融合PCA的改进ICP激光点云配准算法北大核心CSCD

针对迭代最近点(iterative nearest point,ICP)算法进行点云配准过程中需要输入较好的初值和收敛速度较慢的问题,提出了一种融合主成分分析(principal component analysis,PCA)的改进ICP配准算法。首先,基于PCA计算两组点云的主方向,得到两组点云的初始位姿变换;然后,利用主轴基向量的关系校正主轴方向,完成两组点云的大致配准。针对具有部分重叠区域的点云,粗配准后利用KD-tree算法搜索最近点。根据点云重叠部分,提出一种利用有效点对进行ICP迭代求解算法,利用有效点对中欧式距离较大的点对,完成精配准。通过在公开数据集Bunny和实测数据支座点云上的实验表明,改进算法能够为ICP算法提供较好初值,加速具有局部重叠度的点云配准,同时对配准精度也有较高的鲁棒性。     

品牌与产品元素在办公空间设计中的应用北大核心

本作品为办公空间室内设计，图1为总经理办公室，图2为贵宾接待厅。根据甲方代理品牌的市场定位，将办公空间的设计风格选定为新中式风格。同时，从甲方的主营产品中提取空间的配色方案和造型元素，运用到墙面造型、家具、陈设等的选择和搭配中。力图实现品牌、产品在空间中的多元体现，营造沉稳、优雅、和谐的空间环境。     

个人偏好在空间设计中的表现北大核心

本作品为住宅空间室内设计，业主为某IT公司程序员。以业主的生活和工作环境为背景，本作品选择以现代风格作为室内风格的主基调。室内硬装和软装通过线条、材质、肌理和色彩的组合搭配，实现功能与形式的协调，满足业主对空间“一点简约、一点内涵、一点灵动”的设计需求，力图营造舒适、优雅、现代的空间环境。     

改进ALPSO-SVM的精密加工结构件图像分类算法

针对精密加工结构件在加工过程中人工分拣效率低的问题，提出一种改进PSO对于SVM参数优化的图像分类算法（Adaptive Levy Flight Particle Swarm Optimization Algorithm-Support Vector Machine,ALPSO-SVM）。首先，建立一个SVM分类器用来完成图像分类，然后使用改进的PSO算法（ALPSO）来帮助SVM找到最优参数，以提高分类效果；通过引入自适应步长的Levy飞行算法来调整PSO算法中粒子的位置更新公式，提高PSO的寻优效率，以得到SVM的最优参数；最后，SVM以ALPSO输出的结果作为最优参数进行分类测试。实验结果表明，ALPSO有效地提高了SVM的分类性能，分类正确率与鲁棒性都得到提高，平均正确率达到90%以上。