基于八叉树建模和ACA的三维管路路径规划

传统的三维管路路径规划算法存在等分栅格建模时间长、占用存储空间大、蚁群算法搜索效率低等问题。为此,提出一种基于八叉树建模和改进蚁群算法的路径规划算法。采用八叉树模型进行环境建模,由动态启发信息指导生成初始解,使搜索路径的概率选择机制更合理,通过更新排列前w位和后h位的蚂蚁路径信息素,缩小算法的存储空间,避免搜索规则过度使用。仿真实验结果证明,该算法收敛快速,求解效率较高。     

水下机器人三维路径规划

本文提出了基于八叉树区域分别环境建模方法，在此基础上，利用A算法解决了静态环境的三维路径规划，并对规划出的路径进行了三维修正，使其满足机器人轨迹跟踪的要求，另外，以八叉树环境建模基础，对动态环境下的三维路径规划进行了研究。     

基于八叉树GIS算法森林建模方法研究

研究森林资源真实形态建模问题.由于森林树数值特征和机体形态千变万化,数学模型很难表达真实性,传统的三维空间数据模型方法难以真实反映森林资源的复杂形态.为解决上述问题,采用了八叉树算法有效解决了森林模型的计算复杂性,同时又提出了多尺度八叉树细分算法,结合地理信息系统(GIS),构建真实三维森林形态模型.根据八叉树细分算法的形态对象,满足了数据多尺度组织和划分的需求,以空间体元建立起了各种树木对象之间的联系,为空间分析和森林资源的可视化提供了数据支持.仿真结果表明提出改进算法算法能准确高效地实现森林图像真实感,并能适合常见复杂条件下三维复杂森林形态模型的构建.     

基于块段模型的三维GIS混合数据结构模型研究*

为了有效地表示三维GIS空间实体,在地质块段模型的基础上,提出了基于八叉树和四面体格网的混合数据结构模型(block octree tetrahedron,BOT模型).采用BOT模型生成算法对块段模型进行重新分割,八叉树作整体描述,四面体格网作局部精确描述,并以不同的灰度值表示不同的单元块属性.同时,为节省存储空间,提出了线性BOT编码技术.实验结果表明,BOT模型充分发挥了八叉树和四面体格网的优点,可以在不增加存储空间的前提下实现对三维目标更高效、更精确的表达.     

一种基于小波变换的三维体数据压缩算法

该文结合三维小波变换与八叉树算法,提出了一种新的三维体数据压缩算法。该算法利用小波的多分辩率分析能力对体数据进行压缩,同时结合了八叉树特点对体数据进行编码、存储与重构。实际应用表明该算法能较好地对体数据进行压缩,并且能快速地进行重构和随机地访问体单元数据。     

基于改进的八叉树算法三维地质建模技术研究

研究地质构造建模问题,为了能够真实反映三维地质体真实形态,针对传统的三维空间数据模型方法难以真实反映现实三维地质体的形态,提出了基于多尺度八叉树细分算法来真实构建三维地质体模型。基于八叉树细分算法的地学对象表达满足了数据多尺度组织和地质体及属性多尺度划分的需求,同时以空间体元建立起了各种地学对象之间的联系,为空间分析奠定了基础,且地质有了数字上的三维显示。经实验证明,本文提出的地质体建模是一种基于八叉树细分算的方法,这种方法可以应付各种复杂常见的地质条件,且准确度高。     

计算线性八叉树边界象素集的新算法

八叉树作为一种新的形体表示方法,在几何造型、物性分析、动态模拟、干涉检测、计算机视觉、机器人等应用领域内有着广泛的应用前景。用其它方法表示的形体,可以转换为八叉树表示进行处理,从而弥补了这些形体表示方法的缺陷。但是,八叉树表示占有存储空间过多,为了解决这一问题,常采用线性八叉树的存储结构[1,2],本文在线性八叉树的基础上,提出了一个计算八叉树边界象素集的新算法。该算法采用一种“增减”原则,根据这一原则,对八叉树的边界象素集进行不断的增减操作,最终产生形体的全部边界象素。利用本算法产生的结果,可以大大提高干涉检测、形体间最小距离计算等算法的效率。同时,也可用于医学中CT扫描图像的三维形体重建,以及由八叉树表示转换为边界表示的算法。算法的复杂性为0(nN+M),其中,n为八叉树的精度,N为线性八叉树的长度,M为形体边界象素的数目。     

基于上下文强化八叉树网络三维模型语义分割算法

针对三维模型语义分割中上下文特征的学习问题,提出了一种基于上下文强化八叉树网络的三维模型语义分割算法,名为CR-O-CNN(context-reinforced octree convolutional neural network).将基于八叉树的卷积神经网络引入上下文强化网络中,对上下文特征的学习过程进行马尔可夫决策过程的建模,并使用异步优势演员评论家算法对该过程进行优化,通过学习到深层的上下文特征,以提升三维模型的分割结果.在公共数据集ShapeNet上的实验结果表示,所提算法可提升三维模型语义分割的表现性能.     

基于八叉树的三维地质剖面生成算法

针对目前构建三维地质剖面算法复杂度高、效率低的问题,提出一种基于八叉树的三维地质剖面生成算法。利用八叉树算法对传统的地质剖面生成算法进行改进,使算法在搜索过程中的时间复杂度降低至O(log8(n/M)),在算法中加入轮廓边约束,对搜索到的边进行预处理,以保证边的正确性和有序性。采用八叉树为复杂三维地质体网格模型内的三角形创建空间索引,通过八叉树快速查找出经过剖面的三角形,计算交点并追踪出轮廓边界,通过画廊看守算法对追踪出的边界三角化并构建三维剖面。实验结果表明,该算法具有复杂度低、鲁棒性强的特点,与传统的地质剖面生成算法相比,时间复杂度由O(n2)降低到O(nlbn)。     

多粒度决策粗糙集中的粒度约简方法

多粒度决策粗糙集模型是一种泛化的多粒度粗糙集模型,该模型结合决策粗糙集数据分析理论和多粒度思想,实现了在多个粒空间进行决策粗糙集理论的建模。在此基础上,利用贝叶斯决策理论具体分析了在多粒度粗糙集模型中乐观和悲观的融合策略下多个粒空间中的概率融合关系,推导出基于最大条件概率和最小条件概率的粗糙集近似表示,进而构建了乐观多粒度决策粗糙集模型和悲观多粒度决策粗糙集模型。在该模型中引入近似分布约简的概念,分析了多个粒空间中的粒度选择问题。基于多粒度近似分布质量定义了多粒度决策粗糙集的粒度重要度,并且基于此给出了悲观和乐观融合策略α-下近似分布约简的粒度约简算法。通过实例验证了该算法的有效性。     

点云数据在深度学习中表示方法的研究

为了实现在深度学习中能够端到端表示点云模型,提出基于八叉树和K-D树（OctKD）的点云数据表示方法。该方法将无组织的点云转换为体素空间,在体素空间对三维模型进行八叉树剖分,改进了八叉树编码方式;构建节点间的邻接关系,在GPU端并行构建八叉树;为了克服八叉树编码检索效率低的问题,采用三维K-D树索引单个三维空间点。实验结果表明该方法能够真实反映模型本身的细节特征,提高了点云模型的构造时间和检索效率。这种新的数据结构实现将点云转换为卷积神经网络可以接收的数据形式。     

基于VSLAM的自主移动机器人三维同时定位与地图构建

移动机器人在探索未知环境且没有外部参考系统的情况下,面临着同时定位和地图构建（SLAM）问题。针对基于特征的视觉SLAM（VSLAM）算法构建的稀疏地图不利于机器人应用的问题,提出一种基于八叉树结构的高效、紧凑的地图构建算法。首先,根据关键帧的位姿和深度数据,构建图像对应场景的点云地图;然后利用八叉树地图技术进行处理,构建出了适合于机器人应用的地图。将所提算法同RGB-D SLAM（RGB-Depth SLAM）算法、ElasticFusion算法和ORB-SLAM（Oriented FAST and Rotated BRIEF SLAM）算法通过权威数据集进行了对比实验,实验结果表明,所提算法具有较高的有效性、精度和鲁棒性。最后,搭建了自主移动机器人,将改进的VSLAM系统应用到移动机器人中,能够实时地完成自主避障和三维地图构建,解决稀疏地图无法用于避障和导航的问题。     

Volumetric stereo and silhouette fusion for image-based modeling

This paper presents a volumetric stereo and silhouette fusion algorithm for acquiring high quality models from multiple calibrated photographs. Our method is based on computing and merging depth maps. Different from previous methods of this category, the silhouette information is also applied in our algorithm to recover the shape information on the textureless and occluded areas. The proposed algorithm starts by computing visual hull using a volumetric method in which a novel projection test method is proposed for visual hull octree construction. Then, the depth map of each image is estimated by an expansion-based approach that returns a 3D point cloud with outliers and redundant information. After generating an oriented point cloud from stereo by rejecting outlier, reducing scale, and estimating surface normal for the depth maps, another oriented point cloud from silhouette is added by carving the visual hull octree structure using the point cloud from stereo to restore the textureless and occluded surfaces. Finally, Poisson Surface Reconstruction approach is applied to convert the oriented point cloud both from stereo and silhouette into a complete and accurate triangulated mesh model. The proposed approach has been implemented and the performance of the approach is demonstrated on several real data sets, along with qualitative comparisons with the state-of-the-art image-based modeling techniques according to the Middlebury benchmark.     

Probabilistic voxel mapping using an adaptive confidence measure of stereo matching

In this paper, we describe a probabilistic voxel mapping algorithm using an adaptive confidence measure of stereo matching. Most of the 3D mapping algorithms based on stereo matching usually generate a map formed by point cloud. There are many reconstruction errors. The reconstruction errors are due to stereo reconstruction error factors such as calibration errors, stereo matching errors, and triangulation errors. A point cloud map with reconstruction errors cannot accurately represent structures of environments and needs large memory capacity. To solve these problems, we focused on the confidence of stereo matching and probabilistic representation. For evaluation of stereo matching, we propose an adaptive confidence measure that is suitable for outdoor environments. The confidence of stereo matching can be reflected in the probability of restoring structures. For probabilistic representation, we propose a probabilistic voxel mapping algorithm. The proposed probabilistic voxel map is a more reliable representation of environments than the commonly used voxel map that just contains the occupancy information. We test the proposed confidence measure and probabilistic voxel mapping algorithm in outdoor environments.     

基于云模型的煤矿安全大数据多粒度表示方法及应用

以大规模物联网为支撑的新一代信息技术的深入应用,为基于海量大数据挖掘的煤矿安全知识发现提供了实现的可能.现有的针对煤矿安全大数据的研究大多基于定量模型,其解决问题的角度单一且一定程度上忽略了煤矿监管中多时空、多粒度的管控需求,使得数据中蕴含的煤矿风险知识未得到客观、全面的发现.从煤矿监管中的多粒度需求出发,借助云模型定量数据与定性概念间良好的转换能力,从煤矿监管中的时间、空间监管架构角度,提出基于自适应混合云变换的面向煤矿安全大数据的多粒度表示方法.该方法能够有效满足煤矿监管中其基于宏观、微观,不同时间、空间维度的变粒度需求,实现煤矿安全大数据在不同粒度认知结构中特性的深入挖掘. 通过在煤矿数据概念提取中的应用并与高斯云变换算法对比,其提取的概念覆盖度更全且更客观,验证了所提方法的合理性;在煤矿监测数据预测应用中,其预测精度相较于ARIMA算法更高,验证了所提方法的可行性.     

智轨电车多源环境感知系统

智轨电车的多源环境感知系统是车载平台与运行环境的交互纽带,其包括基于激光雷达的障碍物感知子系统、基于毫米波雷达的前侧向障碍物感知子系统以及基于多摄像头的360度环视子系统。基于激光雷达的障碍物感知子系统采用地面分割算法、点云聚类算法和数据关联算法,实现了对运行前方障碍物的检测和跟踪;基于毫米波雷达的前侧向障碍物感知子系统采用目标检测算法和跟踪算法,实现侧向以及前向障碍物探测;基于分布式鱼眼摄像头的360度环视子系统运用图像拼接算法,实现智轨电车周围障碍物感知和预警。实车试验结果表明,该环境感知系统可有效地提高智轨电车的运行安全系数,为车辆智能驾驶提供了全面的环境信息。     

基于先验知识的单视图三维点云重建算法研究

单幅图像的三维重建是一个不适定问题,由于图像与三维模型间存在的表示模式差异,通常存在物体自遮挡、低光照、多类对象等情况,针对目前单幅图像三维模型重建中重建模型具有歧义性的问题,提出了一种基于先验信息指导的多几何角度约束的三维点云模型重建方法。首先,通过预训练三维点云自编码器获得先验知识,并最小化输入图像特征向量与点云特征向量的差异,使得输入图像特征分布逼近点云特征分布;然后,利用可微投影模块将图像的三维点云表示形式从不同视角投影到二维平面;最后,通过最小化投影图与数据集中真实投影图的差异,优化初始重建点云。在ShapeNet和Pix3D数据集上与其他方法的定量定性比较结果表明了该方法的有效性。     

网络安全态势多粒度分析的云方法

利用云理论的不确定性推理方法解决网络安全态势感知问题。在现有模型基础上,设计了一种基于知识库的多粒度网络安全态势感知模型。该模型具有动态更新知识库、多粒度态势展现以及态势可视化三大优势。另外,该模型实现了资产安全态势的扩展云推理算法,该算法能够处理连续值和离散值等多类参数,适用于多条件多规则推理,并且可以得到定性和定量两种安全态势结果。该模型具有较高的扩展性和实用性。最后,作者在武汉大学校园网中实验验证了模型的可行性及准确性。     

基于八叉树空间分割的三维点云模型密写

针对三维点云模型的信息隐藏,提出一种基于八叉树空间分割的空域密写算法。对经过主成分分析后的三维点云模型建立包围盒,利用八叉树空间分割得到小体元并记录分割过程,通过顶点位移将信息嵌入到小体元内的不同空间位置。实验结果表明,该算法在提取信息时不需要原始模型数据,具有嵌入量高、失真度低的特点,能够抵抗旋转、平移、均匀缩放和顶点重排序攻击,适合于任意网格的三维模型信息隐藏。     

动态环境中多帧点云融合算法及三维目标检测算法研究

低线束激光雷达扫描的点云数据较为稀疏,导致无人驾驶环境感知系统中三维目标检测效果欠佳,通过多帧点云配准可实现稀疏点云稠密化,但动态环境中的行人与移动车辆会降低激光雷达的定位精度,也会造成融合帧中运动目标上的点云偏移较大。针对上述问题,提出了一种动态环境中多帧点云融合算法,利用该算法在园区道路实况下进行三维目标检测,提高了低线束激光雷达的三维目标检测精度。利用16线和40线激光雷达采集的行驶路况数据进行实验,结果表明该算法能够增强稀疏点云密度,改善低成本激光雷达的环境感知能力。