在采样点数量、所需控制顶点个数、迭代次数、误差控制、等距逼近曲线的形状控制等方面实现了性能的提高.     

采样频率与数据长度对中心动脉波形重建的影响

传递函数法重建CAP(central aortic pressure)多是基于自回归各态历经(auto regressive eXogenous, ARX)模型或傅里叶变换,未考虑采样频率、数据长度.为了研究采样频率和数据长度对重建CAP的影响,基于ARX模型和傅里叶变换,重建CAP并分析误差.结果表明,采样频率100Hz,数据长度大于3s时,基于ARX模型重建CAP效果较好(均方根误差(306.6±80.0)Pa,波形匹配度89%);基于傅里叶变换的算法对采样频率不敏感,数据长度为6s时效果较好(均方根误差(493.3±320.0)Pa,波形匹配度84%).     

基于多结构快速生成算法的建筑物平面提取

针对RANSAC算法在多结构数据集中提取平面点时存在的不足,提出了基于多结构快速生成算法的点云平面提取的新算法.该算法在随机产生一组平面模型之后,通过每个点相对于模型的残差排序信息,计算条件内点概率分布,然后利用得到的内点先验分布概率指导模型采样.实验结果表明,该算法能准确地检测出点云数据中的平面,相比RANSAC算法具有更好的采样效率.     

基于图优化的单目线特征SLAM算法

提出了基于图优化的单目线特征同时定位和地图构建(SLAM)的方法.首先,针对主流视觉SLAM算法因采用点作为特征而导致构建的点云地图稀疏、难以准确表达环境结构信息等缺点,采用直线作为特征来构建地图.然后,根据现有线特征的SLAM算法都是基于滤波器的SLAM框架、存在线性化及更新效率的问题,采用基于图优化的SLAM解决方案以提高定位精度及地图构建的一致性和准确性.将线特征的Plücker坐标和Cayley参数化方式相结合,一方面采用Plücker坐标便于线性投影计算,另一方面采用Cayley参数化方式有利于线特征参数的非线性优化.仿真实验结果显示:所提出算法的位姿估计误差平方和与均方根误差分别是里程计位姿估计的2.5%和10.5%,是基于EKF线特征SLAM算法估计位姿误差的22.4%和33%,重投影误差仅为45.5像素;实际图像实验中的位姿估计误差平方和为958 cm~2,均方根误差为3.9413 cm,从而证明了所提出算法的有效性和准确性.     

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。     

基于克里金模型的多采样点序列全局优化方法

针对有效全局优化(EGO)方法计算时间长、收敛速度慢且易陷入局部最优区域的缺点,提出一种基于克里金模型的多采样点序列全局优化算法.在序列优化过程中,该算法主要引入中点距离最小舍弃方法来获取多个采样点,并以广义EGO方法作为填充采样准则,对多个采样点进行并行优化,以提高算法效率,同时有效平衡局部和全局的搜索行为.两个数值测试算例和一个工程仿真实例验证了该方法的有效性和实用性.     

GPS/INS延时估计与基于残差重构的延时补偿算法

传感器采样延时是多传感器信息融合过程中面临的一个重要问题,全球定位系统/惯性导航系统(GPS/INS)的组合导航系统是智能汽车常用定位方式,但常面对GPS采样延时的问题,因而会造成对INS误差状态的错误估计,影响定位定速的精度.本文针对该问题,在传统的GPS/INS松耦合组合导航模型的基础上提出一种延时估计和补偿的算法.首先建立延时估计模型,估计时间同步误差,然后构建残差传播方程,利用残差重构的方式进行延时补偿,实现基于软件的时间同步.根据试验中对速度、位置误差及均方根误差的分析,改进的滤波算法有效地降低了GPS采样延时引入的误差,提高了定位和定速的精度.     

基于因子图的无人喷雾机多源融合定位

针对果林环境GPS信号容易丢失,造成农机位姿估计误差较大的问题,提出了一种基于因子图的喷雾机多源融合定位方法.采用集成彩色和深度相机与IMU的RealSense D435i传感器,感知无人喷雾机周围环境信息.通过改进的自适应阈值均匀Harris角点提取方法,利用金字塔LK光流算法跟踪匹配角点,使用迭代最近点算法估计相机运动,最终采用因子图优化算法迭代优化位姿估计误差.试验在林间道路进行,改进的方法与惯性组合导航相比,在GPS信号丢失时可以有效地实时估计喷雾机位姿,试验测试距离总共112.39 m,多传感器融合后的位姿更新频率约为50 Hz.结果表明:喷雾机定位均方根误差减少了0.816 m,最大误差减少了4.613 m,姿态角度估计最大误差减少了2.713°.     

隧道衬砌裂缝的远距离图像测量技术

针对远距离数字照相所采集的隧道衬砌裂缝图像自身特点,结合实验数据拟合标定曲线的相机标定方法,采用图像增强预处理、循环迭代法裂缝区域提取、数学形态学修整、亚像素边缘检测等图像处理手段,提出隧道衬砌裂缝识别及宽度量测新算法.经室内试验验证,当拍摄距离小于8m时,算法精度较高,裂缝宽度量测误差一般小于0.40mm;根据现场实际情况可知,该算法误差最大为0.37mm,最小为0.08mm,平均误差为0.20mm,满足工程测量的要求.     

基于分离协方差交叉的全局反馈航迹融合

针对多传感器数据融合中互协方差未知的问题,提出了一种基于分离协方差交叉的全局反馈航迹融合方法,将误差协方差矩阵分离为相关信息误差协方差矩阵和独立信息误差协方差矩阵.在此基础上,提出了分离形式的卡尔曼滤波算法,并设计了全局信息反馈的分布式融合结构,克服了简单凸组合融合算法和协方差交叉算法中将所有的信息一起考虑的缺陷.仿真实验表明:本文算法比简单凸组合融合算法和协方差交叉融合方法具有更小的均方误差.     

针对射频相对测量敏感器的快速标定方法

在卫星编队飞行系统中,射频（radio frequency,RF）相对测量敏感器能够完成两颗卫星的相对位置和姿态的测量,为了验证其测量精度,提出了一种基于激光跟踪仪的快速标定方法.在标定过程中,针对拟合坐标原点和坐标轴产生误差较大的问题,提出了一种基于最小二乘拟合球体和圆的方法,分别确定坐标系的原点和坐标轴;利用坐标系间的固有关系设计了相对坐标系的快速转换方法.在飞行器模拟平台进行验证,实验结果表明,拟合坐标系原点均方根误差为0.120 764 mm,拟合坐标轴轴向的均方根误差为0.157 138 mm,坐标系转换误差的范围为0.30~0.75 mm,能够满足敏感器毫米级定位精度的标定要求.      

基于用户相似度的随机游走社交网络事件推荐算法

针对基于社交网络的事件推荐覆盖性和准确性不够高的问题,提出了基于用户相似度Si-user Walker算法.该算法利用基于事件的社交网络特征,将线上用户群组数据抽象为图,以重启随机游走算法为基础,改变了传统的完全基于图的拓扑结构进行随机游走的策略.根据地理位置划分事件类型,提出了新的用户相似度计算方法,然后根据用户相似度矩阵作为随机游走的转移概率,既保留了图的传递性,又保证了图节点游走的真实性.与其他推荐算法在真实的数据集上实验表明,该算法在均方根误差、准确率及覆盖率上均得到提升.