利用噪声特点与曲面拟合的点云去噪及光顺算法研究

逆向工程中,随着三维扫描测量技术的迅速发展以及基于海量采样点云数据的高精度模型的产生,使得快速有效地处理点云这一技术显得更加重要.点云的去噪和光顺是法矢估计、曲率计算及曲面重建等后续处理工作的重要基础,依据散乱数据点云中的噪声点的特点,对其进行分类,并提出一种新的基于曲面拟合及噪声特点分步去噪的方法.     

基于模糊加权均值滤波算法的三维重建

讨论了在逆向工程中激光测量提取三维数据的原理、基于模糊加权均值滤波算法的噪声处理等用于实物三维重建的若干关键技术问题,分析了相应的解决方法,并给出了OpenGL三维建模的实例.     

似然函数和随机滤波的点云去噪方法研究

在获取物体的三维点云数据时,通常采用线结构光扫描的方法,但是在测量过程中不可避免的会产生不合理的噪声点.从而在进行曲面重构时,会导致重构的曲面不够光滑,进而会影响三维扫描物体重构的精确性,因此有必要对扫描数据进行去噪处理.噪声点产生的原因有很多,大部分噪声点具有幅值大,影响因素多的特点,所以利用似然估计函数得到采样局部...     

基于自适应局部迭代滤波和模糊C均值聚类的滚动轴承故障诊断方法

为准确提取滚动轴承振动信号的故障特征,并对不同状态信号进行划分,提出了一种基于自适应局部迭代滤波(ALIF)和模糊C均值(KFCM)聚类的滚动轴承故障诊断方法.首先,将多模态信号自适应分解为多阶单一模态分量;然后,结合相关系数提取出含有最多故障特征信息的最优分量,计算其近似熵值并构建特征向量矩阵;最后,将得到的特征向量...     

一种基于均值滤波和梯度影响因子的滤波算法

均值滤波采用邻域平均法对图像进行滤波,在降低噪声的同时破坏了图像的细节和边缘。针对这一问题提出了一种在均值滤波算法的基础上增加梯度影响因子的滤波算法,可实现在滤波的同时尽量保留图像的边缘,达到既减小图像噪声又保留边缘的目的。将梯度影响因子进行多项式展开可以降低程序的时间复杂度。通过实验对比表明,改进算法对图像细节和边缘有更好的保护,同时达到更好的滤波效果。     

一种核模糊C均值聚类算法及其应用

图像分割在许多医学成像应用中起着重要的作用。本文提出了一种新的用于图像分割的聚类算法。该算法通过利用核距离修改FCM-AWA算法中的目标函数而实现,即用核距离替代FCM-AWA中的欧氏距离,相应的得到核FCM-AWA聚类算法——KAWA-FCM聚类算法。利用该算法进行合成和真实图像分割的实验结果表明,当图像含有噪声时,与FCM-AWA算法相比,HAWA-FCM算法具有更好的性能。此外,基于该算法进行了牙菌斑量化的实验,实验结果表明,相对于利用菌斑指数的量化结果,基于KAWA-FCM的量化结果具有定量、自动和客观等特点。     

模糊加权均值滤波算法应用于人体激光测量成像

这里详细讨论了激光扫描、数据的实时提取、基于模糊加权均值滤波算法的噪声处理等用于人体激光测量成像中的若干关键技术问题,并提出了相应的解决方法。     

基于小波变换与均值滤波的渐进成形力信号处理研究

成形力是渐进成形过程的重要参数。在渐进成形力的检测过程中,针对渐进成形力信号中含有脉冲干扰、白噪声等混合噪声的问题,提出了将小波变换与均值滤波相结合的去噪方法。描述了基于小波变换与均值滤波相结合的算法步骤,针对成形力信号对小波阈值去噪参数选取进行了研究,并通过实验对比说明了新方法的可靠性与有效性。     

保持特征的散乱点云数据去噪

为保证在去除点云数据噪声的同时不损失模型的细节特征,提出了一种基于特征信息的加权模糊C均值聚类去噪算法。首先,构建点云K-D树拓扑结构,根据点的r半径球邻域点统计特性去除大尺度离群噪声点。然后,利用主元分析法估算点云的曲率和法向量,根据曲率特征标识点云数据的特征区域,并采用特征加权模糊C均值聚类算法对特征区域去噪,采用加权模糊C均值聚类算法对非特征区域去噪。最后,使用双边滤波器对点云模型进行平滑。对提出的算法进行了验证实验,结果显示:去噪后点云模型的最大偏差保持在模型尺寸的0.15%以内;标准偏差保持在模型尺寸的0.03%以内。本文算法能够在有效去除不同尺度和强度的噪声的同时不损失点云模型的细节特征,去噪精度高,且对不同的噪声模型具有较强的鲁棒性。     

模糊C均值算法在烧结断面图像分割中的应用

利用模糊C均值的算法,可以实现烧结图像的自动分割。传统的模糊C均值算法在判定像素归属时没有考虑像素的空间信息,对在烧结图像上存在的大量噪声非常敏感。为提高烧结图像分割的准确性,对传统FCM算法中的目标函数进行修正。实验表明采用FCM算法对烧结图像有良好的分割效果,而改进的FCM算法对图像中噪声具有较强的鲁棒性。     

逆向工程中基于模糊聚类的点云数据分区

点云数据分区是逆向工程中重要而又难以解决的问题。首次将模糊聚类方法应用于逆向工程中的点云数据分区,用点的位置矢量、法矢量、高斯曲率和平均曲率8维向量作为特征向量,加权距离替代欧氏距离。在实现分区的同时,可以识别区域内部点和边界附近点,便于后续曲面特征参数精确提取。实验结果证明此算法具有较强的抗噪性,并具有较高的分区效率。     

基于核密度估计的点云鲁棒配准算法

针对传统点云配准算法收敛区间窄、鲁棒性差的难题,提出了一种基于核密度估计的点云配准算法。构建了一种能够实现Kullback-Liebler测度与欧氏测度之间平滑过渡的核密度分布相似性测度,推导了该测度在刚体约束下的解析表达式;通过对比实验分析了测度函数在大尺度参数下平滑但存在极值偏移,在小尺度参数下全局极值位置精确但存在局部极值的性能特点;提出采用尺度参数可变的BFGS拟牛顿算法进行点云配准参数的寻优求解。实验结果表明,该算法实现了点云数据的配准,拓展了算法收敛区间,同时提高了算法在白噪声干扰下的鲁棒性。     

基于三个基准点的点云拼接对齐方法

在逆向工程技术应用中,经常需要得到物体内、外表面几何形状的完整数据.测量仪器往往不便于在同一定位状态(同一坐标系)下完成整个内、外表面的测量工作.为了得到完整数据模型,常用的方法是采用多视拼合技术.本文首先讨论了对齐拼接的算法,然后根据此原理,提出粘贴带有孔的薄壁塑料片的新方法,在不同的定位状态下对物体内、外表面进行多...     

S-修正的自适应卡尔曼滤波与模糊卡尔曼滤波相结合的汽车状态估计算法

精确的汽车状态信息的获取是汽车动态控制系统正常工作的前提。建立了二自由度汽车动力学模型,提出了将S-修正的自适应卡尔曼滤波与模糊卡尔曼滤波相结合进行汽车关键状态估计的方法。模糊卡尔曼滤波利用所设计的模糊控制器通过实时监测信息实际方差与理论方差的比值,实现对时变量测噪声的协方差矩阵的实时在线估计,提高了算法在时变量测噪声情况下的鲁棒性;S-修正的自适应卡尔曼滤波算法基于滤波不发散理论推导得出实时修正因子S,进而对估计误差协方差矩阵直接加权。两种方法的结合在总体上提高了在汽车动力学系统过程噪声与量测噪声协方差矩阵不准确情况下算法的鲁棒性与估计精度,最后通过基于ADAMS的虚拟试验验证了该方法的有效性。     

基于曲率RGB的多视点云拼合方法

针对目前反求工程中多视点云获取和拼合的现状，提出了基于RGB的多视点云的拼合方法，该方法遵循实物内部拓扑不变性，由曲率的RGB值来选取拼舍的重叠子集，通过改进的ICP算法来实现重叠子集的拼舍，实现了在目标点云中局部最优的整体拼合，解决了反求工程中任意多视点云的拼合问题，实验结果验证了其有效性和精度。     

基于遗传算法的模糊卡尔曼滤波

针对常规联合卡尔曼滤波存在的缺陷,提出基于遗传优化的模糊卡尔曼滤波方法,并运用于全球定位系统(GPS)/轨迹推算系统(DR)汽车组合导航的数据融合中.采用模糊逻辑自适应控制器对联合卡尔曼滤波器的噪声方差和信息分配系数进行在线自适应调整,避免了子滤波器的发散,保持了全局估计的高精度.同时,利用改进的遗传算法来优化模糊控制器的隶属函数,避免了以往完全凭经验获取隶属函数参数的缺陷.通过对GPS/DR组合导航系统的仿真和实验,验证了上述算法的可用性和有效性.     

基于遗传算法的模糊卡尔曼滤波在车辆导航中的运用

针对常规联合卡尔曼滤波存在的缺陷,提出基于遗传优化的模糊卡尔曼滤波方法,并运用于全球定位系统(GPS)/轨迹推算系统(DR)汽车组合导航的数据融合中。采用模糊逻辑自适应控制器对联合卡尔曼滤波器的噪声方差和信息分配系数进行在线自适应调整,避免了子滤波器的发散,保持了全局估计的高精度。同时,利用改进的遗传算法来优化模糊控制器的隶属函数,避免了以往完全凭经验获取隶属函数参数的缺陷。通过对GPS/DR组合导航系统的仿真和实验,验证了上述算法的可用性和有效性。     

基于改进半监督模糊C-均值聚类的发动机磨损故障诊断

为解决在少量油液样本条件下发动机磨损故障诊断难的问题,提出一种改进半监督模糊C-均值聚类算法(Improvedsemi-supervised fuzzy c-means clustering algorithm,ISS-FCM).定义一种优化的目标函数,将无标签样本与训练样本间的平均距离度量考虑在内并赋予其一定权值,以...