基于二分K-means聚类的曲率分级点云数据精简优化算法研究

针对单一精简算法无法精确保留模型特征信息、易造成点云表面孔洞等问题,提出了一种基于二分K-means聚类的曲率分级优化精简算法。首先采用最小二乘法对邻域进行曲面拟合,计算曲率值,依据曲率值划分显著特征区与非显著特征区,其次采用二分K-means聚类划分非显著特征区,依据子簇的曲率阈值筛选保留具有特征重要性的亚特征点,最后合并更新显著特征区的数据集和亚特征点,得到简化结果。通过仿真实验,从算法运行速度和信息熵两方面与空间包围盒法、曲率精简算法进行对比分析,结果表明,该算法在精简质量上优于其他两种算法,在点云数据重建方面具有一定的应用价值。     

点云数据的补全与精简算法研究

随着三维点云技术的不断成熟,目前许多企业将其应用到了货物管理中。但在点云获取中设备会因为外界原因(光照、温度等)导致数据不完全(点云空洞),而且获取初始点云数巨多,降低了后期点云处理效率。提出了对点云的一种预处理,既要获取完整目标物的曲面特征,也要对点云进行高效地压缩。首先对原始点云进行条件滤波和统计分析滤波去噪,然后提出了一种由统计分析和三角格化结合的点云补全算法,最后将补全的点云使用改进的曲率精简法对点云进行处理,并将方法与其他方法做了对比实验。实验结果表明,方法可以将孔洞点云补全,保留货物平面特征和边缘细节信息,降低点云存储空间,为后期对点云处理提高效率有着重要意义。其中,补全算法使补全后的点云与补全之前的点云的最近点平均距离小于0.000 4 m,点云精简算法的精简率可达到90%。     

基于表面粗糙度聚类的机载雷达点云数据地物分类方法研究

在机载激光雷达的发展与应用下,获取地物的空间分布情况变得更加快速便捷.为了实现面向机载激光雷达点云数据的地物分类,首先利用高程直方图去除原始点云的离群点;其次利用VoxelGrid滤波器采样,在确保形状的前提下,大量降低点云数量;然后改进K-means聚类方法,结合三维点云数据携带的高程信息对原始聚类中心和K值进行确定...     

车辆曲面重构中点云精简算法的研究与改进

为了解决车辆点云数据曲面重构效率低和精简后数据重构模型质量差的问题,提出一种改进的点云精简算法。基于kd-tree建立散乱点云数据的空间索引结构并获取每个数据点的k邻域索引;提出基于快速识别边界线的精简算法避免精简过程边界数据丢失,确保获得真实的车辆曲面重构模型;对非边界点邻域进行区域分类,并根据分类选择性保留邻域数据,以提高点云数据处理速度并减少内存开销。在实现了算法的程序设计及仿真实验的基础上,完成了基于三维激光扫描车辆外廓尺寸测量系统平台的实车实验。实验结果表明,改进后的精简算法程序最大限度地保留了车辆点云的的边界特征和细节形状,改善了车辆点云曲面重构模型质量;数据处理中能够精简45%~70%的车辆点云数据,加快了系统重构的速度,提高了车辆外廓测量的性能。     

基于Storm云平台的电力设备并行故障诊断方法

为了实现电力行业多源数据的监测诊断,应对电力系统的实时处理需求,引入Storm分布式实时计算平台对数据进行处理。在此平台上部署基于混合聚类的流数据处理模型,实现数据流的故障诊断。通过将减法聚类算法和K means算法结合实现流式数据的故障检测。减法聚类获取较优的聚类中心,而K means算法根据此聚类中心计算出较好的分类结果。测试集群和单机的数据处理量的结果表明在集群环境下合理设置组件并行度可以提高流计算时效性和吞吐量。     

液力变矩器导轮叶片点云处理方法研究

导轮作为液力变矩器的重要组成零件,其三维模型对导轮的性能参数的研究有非常重要的作用.针对结构复杂的导轮叶片检测与重建问题,利用线激光扫描仪获取导轮的三维点云数据,利用K-D Tree结合双边滤波算法对点云进行降噪处理,在K-menas聚类算法的基础上引入基于高斯球的Mean Shifting聚类算法对点云进行精简处理,...     

基于3D激光点云的输电线提取及建模方法研究

以电力系统中输电导线的巡视和维护问题为研究背景,基于UAV LiDAR获取的3D点云数据,提出了一种结合聚类分割思想实现自动提取输电线的方法,并进行了点云空间拟合建模研究。试验结果表明,该方法能较完整地提取电力线点云,拟合出的模型能较准确地预测电力线的空间分布。     

基于云模型和模糊聚类的电力负荷模式提取方法

为解决应用传统模糊C均值(fuzzy C-means,FCM)算法进行电力负荷模式提取时存在的对初始聚类中心敏感、聚类数目不易确定、算法稳定性较差等问题,从负荷曲线形态出发,提出一种基于云模型和模糊聚类的电力负荷模式提取方法.该方法首先针对电力负荷数据的时间特性,对云变换方法进行了维度扩展,使其能够应用于具有时间特征的二维数据处理,将电力用户典型日负荷的频率分布分解为若干个正态云组的叠加,以各云模型中最能代表各定性概念的期望向量集合作为初始聚类中心;然后,基于云模型确定的初始聚类中心和聚类数目,应用FCM算法进行电力负荷模式提取和用户分类.最后,以某电网实际负荷数据进行算例分析,结果证明了该算法的实用性和有效性.     

基于点云特征全局搜索的回环检测算法

针对纯激光SLAM算法定位漂移问题,提出一种基于点云特征描述子全局搜索的粗匹配回环检测算法。该算法首先采用基于图像距离的快速分割方法对激光点云进行地面点去除,基于点云曲率和关键点聚合算法实现了边缘特征提取和聚类,通过特征描述子生成算法得到当前帧点云的特征描述符,其次经过计算当前帧和历史帧的相似度评分完成全局匹配搜索实现对候选回环帧的选取,完成回环检测粗匹配过程;然后采用NICP算法进行当前帧与候选回环帧的精确匹配,从而完成回环检测过程;最后搭建了移动机器人实车平台,完成对校园数据集的采集,验证了本文算法的定位效果,通过对实车实验结果的分析可知,在实车采集的校园数据集上误差优化程度均值为13.15%,为了进一步验证本文算法的整体性能,在KITTI数据集进行测试对比,结果显示相比较Lego_loam和Lio-sam算法,本文所提算法在保证了运行效率的基础上,有效地改进了定位精度。     

基于特征向量提取的点云配准算法

为提高现有配准算法精度和配准效率,提出了一种基于点云特征向量提取的点云配准算法。该算法利用点曲率和邻域内点数量作为综合判据筛选特征点,然后对特征点进行主成分分析提取特征向量,利用特征向量变换关系求解待配准点云之间的变换矩阵实现粗配准,精配准阶段创建点云k维二叉树,通过k维二叉树最近邻搜索来提高ICP算法精配准效率。为验证算法的有效性,将本文算法与多种配准算法在公开数据集Bunny和Horse以及实测环境点云数据进行配准实验对比分析,实验结果表明,计算时间相较于ICP算法减少60%,所提算法具有良好的精度和配准效率。     

基于点云处理的小型工业零件高度精密测量

针对很多小型工业零件存在微米级测量的需求,提出了一种点云多次滤波与平面拟合相结合的测量方法。以上下平面平行的规则直三棱柱体工件作为测量对象,使用3D线激光传感器获取工件的点云模型并传输到计算机中进行处理,将点云数据首先通过统计滤波剔除噪声和离群值;其次利用体素滤波降采样精简点云数量;然后采用直通滤波分离出工件点云的上下表面;再分别对上下表面的点云通过随机抽样一致性（RANSAC）算法拟合出平面方程;最后计算上下平面之间的间距即为被测工件的高度信息。将该方法测得的高度与激光三角法原理测得的高度数据进行对比,结果表明,该方法测量精度提高了72.33%;同时对于不同的点云密度,利用所提出的方法进行测量,测得当降采样中体素立方体的边长为15cm时（点云数量精简了98.3%时）测量的误差最小,最小能达到5.1。该方法大大提高了工件的测量精度,可以广泛应用于工业测量中。     

DAISY和LBP描述符结合的三维点云粗拼接方法

针对三维点云拼接需借助点云信息几何特征的问题,采用DAISY描述符和LBP描述符结合的方法提取相邻测量站位重叠区域图像特征,解算出相邻测量站位坐标系之间的位置变换矩阵,从而将多测量站位的三维点云数据初步转换至同一坐标系中。首先,介绍了边缘检测和DAISY描述符的构建;然后,通过欧氏距离对相邻图片特征点进行匹配,根据匹配点之间的关系解算出不同站位下的坐标转换关系。实验结果表明,该方法在不使用其他辅助工具的前提下可以较好实现三维点云数据粗拼接,为点云拼接技术在三维重建和逆向工程等领域的应用提供了理论依据。     

云平台下时间序列数据并行化排列熵特征提取方法

随着高级量测体系和各类监控系统的大规模建设发展,时间序列数据的规模呈指数级增长,在智能电网大数据中占有较大的比重。时间序列数据的特征提取是影响数据挖掘质量的关键步骤,在大数据背景下,传统的特征提取算法已无法满足海量数据处理的需求。结合云计算平台和MaxCompute大数据处理技术,设计实现了时间序列数据的表存储方法和并行化的时间序列数据排列熵特征提取算法。在云计算平台上采用不同规模的数据集对并行化算法进行测试,验证了并行化排列熵算法的正确性和高性能。     

基于有限元模型的电机零部件与整机结构振动关联特性

针对电机由多个复杂零部件组合而成导致系统振动故障难以准确诊断的问题,推导了含定子绕组、铁芯、端盖、转轴等电机零部件系统结构动力学方程,采用有限元法构建了某型异步电机零部件与整机系统动力学模型,并运用锤击法验证了建模法的有效性。通过分析无相对位移连接组件与整机有限元模型的固有频率值,得出底板、定子绕组、转轴、铁芯、前端盖及后端盖零部件对整机前三阶模态的贡献程度依次增大;研究零部件间连接方式对电机固有频率的影响,发现电机各阶固有频率随着零部件间连接刚度值增大而增加规律,这些可为电机振动故障分析与动力学设计提供参考。     

三维点云分割的交联聚乙烯电缆接头参数测量

针对现有参数测量方法难以对交联聚乙烯电缆接头各参数进行有效测量的问题,提出了一种基于三维点云分割的电 缆接头参数测量方法。 该方法先用半径滤波及随机采样一致性(random sample consensus, RANSAC)算法对复合式三维扫描仪 获取的电缆接头点云进行噪声点去除及坐标摆正预处理。 其次,使用 RANSAC 算法对电缆接头点云进行圆拟合,并根据区域 交界处相邻拟合圆半径方差之比的突变特性实现粗分割,得到多个包含区域交界点的局部点云。 然后,使用主成分分析法对局 部点云进行法向量估计,并根据小片点云轴线夹角在区域交界点处的跳变特性及自适应阈值算法,得出各条状点云上的区域交 界值。 接着,对多个条状点云所得同一区域交界值进行统计分析实现电缆接头点云的精分割,完成参数测量。 对多根电缆接头 进行的测量实验结果表明,所提方法的绝对误差小于 1. 0 mm,相对误差小于 4%,说明了该方法用于交联聚乙烯电缆接头参数 测量的有效性与准确性。     

基于嵌入式平台的分布式光伏发电监测系统

1光伏发电监测系统光伏发电也称太阳能发电,即利用太阳能级半导体电子器件吸收太阳光辐射能,并使之转换为电能。光伏发电系统主要由太阳能电池、蓄电池、控制器和逆变器构成。蓬勃发展的光伏产业,一方面带动了相关技术领域的快速发展,另一方面也对光伏配套产业链提出了更高的要求。为保证光伏发电系统可靠稳定运行,需要有完备的发电监测系统进行长期监测,并能根据实时监测结果提供完善