基于点特征直方图的点云自动配准算法研究

三维激光点云数据处理工作中,点云配准工作是后续的所有点云分析以及三维重建等工作的关键。综合分析现有配准算法的不足,在点云初始配准阶段,本文采用了Rusu等提出的基于点特征直方图的采样一致性初始配准算法(SAC-IA),并从从算法准确度和效率角度提出了改进:加入了采样点几何形状约束以保证采样点不共线,通过计算点特征直方图差异代替了欧式距离差异改进了误差评定方法。在点云精细配准阶段,本文采用了F.Pomerleau等提出的改进后的ICP算法,并在此基础上提出了一种基于点云重叠区域的精细配准算法。实验结果分析,该算法配准精度较高,能够满足点云配准要求。     

再制造工件缺损部位定位技术研究

针对柔性再制造系统中对工件的缺损部分进行测量的问题,提出一种应用结构光传感器进行检测和定位的方法。该方法采用结构光传感器获得破损工件的三维点云数据,将点云数据与原始工件CAD模型进行配准．通过设定误差阀值提取缺损区域数据。配准过程分为初始配准和精确配准两步,采用主元分析法计算点云数据的主方向,与已知CAD模型的主方向对齐,实现初始配准;采用ICP算法实现点云数据与CAD模型的精确配准。通过计算特定方向上点云到CAD模型的误差获得工件缺损区域的数据。实验表明,该方法能有效的获得破损工件缺损部分的三维信息。     

ICP算法在计算机辅助肝脏手术空间配准中的应用研究

针对计算机辅助肝脏手术中的空间配准技术中的手术前的CT图像与手术中的实际空间进行配准问题,本文提出一种基于ICP算法的手术空间配准技术,通过利用几何哈希法筛选出最佳的三维变换,然后用该变换作用到整个点云,最后完成点云的拼接,使得准确度更高。仿真试验结果表明,改进的ICP拼接算法精度高,适用于计算机辅助肝脏手术。     

突发浪涌数据下差异云平台的弱关联数据调度

突发浪涌数据下差异云平台数据间的关联性破坏概率逐渐增加,降低了数据在冗余环境下查询效率。按照突发浪涌数据下云平台的弱关联数据调度特征,通过基于Apriori的弱关联数据挖掘方法,采集突发浪涌数据下差异云平台的弱关联数据,通过改进离散粒子群算法优化任务节点数字串的编码形式,实现数据调度任务,对粒子位置更新公式进行优化,采用优化离散粒子群算法进行节点寻优,获取最佳调度节点集,实现突发浪涌数据下差异云平台的弱关联数据调度。实验结果表明,该调度方案能够优化云平台资源的使用效率和服务响应时间,提高了总执行效率,节省了云资源,具有较高的节能开销比和用户满意度。     

基于地理坐标的地下工井点云配准研究

地下工井是工作人员对电力线路进行运检时的重要手段之一,通过采用三维激光扫描仪对地下工井进行扫描可以获取工井的点云数据,但其通常是以扫描仪中心为原点的独立坐标系统,为点云配准带来了问题。基于此,本文提出了基于地理坐标的两种配准方法较好地解决了工井点云数据的配准问题,为后续的点云数据处理与建模奠定了基础。     

基于多学习因子粒子群算法的微博用户影响力分析

分析了用户与其所在网络社团之间的关系,将岛屿模型的思想应用于标准粒子群算法的改进,提出了一种多学习因子粒子群算法(MPSO).该算法综合考量了用户自身属性和社团关系网络特性两种影响因子,克服了网络水军和僵尸粉的干扰,同时这种改进的粒子群算法使得粒子在进化过程后期更具多样性,避免陷入局部最优.最后通过与Page Rank算法、Behavior-Relationship Rank算法进行对比,充分验证了MPSO算法的准确性以及可靠性.     

特大钢结构使用雷达与无人机高精密测量技术

为达到针对特大尺寸的钢结构进行高效研究、高精度的检测目的,本文针对地面区域激光点云的全面配准算法及无人机装置多视角视频图像的密集点云生成算法实施了详尽的研究.应用根据几何图形特征的迭代模式的整体配准型算法持续的对于观测数值约束操作以及解析计算,并把观测数值的修正误差范围控制在特定阈值的区间内,直至实现配准操作,完成整体...     

点云自动配准并行算法研究

三维激光点云数据处理工作中,点云配准工作是后续的所有点云分析以及三维重建等工作的关键。综合分析,现有配准算法在效率方面有明显的不足。基于此,本文利用OpenCL对点云配准算法作出了整体的并行优化加速。实验结果分析,该算法能够满足快速点云配准的要求。     

改进的二阶互信息医学图像配准算法的研究

针对人脑的二维图像设计了一种改进的遗传算法和二阶互信息相结合的医学图像配准算法,采用互信息配准模型,以图像的灰度统计信息为配准依据,采用改进的遗传算法搜索图像的最优变换参数,并比较一阶互信息配准与改进的二阶互信息配准两种算法,实验表明改进的二阶互信息配准方法具有较高的配准精度和稳定性。     

基于弹性配准的图像层间插值算法研究

针对传统配准方法存在配准精度低的问题,提出一种新的弹性配准插值算法。新方法基于B样条的自由变形模型,将最大互信息准则作为形变图像与目标图像的相似性测度对相邻的片层图像进行配准。然后,提出一种改进的双线性插值方法,通过构造插值点的最小环绕四边形计算该插值点的值,从而得到最终的插值图像。     

并行优化KNN算法的交通运输路况预测模型

针对标准KNN算法在交通运输路况预测的应用中还存在误差较高等问题。本文提出了一种基于改进粒子群并行优化KNN算法的交通运输路况预测模型,首先在采用粒子群算法对KNN算法进行优化前,引入变异操作并结合神经网络中的Sigmoid型函数对粒子群算法的特征子集进行优化,然后采用最优化学习策略对改进粒子群算法的运算性能进行优化,最后采用改进的粒子群算法把改进的KNN算法的待优化参数随机初始化为一组粒子的位置和速度,并根据适应值函数计算每个粒子的适应度。仿真实验结果表明,本文提出的改进粒子群算法具有较好的收敛性能,基于改进粒子群并行优化的KNN算法在交通运输路况的预测中误差较小。     

隧道三维曲面重构方案设计研究

使用ICP点云配准算法改善激光雷达扫描范围不足的缺点,通过逐段扫描的方式对点云数据进行扩充,并使用贪婪三角投影算法对扩充的点云数据进行三维曲面重建,用于生成隧道的超欠挖数据和可视化隧道实时的喷浆状态,指导隧道施工建设。     

考虑切换时间和成本的混装线排序优化

本文针对降低混装线企业中的生产成本问题,考虑工人闲置与超载时间内成本的差异,以最小化工作站内闲置与超载成本,最小化产品间的总切换时间为优化目标建立混装线投产排序数学模型。并设计了一种新改进的粒子群算法,算法中引入反向学习优化初始种群分布,从而提高了算法的寻优效率。为避免算法陷入局部收敛,将Baldwinian学习策略引入该算法中,增加了种群中粒子的多样性,提高了种群的全局搜索能力。结合具体实例的验证表明,该改进粒子群算法能有效地解决混装线投产排序问题。     

基于粒子群算法的偏置进近航段多目标优化

为了提高偏置Ⅰ类精密进近飞行程序的设计精度,对其采用改进型的粒子群算法。在求解过程中对粒子群算法进行了约束改进,提出了符合本文的改进粒子群算法,能更好产生初始解,进而处理个体极值和全局极值的选取问题。根据程序设计理论对优化问题构建约束条件,建立多目标分层优化目标函数求解非支配解,最终通过某机场进行验证。     

全相位通道科研信息管理系统数据速配准方法

对科研信息管理系统的数据进行快速配准,提高信息管理系统的数据调度和数据融合效率。传统的数据配准算法采用循环堆栈云计算方法,算法对高阶次幂的数据信息矢量配准精度不好。提出一种基于全相位通道特征匹配的科研信息管理系统数据快速配准方法。构建科研信息管理系统的数据调度和配准模型,进行信息特征提取和分类,采用全相位通道滤波设计,实现对科研信息管理系统数据的数据滤波和融合,提高了数据配准的精度。仿真结果表明,采用该算法通过全相位通道滤波设计,有效滤除干扰数据,提高了科研信息管理系统的数据快速配准能力,抗干扰性能较强。     

基于3D-SIFT和区域生长的配准方法

快速有效的点云配准在逆向工程、三维重建等方面有着重要的意义。目前,尽管已经提出了多种匹配方法,但已有方法一般只能适用于特定的场景,缺乏泛用性和稳定性。针对以上问题,本文提出一种3D-SIFT和区域生长的配准方法。该方法,主要步骤为:提取待匹配点云和参考点云的SIFT特征,获取全局中重要匹配点,完成变换模型的粗配准;然后,基于种子点确立生长法则生成对应的种子区域和匹配点;最后利用最小二乘算法,实现点云的精配准。实验表明,该方法在泛用性和稳定性都有明显的提高。     

一种新改进的粒子群优化算法

由于粒子群优化算法对多极值复杂问题求解时容易陷入局部极值,提出一种新改进的粒子群优化算法。该改进算法是将粒子群进化过程分为两个不同的阶段,每个阶段应用不同的进化模型,通过结合这两种进化模型的各自优点有效地降低群体陷入局部最优。由仿真实验结果可知,对于复杂多极值函数优化问题,本文算法比标准粒子群优化算法的全局寻优能力更强。     

SUSAN兴趣点检测算法的研究与实现

基于特征的遥感图像配准中,特征提取是整个配准过程的第一步,特征提取的质量对于最终的配准效果有着十分重要的影响。在目前的遥感图像配准中,点、线和面三种特征都有使用,其中点特征的使用最为频繁,这是因为使用点特征可以大大减少数据量从而提高运算的速度,而所谓的点特征一般称为兴趣点。主要介绍了SUSAN兴趣点的检测算法,并对该算法进行讨论研究,最后用IDL实现了该算法。     

最佳任务调度下的Web数据优化聚类算法

在对最佳任务调度下的Web数据进行优化聚类的过程中,容易出现原始数据损失的情况,导致传统数据优化聚类算法,由于忽略初始数据,无法有效实现Web数据优化聚类。提出一种基于粒子群优化的最佳任务调度下Web数据优化聚类算法,依据任务价值密度以及执行紧迫性,塑造动态优先级,通过适应度函数对分类计划进行评价,给出类间距与类内距计算公式,对相关参数和各粒子的位置以及速度向量进行初始化操作;求出粒子的适应度;求出粒子个体最优与群最优;依据粒子群优化算法的位置以及速度对当前位置和速度进行更新;通过K-means算法对EHCF进行聚类,直至全部Web数据聚类完成。仿真实验结果表明,所提方法在Web数据优化聚类上具有很高的优越性。     

多波束粒子群深度零点轨迹信息搜索效率优化

传统的基于粒子群算法的前馈神经网络训练系统进行数据库访问时,易陷入局部极值,产生零点轨迹信息搜索效率较低,局部极小点和搜索方向紊乱。提出一种改进的粒子群优化算法。构建基于误差反传的神经网络系统结构,引入混沌映射概念,提出了一种根据粒子搜索状态,动态调整粒子飞行速度和位置的粒子群优化算法,提高多波束粒子群深度零点轨迹信息的提取的搜索效率,根据粒子的轨迹信息,研究如何动态调整粒子的搜索速度和方向,提高了训练和控制精度与效益。仿真实验表明,该算法进行多波束粒子零点轨迹信息搜索,效率较高,通过外力的干涉尝试调整粒子的方向,使得粒子可以逃离这个稳定阶段,提高了粒子收敛速度,提高控制搜索精度,运行时间较短。算法在智能控制等领域具有较好的应用价值。