基于扩展二维不变矩的三维人脸特征提取

将二维不变矩理论和算法扩展应用于三维人脸特征提取的研究,在对三维人脸模型进行预处理及网格归一化的基础上,建立了具有平移、比例和旋转不变性的三维人脸模型的Zernike矩不变量特征表示,并基于距离可分性设计了一种特征评价测度,对所提特征和深度特征进行了对比评价。多姿态三维人脸数据库的实验结果表明,三维人脸模型的Zernike矩不变量特征具有对不同姿态人脸模型鲁棒、可分性强等优点。     

z轴旋转不变的三维形状描述子

针对现有三维模型内容特征提取过程中很难实现精准的预处理这一问题,提出了一种具有z轴旋转不变性质的三维形状描述子.此描述子基于模型体素化、球采样和傅里叶变换.在将模型体素化后,对体素模型进行多个同心球面采样,最后对采样数据应用三维傅里叶变换并提取其低频系数后形成模型的形状特征.在标准通用三维模型测试库Princeton Shape Benchmark上的实验结果表明:对于通用三维模型库,在无需模型位姿标准化的情况下,z轴旋转不变的三维形状描述子即可取得较好的检索效果,其表现优于形状分布、球面调和分析和直接傅里叶变换3种特征提取方法.     

aIB算法在古建筑信息模型特征提取中的应用与研究

古建筑信息模型特征提取在古建筑重建过程中具有重要的作用.针对三维激光扫描获取的散乱点云数据形成的古建筑信息模型在特征提取时存在的问题,采用二值化方法将图像数字化,提取特征数据集,使用aIB算法提取点云数据特征.aIB算法将原始点云数据集作为源变量X,将法向量作为相关变量Y,将特征变量作为目标变量T,将源变量X压缩到目标变量T中时,尽可能保持相关变量Y的信息,更加精确的获取点云数据特征,同时尽量压缩噪声数据.实验结果表明aIB算法可以有效提升古建筑信息模型特征提取的准确度.     

3D TLS在相似模型开采实验中的应用研究

提出了将地面三维激光扫描应用于相似材料模型实验的扫描观测。基于扫描得到的点云图像进行三维数字建模,通过特征提取获取每一期次模型上标志点三维坐标,绘制了地表下沉随工作面推进的动态沉陷过程曲线。此外,用该方法建立的三维模型还可以在日后再现当时的顶板断裂垮落过程,克服了传统观测方法随着模型的损毁而无法再次获取模型表面数据的局限性,为地表实测数据与模型观测值的对比研究提供了新的途径。     

基于粗糙集理论的瓦斯灾害信息特征提取技术

为了准确预测煤与瓦斯突出的危险性,建立有效的煤矿瓦斯预警支持系统,针对煤矿瓦斯灾害的特点,本研究提出了一种新颖的基于粗糙集的瓦斯灾害特征提取算法。该算法首先利用维数化简技术对瓦斯灾害信息矩阵进行优化,并在此基础上,利用信息论中熵的概念和最大熵原理构建瓦斯灾害信息特征提取模型。通过实际应用,证实了粗糙集理论在瓦斯灾害特征提取与瓦斯灾害预测中的有效性和实用性。     

一种基于实例学习的三维模型检索匹配方法

传统的基于内容的三维模型检索的相似性度量方法主要借鉴二维图像检索中所采用的距离度量算法,达到比较两三维模型相似度的目的,该做法限制了模型间匹配的广度.针对这种单核匹配的限制,提出了一种新的多核匹配方法.利用图论中两点间的最短距离的思想,得出两模型最相似那他们的距离最短,因此查询样本跟匹配的样本存在的通路上的模型节点能影响他们的相似度,这样就提高了匹配的广度和精度.同时在已有的特征提取基础上,把标签繁衍算法应用到最短距离求解中,并将基于实例学习的K近邻方法引入到模型匹配算法中,实现了半监督学习,提高了系统的查准率.     

基于特征融合的文物碎片模型检索

基于特征的模型检索是计算机视觉领域的一个重要研究方向,主要包括特征提取和模型检索两个方面,其中特征的鲁棒性对模型检索结果起决定性作用.由于已有检索算法存在局部特征有效性较低的问题,该文提出一种基于特征融合的兵马俑碎片模型检索算法.针对兵马俑碎片的三维点云数据模型,首先计算点的主曲率和法向夹角,并对其加权融合;然后基于该...     

飞行模拟用三维数字地形动态修改技术研究

三维地形是飞行模拟视景系统中的一项重要研究内容,研究三维地形的数据结构、模型表示方法及大场景的可视化显示和动态修改的技术意义重大。文中介绍了DEM数据模型的规则网格模型、等高线模型、不规则三角形网模型,利用O penGL实现了三维数字地形的算法模拟和真实DEM数据模型的可视化显示。在地形绘制和显示的基础之上,从地形的单点、多点修改出发对三维数字地形动态修改做了研究,并给出了地形区域修改的方法。     

基于高精度地图增强的三维目标检测算法

将高精度地图信息融入主干检测网络中提出了基于高精度地图增强的三维目标检测算法（HME3D）。结合传统卷积和Transformer构建了新颖的地图特征提取模块（HFE）以实现地图特征的高效提取。此外,利用基于地图边缘增强的辅助监督网络（MEES）提升三维目标检测主任务的性能。最后,在具有挑战性的nuScenes数据集上验证了本文模型的优势,它相对纯点云基线模型精度提升了2.81 mAP。     

LMD与优化OMP算法的滚动轴承故障诊断方法研究

针对K-SVD算法在构建字典时字典原子易受噪声干扰混入虚假原子,正交匹配追踪(OMP)算法不易区分相似原子以及迭代终止条件难以确定问题,提出一种基于局部均值分解(LMD)与优化OMP算法的故障特征提取模型。该模型首先采用LMD算法分解信号,根据皮尔逊相关系数法选取最优PF分量作为样本信号构建字典;然后在OMP算法基础上引入Jaccard系数和峭度最大准则,解出稀疏系数并重构信号;最后进行仿真和实验数据分析。结果表明,基于LMD与优化OMP的故障特征提取模型对滚动轴承故障特征提取效果有改善。     

一种三维模型顶点分区的多载体信息隐藏算法

为改进单个三维模型载体信息隐藏的鲁棒性,提出了一种三维模型顶点分区的多载体信息隐藏算法。将每个三维模型变换到几何不变空间中,通过调整顶点法向量对多个模型进行组合形成多载体融合态;将融合态顶点按均方根曲率值划分出特征点集合;对融合态顶点坐标进行扇形分区,通过改变分区中特征顶点的极坐标值对秘密信息进行隐藏。实验结果表明,所提算法可以抵抗简化、剪切、噪声和平滑等针对三维模型的攻击,鲁棒性有明显提升。     

点云目标检测残差投票网络

高精度的三维目标检测是实现物体感知的关键技术,对自动驾驶、机器人控制等应用的落地具有重要意义.为提高三维目标检测的精度,对算法VoteNet改进,提出了一种基于残差网络的端到端的高精度三维点云目标检测网络ResVoteNet.具体来说,设计了适用于点云数据的残差网络骨架,提出了残差特征提取模块以及残差上采样模块,并集成...     

一种基于单一视图的三维模型检索方法

针对已有研究存在的视图冗余性问题,提出采用单一视图进行三维模型形状特征度量t并通 过动态规划进行相似性计算,实现三雏模型的单一视图特征描述和匹配．算法主要由三步组成：首先,将三维模型进行姿态调整,并通过渲染得到最能表达三堆模型外形特征的主视lit．其次,对渲染得到的视图进行轮廓采样,通过内在距离扣内角提取模型彤技特征描述,最后,采用动态规剐算法计算不同模型之间的相似程度．实验结果表明：尽管只采用单一视图进行特征描述,但所提出的算法检索精度要高于一些典型三雏形状特征描述符,包括采用深度视图定义的形状描述符.     

基于MLS点云模型特征的提取算法

针对以往特征提取算法提取边界特征效果不理想和特征识别时间较长的问题,提出了一种改进的点云模型特征边界线提取算法.该算法以移动最小二乘法为基础,在对已有的边界特征提取方法研究的基础上,结合研究对象棱角分明的特点,提取点云模型边界特征点集,利用双向搜索方法快速生成模型的特征边界线,并对得到的特征边界线进行特征修复,从而得到较为稳定的点云模型的特征边界线.实验结果表明,该算法能快速地提取点云模型的特征边界线,为后续基于特征边界的建模节约了大量时间.     

对光照变化鲁棒的多特征动态提取跟踪算法

针对视觉跟踪算法光照自适应能力差的问题,提出了一种对光照变化鲁棒的多特征动态提取跟踪算法。该算法采用高效克服光照影响的特征提取方法,颜色子模型采用模糊直方图方法获取,在同态滤波基础上建立边缘子模型,运动子模型采用改进的三帧差分法提取。该算法还定义了一个新的特征融合模型,把多种互补的观测子模型动态融合,增强了观测模型的准确性,合理量化特征的可靠性使跟踪更稳定。同时采用改进的粒子重采样方法提高了跟踪准确度。实验结果表明,该算法能有效地避免光照变化对跟踪的影响,具有较好的鲁棒性。     

基于胶囊卷积网络的多视图三维重建

从深度神经网络对重建效果影响的角度,提出了基于胶囊卷积网络的多视图三维重建模型Caps-MVSNet,包括特征提取、构建代价体、代价体正则化、回归深度图和细化深度图5个阶段. 提出了FENet-T特征提取网络和3D-CapsCNN网络,并分别应用于模型的特征提取阶段和代价体正则化阶段. 其中,FENet-T利用高效的Block计数比率以及大尺度空洞卷积和分组卷积提高网络的特征提取效率. 3D-CapsCNN使用比卷积神经网络更强空间表示能力的3D胶囊网络来正则化代价体. Caps-MVSNet在DTU数据集上完成了效果测试,结果表明,与先前主流重建方法相比该模型在完整性上达到了最优结果,在准确性、整体性上均取得较大提升. 另外,与基准模型MVSNet相比,该模型在准确性、整体性和完整性上分别提高3.3%、4.9%和8.2%,参数量减少3.3%.     

面向大尺度三维重建的多核并行SIFT算法

针对大尺度三维重建中图像数据集较大、其特征提取和匹配时间消耗过长等问题,提出了一种针对有序图像数据集的滑动窗口匹配算法.该算法采用并行计算实现了对SIFT特征提取和匹配算法的加速,并在图形处理器上得以实现,减少了匹配计算量.实验结果表明,算法大大提高了特征提取和匹配的运算速度,保证了特征的稳定性和匹配精度,有效地缩短了大尺度三维重建的运算时间,确保了重建精度.