一种融合区域生长和RANSAC的稠密点云平面分割方法

为提高三维信息的准确度,提出一种在稠密的点云数据中采用融合区域生长和随机抽样一致性(RANSAC)的平面分割方法。利用统计滤波、体素滤波对稠密点云去噪和精简,通过邻域统计特性剔除孤立点。采用点域区域生长分割出平面点,并采用面域区域生长合并平面附近点。采用曲率值检测出异常弯曲的平面。在异常弯曲的平面中采用RANSAC评估平面点的模型误差并剔除粗差点。实验选取公寓、阁楼、办公室等4个典型室内场景数据进行测试。实验表明,该方法可有效从稠密点云中分割出平面结构,分割结果准确度均值可达到95%以上。相比于传统RANSAC方法,可以更好地保证平面结构的连通性。相比于传统区域生长方法分割结果,准确度提升约2%,完整度平均提高约17%,对于后续三维重建和机器人的导航有着借鉴作用。     

基于改进ORB-SLAM2算法的RGB-D稠密地图构建

针对传统ORB-SLAM2系统无法稠密建图以及缺少可应用于移动机器人在特定场景下导航与路径规划的八叉树地图等问题,提出了一种改进RGB-D ORB-SLAM2算法.该算法利用深度信息,通过针孔成像模型计算出关键帧点云的三维空间位置,采用离群点滤波去除多余杂点,体素滤波保留具有特征信息的点云进行拼接,降低地图冗余度,并经过稠密回环处理进一步优化更新关键帧的点云位姿,构建出精确的稠密点云地图并转换为八叉树地图.试验数据表明,相比于RGB-D SLAMV2系统,RGB-D ORB-SLAM2系统的全局轨迹误差和相对位姿误差提升有50%以上,均方根误差为0.89%,均值误差为0.76%;在建图性能方面,相比于同类型算法,点云数量平均降低约30%.此外,八叉树地图相比于点云地图,仅占其内存的0.6%,更加满足了高精度、快速性的导航需求.     

动力系统球族的勒贝格稠密定理

【目的】研究由离散动力系统生成的动力系统球族并证明它对应的勒贝格稠密定理。【方法】利用系统的可扩性研究了动力系统球族的几何及测度性质,通过有界形变性等动力系统工具,对经典勒贝格稠密定理需要收缩集族具有良收缩性这一条件进行了改进。【结果】将动力系统球族代替经典的欧几里得球族,验证了勒贝格稠密定理。并且通过举例说明了动力系统球族不具备良收缩性。【结论】这种动力系统观点下的勒贝格稠密定理,对处理一些带测度迭代估计的动力学问题有重要的理论意义。     

相关于挠理论的C11模

设τ=(T,F)是遗传挠理论,提出了τ-C_(11)模的概念,它是τ-C_1模和C_(11)模的推广.讨论了τ-C_1模,τ-C_(11)模和τ-FI-extending模之间的关系,给出了τ-C_(11)模的等价条件.进而,研究了τ-C_(11)模关于直和因子,τ-稠密子模的封闭性.     

处处非满正测集构造

构造处处满测的第一纲集，两个这样集合的并为「０，１」上处处非满的正测集。     

Clarke导数的连续性与函数的严格可微性

引进Lipschitz正则条件,证明了Banach空间上Lipschitz正则函数在某点严格可微当且仅当沿每个方向的Clarke导数在该点连续;在可分空间中Lipschitz正则函数的严格可微点集是第二纲的,因而处处稠密,并得到Clarke梯度用严格导数的极限表示。     

关于索引文件的进一步探讨

本文探讨了索引文件的组织结构及访问方式,并对两种索引文件进行了分析.     

飞秒激光场中μ子催化聚变的轨迹分析

基于激光与稠密等离子体相互作用的机理，讨论了μ子催化核聚变反应后的混合物中μ子在飞秒激光场中的轨迹。将μ子催化核聚变反应后的混合物处理为稠密等离子体，随着线偏振激光的介入．μ子将进行有规律的漂移。结果显示，当激光的峰值强度为10^21W／cm^2时，μ子发生了较大的漂移．漂移的方向为激光的传播方向。μ子可以从混合物的表层穿透，脱离聚变产物，变成自由粒子，而这一过程所需要的时间非常短，远小于激光的一个脉冲周期。另外，相同参数激光的介入对于其他粒子的轨迹影响又非常小。在一定程度上，避免了催化剂μ子在催化核聚变反应后被Ⅱ粒子捕获而失去催化的能力，提高了催化率、     

用两比特海森堡XY模型实现量子稠密编码

文章主要研究在有限温度下,外加磁场和DM相互作用对两比特海森堡XY模型中实现量子稠密编码的影响。通过稠密编码的信道容量表达式分析了每个参数对稠密编码的影响并且发现平均耦合常数J-,DM相互作用和各向异性参数J＋对稠密编码起积极作用。均匀磁场B和非均匀磁场b对稠密编码起消极作用。     

关于广义边界元方程组迭代解的一个新预处理方法(英文)

引入一个用于解偏微分方程广义边界无法代法的新预处理算法。文中首先考虑标准边界元法使用的稀疏预处理子。然后阐述广义边界元法及其推广。使用离散小波变换来加速基于分离的预处理子。广义边界元法能有效迭代的关键在于压缩轴基函数形成的矩阵,用有紧支撑集的轴基函数得到了预处理迭代的新结果。也给出一些数值试验结果。