基于点云处理技术的喷涂机器人喷枪轨迹生成研究

提出了以点云数据作为喷涂机器人轨迹生成的数据格式,采用点云处理技术,通过对点云的预处理、区域分割,点云切片、采样点求取法矢量及沿法矢量方向偏移等方法实现了喷涂机器人轨迹的生成。将点云技术运用到喷涂机器人轨迹规划,通过点云区域分割细化了点云特征,降低了喷涂工艺的复杂性,同时很好的控制喷枪的位置,提高了喷涂的质量和效率。     

用神经网络进行散乱点的区域分割

点云的区域分割实质上是根据点的局部几何特性的相似性对点进行分类 ,利用自组织特征映射神经网络(self- organizing feature m ap,SOFM)可以实现无监督的特征聚类 ;本文使用 SOFM进行反向工程中点云的区域分割 ,选用数据点的坐标、法向量六维向量作为 SOFM的输入 ,通过改进 SOFM的学习算法 ,加入输入权和距离权 ,加速了分割的速度和正确性。利用 SOFM方法实现点云分割 ,具有以下优点 :不必限定面的类型 ;用户可以控制分区的个数 ;可以处理噪音数据。并用实际数据验证了此方法的可行性。     

散乱点云的拓扑结构重建算法的研究

基于由测量点云直接生成数控加工路径的这种思想,在散乱点云拓扑结构重构过程中,将散乱点云进行等间隔区域分割,将点云进行压缩并投影至切平面,得到切平面的散乱点集,同时建立新的链表结构分区存储点云数据.由平面上点的二维坐标定位,运用基于正交投影理论双映射算法对切平面上的散乱点进行排序,分析平面点自然次序邻接排序的局限性,通过计算当前点与其邻近点的矢量分布趋势,进一步改进双映射排序算法,完成各切片上数据的拓扑重构.     

互注意力融合图像和点云数据的3D目标检测

为了利用图像信息辅助点云数据提高3D目标检测精度,需要解决图像特征空间和点云特征空间自适应对齐融合的问题。本文提出了一种多模态特征自适应融合的3D目标检测深度学习网络。首先,对点云数据体素化,基于体素内的点云特征学习体素特征表示,用3D稀疏卷积神经网络获取点云数据的特征,同时用ResNet神经网络提取图像特征。然后通过引入互注意力模块自适应对齐图像特征和点云特征,得到基于图像特征增强后的点云特征。最后在此特征基础上应用区域提案网络和分类回归多任务学习网络实现3D目标检测。在KITTI 3D目标检测数据集上的实验结果表明:在小汽车的简易、中等、困难三个不同检测难度等级上,平均检测精度分别为88.76%,77.63%和76.14%。该方法能够有效融合图像信息和点云信息,提高3D目标检测的准确率。     

利用迁移学习的机载激光雷达点云分类

为解决现有机载激光雷达点云分类方法存在难以在获得较高精度的点云分类结果的同时降低分类过程所需时间等问题,提出了一种利用迁移学习的机载激光雷达点云分类方法。首先,计算点云的归一化高程、强度和法向量三个特征,通过设置不同邻域大小,利用所提出的点云特征图生成策略生成多尺度点云特征图;然后,利用预训练的深度残差网络从每个点的多尺度点云特征图提取其多尺度深度特征;最后,为了实现快速地训练,构建仅包含两层全连接神经网络模型,再利用训练好的模型对点云进行分类。两组ISPRS提供的标准点云数据集的试验结果表明:提出的方法所需训练时间少,分类结果的整体精度为89.6%,较ISPRS官网上所报道的最佳点云方法分类精度高4.4%。分类结果可为机载激光雷达点云的后续处理与应用提供可靠的信息。     

采用深度级联卷积神经网络的三维点云识别与分割

三维目标识别和模型语义分割在自动驾驶、机器人导航、3D打印和智能交通等领域均有着广泛应用。针对PointNet++未能结合三维模型的上下文几何结构信息的问题,提出一种采用深度级联卷积神经网络的三维点云识别与分割方法。首先,通过构建深度动态图卷积神经网络捕捉点云的深层语义几何特征;其次,通过将深度动态图卷积神经网络作为深度级联卷积神经网络的子网络递归地应用于输入点集的嵌套分区,以充分挖掘三维模型的深层细粒度几何特征;最后,针对点集特征学习中的点云采样不均匀问题,构建一种密度自适应层,利用循环神经网络编码每个采样点的多尺度邻域特征以捕捉上下文细粒度几何特征。实验结果表明,本算法在三维目标识别数据集ModelNet40和MoelNet10上的识别准确率分别为91.9%和94.3%,在语义分割数据集ShapeNet Part,S3DIS和vKITTI上的平均交并比分别为85.6%,58.3%和38.6%。该算法能够提高三维点云目标识别和模型语义分割的准确率,且具有较高的鲁棒性。     

一种改进ICP算法的移动机器人激光与视觉建图方法研究

针对未知环境中移动机器人定位与建图中激光雷达建图提供的信息少,视觉slam实时性差的问题,提出了激光slam与视觉建图结合的方式,激光地图用于导航,而视觉地图用于复原目的地场景。首先采用区域分割和特征提取处理激光雷达数据,通过区域分割主要完成了特征模式的分类及识别确定,通过特征提取完成了各类特征模式参数的确定以及特征点的提取;使用改进的基于RGBD图像的ICP迭代最近点算法求取了转换关系,进行了点云拼接;采用图优化算法,消除了累计误差,提升了整体视觉地图的精度。通过激光雷达与Kinect相机之间的位置关系,算得了三维点云到激光雷达坐标系的对应关系,实现了激光地图与点云地图的融合。研究结果表明:能实现实时建立周围环境的二维地图,并将三维点云信息融入到激光雷达坐标系等功能,精度高、鲁棒性好。     

极限学习机在散乱点云孔洞修补中的应用

针对逆向工程散乱点云模型上大面积孔洞软件修补效果差和运用传统的BP神经网络算法及改进的BP前馈神经网络效率低,提出了一种基于极限学习机(Extreme Learning Machine,ELM)前馈神经网络的孔洞修补算法。以玩具小车车身点云模型为例,将其人为漏洞分为训练数据和预测数据,采用ELM对训练数据进行训练,建立回归模型,并与BP模型和PSO-BP模型进行对比,验证了ELM神经网络的快速性和预测精度高。并以斗齿点云自然孔洞为实验对象,实现了很好的修补效果,具有较好的实用性和参考价值。     

点云数据生成软件的设计及其在月饼模具逆向设计与制造中的应用北大核心

提出了一种利用图像生成点云数据并由此进行曲面逆向设计的方法,介绍了点云数据生成软件的设计思路以及利用逆向设计的曲面进行月饼模具设计与制造的过程,提供了一种实现个性化食品图案的解决方案。     

大量点云数据跨平台可视化实时交互方法

针对逆向工程中大量三维点云数据的跨平台可视化交互难以实时渲染的问题,提出一种多层次动态调度绘制方法。对传统八叉树改进后对点云数据建立邻域空间索引编码,实现空间整体对点云分层划分,使用"分区-子块-点云"预加载调度策略提高海量点云交互效率,结合细节层次(level-of-detail,LOD)控制技术和浏览器Ajax异步调度点云数据控制策略,算法提高了空间查询效率,加快了点云绘制速度,并有效的降低视点移动时的过渡走样现象。实验结果表明:使用算法在高层次细节渲染帧率最终维持在25fps左右,浏览器内存消耗比未处理数据完全加载降低48.5%,实验结果验证了该方法的可行性并取得良好的网络交互三维可视化体验。     

A new approach to detection of defects in rolling element bearings based on statistical pattern recognition

The paper presents a new approach to the classification of rolling element bearing faults by implementing statistical pattern recognition. Diagnostics of rolling element bearing faults actually represents the problem of pattern classification and recognition, where the key step is feature extraction from the vibration signal. Characterization of each recorded vibration signal is performed by a combination of signal's time-varying statistical parameters and characteristic rolling element bearing fault frequency components obtained through the envelope analysis method. In this way, an 18-dimensional vector of the vibration signal feature is obtained. Dimension reduction of the 18-dimensional feature vectors was performed afterward into two-dimensional vectors representing the training set for the design of parameter classifiers. The classification was performed in two classes, into defective and functional rolling element bearings. Main trait of parameter classifiers is simplicity in their design process, as opposed to classifiers based on neural networks, which employ complex training algorithms.     

一种有效提高控制图异常模式识别效果的方法

提出了一种基于主元分析(PCA)的控制图特征提取方法,先用常规控制图提取生产过程数据集,再将其高维特征进行线性组合并向低维空间投影,从而降低了分类器的输入维数,提高特征的敏感性。用一个含有6种趋势的20维特征数据集进行测试,通过PCA预处理后,特征被降到了3维并保留了88%的分类信息;再用BP分类器对特征提取前后的数据集进行识别,结果优于新型RSFM网络进行直接识别的效果。实验结果表明了本文方法的可行性和有效性。     

三自由度平台控制特性研究

介绍一种由大搭接量电液比例方向阀闭环控制的三自由度模拟舰船平台。对该平台的结构、电气控制及控制软件作了详细介绍。研究结果表明，充分利用计算机控制的特性及软件资源，由大搭接量电液比例方向阀构成的闭环控制系统，也可以获得良好的控制性能。     

基于CATIA的单齿辊破碎机三维模型建立

简要介绍单辊破碎机的工作原理、结构特点。运用CATIAV5,建立单齿辊破碎机的三维模型,为单齿辊破碎机进行三维模型运动仿真、应力强度分析、及结构优化设计做了初步准备。     

借助MDT的工具集在UG中实现零件的快速设计

利用MDT6．0增强版提供的强大工具集,为UG环境输出标准件、常用件的快速建模;并以螺栓、齿轮和齿轮轴为例详细给出其从MDT中的模型生成,STEP标准数据输出和STEP标准文件在UG中的导入过程。最后对导入的实体模型失去特征的原因给出初步的分析。     

利用曲率多特征融合改进人体三维脊椎模型特征点的标注方法

由于脊椎生理结构的精准坐标描述和准确匹配尚未达到医学精度的要求,本文对如何精确描述脊柱腰骶段特征点的物理坐标进行研究。介绍了人体脊椎采样特征点的定义和传统标记方法。针对手动标注特征点精确度不够,易产生较大误差等问题提出了一种基于曲率多特征融合的自适应标注特征点的方法。该方法首先找出某个特征点的高斯曲率和平均曲率流的定义值,得到该特征点的法曲率相对极大值,并计算在指定极小半径r范围内的所有模型点的法曲率相对极大值。由于极大值曲率越大,三维模型表面在该点处的弯曲程度越大,该点就越能表现三维模型的大致轮廓,故以r范围内极大值最大的点作为特征点的曲率描述来替换手动拾取的点,从而准确反映该点的特征变化情况。最后,对改进结果进行偏差验证分析。结果表明:改进方法的准确度比现有手动标注特征点方法的准确度提高了约37%,验证了本文方法的有效性。     

三维模型特征识别中的分割与编码算法

三维模型特征识别是CIMS中的关键技术之一，用神经网络法解决三维模型的特征识别问题，具有鲁棒性，多重解释，根据例子学习、识别速度较快等许多优势势，基于凹凸变化产生特征的思想，根据底面、凹点、凹边等线索，对三维模型模型进行了合理的分割，找出三维模型特征可能存在的区域，并对该特征区域进行编码，将三维模型的拓扑信息，几休信息转化为神经网络能够处理的矢量数据，最后，再利用人工神经网络的学习与识别能力识别出模型的特征。     

基于SOM网络的特征选择技术研究

讨论了一种SOM网络训练结果的可视化技巧,结合该技巧提出了基于SOM网络的特征选择方法。该方法 通过计算出SOM网络竞争层神经元权值中各维特征对输入模式聚类识别的影响,可以选择出对于模式识别敏感 的特征集。用IRIS和齿轮故障数据对该方法进行了检验,研究结果表明,采用该方法能较好地从原始特征中选择 出有效特征子集,实现不同类别输入数据之间的模式聚类识别。     

异构CAD系统零件库几何信息交换的研究

给出了实现异构CAD系统间零件库几何信息共享的一种新思路和有效途径 :分析主流通用三维CAD系统的共性 ,补充PLIB标准中零件几何信息模型的高层实体定义 ,进而考虑零件参数化信息和特征信息 ,建立基于特征的零件精确几何表达机制。在此基础上开发的接口实现了异构CAD系统间零件几何信息以及设计意图的共享。