协同产品开发中的产品模型轻量化技术

针对网络环境下协同产品开发中复杂产品模型数据交换、远程传输困难等瓶颈问题。提出一种复杂产品模型数据轻量化算法．该算法基于非几何信息过滤,曲线、曲面简化,通用压缩算法数据压缩等步骤对初始产品模型进行简化．文中算法已应用于协同交互系统InteView2.0中．在相同逼近精度下,轻量化后的模型比原系统输出的VRML格式文件具有更高的压缩比．     

Web本体语言OWL及在产品信息表达中的应用

STEP标准和STEP标准的形式化信息描述语言EXPRESS在数据格式上统一了产品信息的建模标准,实现了语法层面上的数据交换和互操作能力.而当今计算环境要求基于语义Web的语言来描述产品信息,以实现产品信息在知识级的交换和共享,STEP没有提供这种特性.介绍了由W3C主持制定的Web本体语言OWL,并用实例给出了OWL在产品信息表达中的应用.     

基于混合属性邻接图的MBD模型参数化方法

为解决MBD模型设计变更过程中维护几何信息与技术信息一致性的问题,提出一种MBD模型参数化方法.首先将MBD模型参数化问题分解为几何信息之间、几何信息与技术信息之间以及技术信息之间的参数化问题;其次提出采用混合属性邻接图表达MBD模型中元素间的结构关系和数值关系,通过定义混合属性邻接图中节点和边构建混合属性邻接图;然后提出MBD模型参数化流程,为设计人员生成MBD模型变更决策表.最后以某型号飞机销钉零件为例描述MBD模型参数化方法的过程,验证文中方法的有效性.     

基于SLAM算法和深度神经网络的语义地图构建研究

语义地图在移动机器人的导航等任务中有着关键的作用。目前基于视觉的机器人自动定位和制图(SLAM)系统已经能够达到较高的定位精度要求,但是基于多目几何的视觉SLAM算法并未充分利用空间中丰富的语义信息,地图中保留的地图点信息只是没有语义的空间几何点。由于基于卷积神经网络的算法在目标检测领域取得了突破性的成绩,利用目前最新的基于卷积神经网络的目标检测算法YOLO,实现场景的实时目标检测,并结合SLAM算法构建语义地图。将视觉SLAM定位的精确性和深度神经网络在语义提取方面的优势相结合,既能够提高SLAM算法的准确性,同时采集到的丰富图像信息又能进一步训练更加深的神经网络。该算法能够应用于机器人的智能导航,同时也能作为数据采集器为其他视觉任务提供具备语义与几何信息的图像数据。     

一种保留特征的网格简化和压缩递进传输方法

针对数字博物馆中三维藏品网络传输及传输过程中藏品特征保留的需要,提出了一种保留拓扑及纹理特征的网格简化方法,在三角形折叠简化算法的基础之上,通过引入边界三角形和色异三角形等概念,对误差矩阵的计算和误差控制方法进行了改进,保留了原始模型的几何边界和纹理属性等特征信息;并结合递进网格和压缩编码,构造了基于八叉树编码的递进网格文件,从而实现了基于网络的三维模型递进传输系统.     

覆盖件产品CEG集成知识模型及表达

产品集成知识模型是对几何模型，特征模型及其相应建模技术进一步的综合和扩展，是实现产品生命周期内信息综合表达的关键，在分析覆盖件产品对象类层次的基础上，提出了几何特征，规则对象和约束方法的面向对象表达策略，建立了集成构形、工程和几何知识描述的覆盖件产品模型，利用基于STEP标准的EXPRESS语言和KBE开发语言，通过语言联编实现产品特征信息和工艺设计知识的高度集成来支持智能化工艺设计过程。     

三角网格简化过程中属性问题的研究

在计算机视觉、计算机仿真、网络传输中,经常遇到带有颜色、纹理等属性的三角网格模型的简化问题.提出一种基于边折叠和改进二次误差测度的快速简便的算法来简化带属性的网格模型.在Garland算法基础上引入边重要度概念,并加入到误差测度中,使得二次误差测度不仅能够度量距离偏差,而且能够反映模型局部表面几何变化.实验结果表明,该算法既能保证简化模型同初始模型在几何上尽可能相似,又能较好地保留初始模型的颜色、纹理等属性信息.     

保留几何特征的散乱点云简化算法

针对散乱点云简化中易丢失几何特征及潜在曲面形状信息的问题,提出一种保留几何特征的散乱点云简化算法.首先以单位距离上的法向变化作为局部特征检测算子,采用基于泊松分布的区域生长法自适应地检测特征点,并计算潜在曲面的平均弯曲度;然后通过设定不同的聚类阈值,并利用共享近邻聚类算法对非特征点的邻域进行聚类分析,从而判定该点处潜在曲面的弯曲程度,同时检测噪声点;最后,删除噪声点,根据潜在曲面弯曲程度,采用不同的简化策略删除冗余点.该算法不但避免了在大量精简时造成孔洞,而且使得简化后模型尽可能保持原始潜在曲面的形状信息,降低简化误差.实验结果表明,文中算法简单、有效,能够同时保留原始点云的几何特征及潜在曲面的形状信息,具有较低的简化误差和良好的鲁棒性.     

面向三维工艺的工艺信息表达及技术研究

随着三维计算机辅助设计技术的深化应用,基于MBD（Model-Based Definition,基于模型定义）技术开展三维工艺设计已经成为研究热点。
　　MBD技术是一个用集成的三维实体模型来完整表达产品定义信息的方法体,通过一个完整的三维实体模型表达产品信息中的几何形状信息、尺寸、公差和工艺等信息。国内航空企业逐步开展基于MBD技术的产品设计制造,将MBD模型作为制造的唯一依据并取得一定进展,但仍然存在许多技术瓶颈。目前工艺部门仍以基于图样的二维工艺设计方法为主,以二维图样为主要的信息传递媒介,具体体现在基于二维视图的工艺设计知识的表达、获取、组织与管理比较困难,不能有效地总结设计经验和设计方法;复杂产品以及零部件的关键特征属性难以在二维视图中表现,这使得工艺性评价以及审查流于形式;三维CAD/CAM系统往往建立在统一信息平台上,而基于二维CAPP平台的工艺设计无法共享统一的三维产品模型,无法在统一的数据管理平台下进行数据管理。     

视点相关的复杂模型的简化算法

为克服Hoppe边折叠算法存在计算量很大,运行速度很慢的缺点,在Garland边折叠算法基础上,将边折叠算法与视点相关因子相结合,对复杂模型进行了简化,并使用改进的多边形模型的数据结构,实时动态地生成了多层次的LOD模型。实验结果表明,该算法能够在保留模型重要的几何特征的前提下,实现模型较大幅度的简化。     

集成RGB-D语义分割网络的室内语义地图构建

针对传统视觉SLAM准确度低、实时性差、缺乏语义的问题,提出一种全新的RGB-D语义分割网络,利用室内场景中受光照等条件影响较小的深度信息来提高分割的准确性,并且设计了轻量级多尺度残差模块(MRAM)和空间金字塔池化模块(ASPP)来轻量化分割网络、提高分割的精度。首先输入的图像序列进入ORB-SLAM2网络进行关键帧筛选,之后关键帧送入语义分割网络得到二维语义标签,再将二维语义信息映射到三维点云空间,最后使用贝叶斯算法更新三维地图得到全局一致的三维点云语义地图。实验采用NYUv2数据集验证语义分割网络性能,采用TUM数据集构建点云语义地图,结果表明,提出的语义分割网络性能和速度优于现有的模型,且此语义分割网络与视觉SLAM相结合可以满足高精度、实时的稠密三维语义点云地图构建要求。     

自适应爆炸半径的改进烟花算法

为充分利用被丢弃的爆炸火花个体的信息,对烟花算法进行优化,提出具有自适应爆炸半径特性的改进烟花算法。利用全局最优烟花个体gBest以及每个烟花所产生的最优爆炸火花个体的集合sparkpBest来构造新的爆炸半径,使其能够自适应地调整步长;在寻优过程中,对gBest进行高斯扰动来增加种群的多样性,避免烟花种群过快陷入局部最优。与其它群智能算法(粒子群算法PSO、带有高斯扰动的粒子群算法GPSO、蝙蝠算法BA、烟花算法FWA、自适应烟花算法AFWA以及增强烟花算法EFWA)对比,通过仿真可知,提出的改进烟花算法总体性能优于其它6种对比算法。     

基于量子行为烟花算法的移动机器人路径规划及平滑

针对移动机器人全局路径规划问题,提出一种基于量子行为烟花算法(quantum-behaved fireworks algorithm,QFWA)的路径规划方法.改进算法在基本烟花算法(fireworks algorithm, FWA)的基础上增加了基于量子行为的烟花爆炸策略.该策略使得种群在接近全局最优时具有较强的局部搜索能力,同时在种群远离全局最优位置时具有较强的全局搜索能力.改进算法提高了烟花爆炸产生火花的多样性和算法的收敛速度.在Benchmark测试函数上将改进算法与其他几种优化算法进行了对比,结果表明改进算法的性能优于其他算法.将QFWA应用于求解移动机器人路径规划问题,并采用均值滤波结合人工势场法对规划出的路径进行路径平滑处理.仿真实验结果表明改进方法在移动机器人路径规划问题上的可行性和有效性.     

求解0-1背包问题的烟花算法

为了克服现有方法在求解0-1背包问题时存在的缺陷,提出了一种改进的烟花算法.在给出0-1背包问题的数学模型后,利用Kent混沌映射对基本烟花算法的解初始化以使初始位置分布更加均匀,同时引入Sigmoid函数得到渐变的爆炸半径使得算法的求解精度与搜索速度达到某种平衡,用改进的烟花算法来对其进行求解.通过对典型测试函数和0-1背包问题的求解结果说明了所提出的改进烟花算法求解精度更高,性能更加稳定.     

面向巡检机器人的电力设备状态检测算法研究

为更高效利用变电站巡检机器人开展电力巡检工作,满足电力行业发展对智能化巡检的需求,研究了面向电力巡检机器人的电力设备状态检测算法。首先,根据深度网络部署硬件芯片应用情况与性能对比,选择海思Hi3559A芯片作为算法移植的嵌入式平台。然后综合考虑各种检测算法的精度与速度,选用YOLOv3算法作为设备状态检测的基本判别模型。为了提升检测算法速度并减少模型体积,开展模型压缩算法及轻量型YOLOv3模型设计研究,分别提出了改进的小型化YOLOv3模型和基于通道剪枝与层剪枝结合的模型压缩方法,提高模型上下层的语义信息及剪枝后模型的精度保持。根据测试结果选择最优的模型在机器人前端部署,提出的轻量化YOLOv3模型很好地保持了设备目标与异物检测的精度,检测速度提升了4倍。     

基于OpenGL的烟花动态模拟方法的研究与实现

给出了几种模拟动态烟花的方法。通过分析烟花燃放过程的特点，建立了用粒子系统模拟烟花的模型，提出了基于粒子系统的烟花的实时模拟生成算法。实验结果表明，该方法满足实时性和逼真性的要求。     

基于轻量级双层金字塔结构的伞裙破损检测算法

在无人机电力线路巡检系统中，针对伞裙破损检测的准确性和实时性，该文提出了一种基于双层金字塔结构的轻量级伞裙破损检测算法，通过充分提取图片中高低级语义特征，可有效防止有用信息被过滤。同时，利用多通道特征增加了模型特征表达能力。此外，该文还利用深度可分离卷积来优化卷积内核性能，使其可以在低功耗嵌入式系统上实时运行。实验结果表明，该算法在不同光照、拍摄角度和破损模糊条件下，对伞裙破损检测均有较好的准确性、实时性和鲁棒性。     

基于二进制烟花优化算法的认知无线网络频谱分配

针对当前无线频谱资源稀缺和利用率低的问题,提出一种基于二进制烟花优化算法的频谱分配方法。每个烟花个体进行分布式爆炸搜索,并对最优烟花的爆炸半径采用改进公式动态更新;在变异环节中,针对粒子间信息交流不足的缺点,引入遗传算法的交叉变异算子,进一步增强种群多样性;对选出的最优个体使用Metropolis准则进行模拟退火扰动,避免陷入局部最优。仿真实验表明,二进制烟花优化算法在认知无线网络的频谱分配中具有寻优精度高、收敛速度快的特点,较好地实现了网络效益和用户比例公平性的最大化。     

基于双注意力机制的街景语义分割

高性能语义分割算法由于自身高延迟性存在无法快速感知路况的问题。本文提出一种基于注意力机制的双路径网络模型。该网络模型采用轻量的局部轮廓信息提取模块和语义信息提取模块来替代复杂的编码器结构。针对不同路径下特征图的特点,分别基于自注意力和通道注意力机制设计特征优化模块,该算法可有效地提高轻量网络结构对细节特征的表达能力。设计的语义分割网络以25 fps的速度处理图像的同时,可保持73.9%的平均交并比。经实物验证,表明本文算法具备实时性,具有一定的实际应用价值。     

带有灰色关联算子的烟花算法

标准烟花算法（FA）由于粒子更新机制的缺陷，寻优过程中粒子之间缺乏信息交流，使得算法寻优能力弱，寻优结果精度低。为了改善上述缺陷，提出带有灰色关联算子的烟花算法（GFA）。GFA在粒子寻优过程中利用灰色关联算子为每个粒子选取一个指导粒子，通过指导粒子来对自身粒子维度信息进行更新，以提高算法的寻优能力。利用标准测试函数对所提算法进行测试，仿真结果表明GFA与相关改进的烟花算法相比具有较高的寻优精度和收敛速度。