基于地基激光雷达数据的单木结构参数提取研究

针对利用地基激光雷达数据提取单木结构参数的问题,提出了一套较为复杂林分条件下的地基激光雷达数据获取方案与单木结构参数提取方法。首先利用八邻点距离检验法对点云数据中的多次散射点进行滤除,进而通过对现有的变尺度地面点识别方法进行改进,实现了对研究区内的地面点云的快速识别。通过对地基激光雷达数据的分析,提出了一种基于树干点云垂直连续分布特征的树干识别方法,在此基础上提取了单木位置、胸径和树高,最后将所提取的结构参数与林业测量数据进行了对比,结果具有较好的一致性。     

机载激光雷达与点云数据处理技术简述

介绍机载激光雷达的点云数据获取与处理流程,总结其关键技术,从中可以预测未来遥感与GIS技术在数据获取方面的发展趋势,即借助机载激光雷达,再现真实三维场景。     

基于STL数据处理的钣金检验特征识别

针对CATIA对航空钣金零件的设计数模,应用CATIA二次开发工具,直接提取钣金零件的STL点云数据.基于CATIA平台,采用VC++6.0工具和CATIA的API函数,对提取的STL点云建立拓扑关系.基于高斯曲率进行曲面特征识别,提取钣金件的特征,并对检验方法进行规划,在实际的运用中提高了钣金零件的加工设计效率,使得产品开发周期缩短近30%,降低了加工成本,节约了能源和人力,实现了加工的高效性和精确性.     

基于车载16线激光雷达的障碍物检测方法

针对目前车载16线激光雷达点云数据中障碍物检测算法准确率不高的问题,提出了一种基于自适应网格聚类的障碍物检测方法.首先,结合八叉树与随机抽样一致性算法(RANSAC)去除地面点;其次,投影点云至二维网格,依据各网格高程信息快速提取高结构物;然后,建立两级网格模型,按照粗网格聚类结果的分布信息自适应地确定子网格分辨率,对...     

基于激光雷达特征提取和增量式数据关联的障碍分类判决

针对移动机器人导航中障碍检测与辨识问题,结合自行研制的移动机器人MORCS-1实验平台,在对二维激光雷达获得的障碍测距数据分析的基础之上,提出将无监督聚类学习应用于障碍的特征提取,基于有效性索引函数和自调整学习机制解决未知特征个数的类别划分,并将模糊逻辑引入到增量式测距数据关联对障碍的动静态属性进行分类判决.在研究所的办公室环境进行了特征提取和障碍分类实验,实验结果验证了该方法的有效性.     

真空系统在模拟火星表面低气压环境的应用

火星一直被认为是太阳系中除地球外生命最有可能繁盛过并生存至今的地方,故而对其表面环境的模拟,对火星探索起着重要的作用。本文依托于XX大学空间模拟装置火星尘舱系统项目的需求,设计了一套火星表面低气压环境模拟系统,采用真空泵组降低火星尘舱内的气压,采用气动调节型阀门进行高精度动态压力调节,维持舱内压力稳定,详细介绍了系统设计技术参数、组成、工况及抽速计算流程。     

基于数据识别的企业内网数据安全体系建设

文章首先针对当前油田工业环境中的数据特征以及其安全需求特征做出了必要分析,发现唯有建立起体系化的基于数据生命周期的识别系统,才是切实保证数据安全的有力武器,同时也是有效实现整个安全环境中运算能力合理分布,提升其利用效率的重要环节。     

基于数据融合的红外目标识别

为了获得良好的红外目标识别性能,综合应用了图像处理、模式识别和数据融合领域内的新技术.采用了神经网络和证据理论集成的数据融合方法进行目标识别的数据融合.根据LVQ神经网络在目标识别领域内应用特点,构造了基于证据理论的基本概率赋值函数.对此目标识别技术进行了测试,结果表明,采用此技术后的识别的可信度得到了较大提高.     

基于深度数据的手指识别与跟踪

识别、跟踪手与手指属于人机交互领域,它的目标是提供一种方便、高效的方法实时完成识别与跟踪。而类似微软Kinect的设备能够获取到深度数据,而不是普通的RGB图像,它为识别、跟踪手与手指提供更多的信息。讨论一种方法来完成这个目标,并论述相应改善性能的手段。     

基于三坐标测量数据的点云曲面重构

基于CMM测量数据,针对鼠标数据的特点,进行了边界拟合、特征识别、分片重建、光滑拼接等技术的研究。利用三次B样条拟合边界曲线,利用微分几何方法进行曲面特征的识别与分割,利用拉伸及放样法进行曲面片重构,最后进行曲面片相交、剪裁、过渡完成最终的鼠标模型。     

点云数据的曲面重构新算法

针对采用视觉测量方式得到的点云数据特点,提出了基于动力学数值仿真的网格曲面逼近方法,依据曲面率变化特性,该方法可对点云数据进行自适应压缩,并能显著提高逼近网格的品质,从而实现了点云数据的精确曲面重构。实际的算例结果表明,该方法实用可靠。     

基于点云数据的曲面重构方法研究

点云数据的曲面重构是逆向工程的关键技术。本文在分析现有重构方法局限性的基础上,提出了一种以边界为中心的新方法。这种方法重构出的曲面间具有的内置连续性。     

基于脉冲神经网络的钢材表面缺陷识别研究

目的 针对现有钢材缺陷识别算法特征图利用不充分、识别准确率低、参数量大等问题,基于脉冲神经网络,提出一种用于钢材缺陷识别的稠密卷积脉冲神经网络(DCSNN)模型,减少系统消耗和内存占用。方法 首先,采用卷积编码,对输入图片进行特征提取和编码。其次,采用稠密连接算法搭建稠密卷积脉冲神经网络,实现特征重复利用,抑制梯度消失,并通过替代梯度下降算法进行网络训练。最后,在带钢数据集上进行测试,实现带钢缺陷识别。结果 实验结果显示,DCSNN在测试集上的准确率为98.61%,参数量为0.5万,结论 在钢材表面缺陷识别问题上表现出良好效果。     

点云数据获取及预处理的研究

该研究以较为完整地点云数据获取及预处理的相关流程为基线,首先论述了点云数据的特点和当前利用三维激光扫描技术获取的点云数据领域的发展现状,其在变形监测、文物保护、工民建等各类工程与领域都有较为广泛的应用。然后对点云数据的采集、数据预处理中的技术要点与难点进行了阐述,重点对点云数据的获取和预处理方面所涉及的先进方法进行了归纳总结,最后也提出了点云数据预处理领域待解决的一些突出问题。     

基于传感器数据的人类活动识别研究

给出了活动识别的定义,阐述了活动识别对智能健康监护和老年人护理的重要意义,并给出了基于传感器的活动识别系统的构成,详细描述了系统的传感器数据采集、数据预处理及机器学习等技术的研究进展,介绍了人类活动识别实验取得的结果。最后指出,老年人活动识别、多人活动识别以及实时活动识别是未来活动识别的发展方向;活动识别研究已成为普适计算一个重要和富有挑战性的研究课题,构建用于处理复杂的现实情况和环境的可靠的活动识别系统仍然是一个挑战,需要多学科交叉研究。