基于可变形物体的碰撞检测算法

为了提高可变性物体在虚拟现实技术中碰撞检测的效率和准确度,提出了一种改进的基于可变形物体的碰撞检测算法。该算法利用蚁群算法优化蛇形轮廓模型,并将蛇形轮廓模型应用于固定方向凸包包围盒的更新过程中。实验结果表明,该算法极大地简化了固定方向凸包包围盒算法的重建过程,提高了碰撞检测的效率,同时由于加入优化的蚁群算法,提高了碰撞检测的准确度。     

基于离散点云的拉伸面与旋转面参数提取技术研究

为了提高拉伸面和旋转面参数提取的精度和抗噪声能力,依据拉伸和旋转面在各点的法矢与拉伸方向及旋转轴的几何约束关系,利用随机抽样一致性算法结合最小二乘法提取拉伸方向和旋转轴,然后采取全局约束策略,通过对轮廓数据整体拟合来提取轮廓线.实验证明了算法的有效性、鲁棒性和精确性,为逆向工程中高质量的重建曲面奠定了良好的基础.     

基于改进蚁群算法的粮食物流调度研究

粮食物流过程的调度是一个组合优化问题,通过对粮食物流现状的分析,提出了基于蚁群的物流优化调度算法,实现粮食物流过程中粮食的动态分配．用蚁群共同测试不同的组合,并选择一个优化的解决方案,采用该方案能够按时运输更多的粮食,同时也使粮食运输成本降低,研究及模拟实验结果表明,结果表明蚁群算法在粮食物流过程中具有良好的性能．     

基于蚁群算法的PID参数优化

针对传统的PID控制器参数多采用试验加试凑的方式由人工进行优化,提出了一种新型的基于蚁群算法的PID参数优化策略.蚁群算法是近几年优化领域中新出现的一种仿生进化算法,该算法采用分布式并行计算机制.在简要介绍蚁群算法基本思想的基础上,推导了蚁群算法PID参数优化方法,并给出了新算法的具体实现步骤,最后将该优化方案应用于某型高精度飞行仿真伺服系统.仿真应用研究表明,该PID参数优化策略具有很强的灵活性、适应性和鲁棒性,进而验证了该方案的可行性和有效性.     

用于连续函数优化的蚁群算法

为了用蚁群算法来解决连续优化问题，该算法将函数优化问题中生成解的过程转化为蚁群每前进一步就选择一个十进制数字并以此来生成一个十进制串的过程。与普通蚁群算法相同，蚁群在选择数字的过程中将一定量的信息记录在每条选择的路径上以改变下一次蚁群选择各个数字的概率。实验数据表明，文中的函数优化算法能比遗传算法以及其他用于连续优化的蚁群算法更快地找到更好的解。这种算法为蚁群算法求解连续优化问题提供了一种新的方法。     

基于SOM网络以线段为基元的曲线重建

在逆向工程中,对基于散乱数据点的曲线重建研究有着重要的意义。曲线可用线段基元逼近。提出使用SOM神经网络以线段为基元的曲线重建算法。给定某一曲线的散乱点集和一初始折线,使用该算法优化折线上的顶点位置,使折线更好地逼近散乱点;实验结果表明,使用该算法能够取得良好的曲线重建效果。     

基于蚁群优化算法的SAR图像舰船检测研究

边缘检测作为提取图像边缘的重要方法在舰船检测中占有重要位置。采用蚁群优化算法通过调整动态阈值进行边缘检测。与传统边缘检测算子和小波变换算法对比采用蚁群优化算法进行舰船检测大大的减少了计算时间和代价,同时有效地提取了SAR图像的舰船目标和结构信息,保证了检测结果的准确性。蚁群优化算法在处理图像边缘检测等离散优化问题上具有很大的优越性,在图像处理中具有广阔的应用前景。     

给水管网管径组合优化的极大极小蚁群算法

蚁群算法作为模仿蚂蚁寻找食物的进化算法已经成功的应用于许多组合优化领域.针对其在给水管网管径组合优化设计过程中的计算时间长,易陷入局部极小点等问题,提出了单只蚂蚁更新外激素值,并使外激素值限定在一定范围内的基于二进制编码的极大极小蚁群改进算法,并编制了相应的程序代码.将该方法运用到某小区管网的管径组合优化,结果表明,改进的蚁群算法与基本的蚁群算法相比,更容易实现全局最优解,且计算时间较短.     

基于主方向高斯映射的旋转面特征提取

为了从点云中准确提取几何特征参数，给出了旋转面特征提取算法.该算法对旋转面主方向映射到高斯球面，生成主方向高斯图像（PDGI）. 对高斯球进行均匀分割，生成一系列小立方栅格，并将高斯球上图像数据点分配到相应的立方栅格中.根据每个栅格中的图像数据点数，对栅格聚类分析，获得一组特征栅格，由这组特征栅格中的图像点来确定大圆所在的平面，从而根据平面法矢确定旋转轴方向.根据旋转面法矢和旋转轴方向，获得旋转轴的定位点，从而确定了旋转轴.并给出了旋转轴的优化方法.计算实例结果表明，该算法能够稳定、准确地提取出旋转面的几何特征参数.     

基于二进制蚁群神经网络的边坡稳定分析

针对边坡稳定问题的高维非线性、非正态的特点,提出了采用二进制蚁群神经网络建立边坡稳定分析模型.将二进制蚁群算法引入到神经网络权值优化中,既克服了蚁群算法在连续域中对组合优化的缺陷,又能避免BP算法容易陷入局部最优的尴尬.因此二进制蚁群神经网络兼有神经网络广泛映射能力和二进制蚁群算法快速全局收敛能力.采用混合编程法建立了基于二进制蚁群神经网络的边坡稳定分析模型,该模型避开了边坡滑移面和岩体破坏机制等不确定因素,利用二进制蚁群神经网络对样本进行反复学习,得到较为精确的边坡稳定模型.该方法具有建模方便,程序实现方便,计算快捷等特点,应用于实际工程中,具有良好的效果.     

点云数据的管道面重构

针对反求工程中管道面重构问题，提出了一种从点云数据中直接提取管道面特征参数的算法.算法
分为两步：第一步将管道面数据视为过渡特征数据，利用过渡特征提取原理获得管道面的一系列截面线
，经概率统计方法进行噪声去除后，得到准确的截面线及其半径.第二步是由截面线的中心确定管道面的
脊线点列.利用移动球法，球的直径即是采样步长，沿着脊线方向对点列进行均匀采样，然后对采样点列
进行高斯平滑，获得光滑均匀的脊线点列.用三次B样条曲线拟合采样点列而获得脊线.计算实例表明，该
方法能够稳定、准确地提取出管道面的几何特征参数.     

网格与曲面间的误差分析

对逆向工程中网格与曲面间的误差分析进行研究,提出利用空间KD-tree实现海量网格模型与多张复杂曲面进行匹配的算法,结合基于KD-tree树的离散细分方法和三角网格的邻接拓补关系确定Newton-Rephson迭代算法的初始值,并在曲面参数域上通过三角化处理曲面的误差边界,在空间域上进行误差彩色云图的绘制.     

一种基于斜率差和方位角的矢量数据匹配算法

矢量空间数据同名特征点搜索和同名特征点匹配是对多时相、多尺度地理实体要素进行变化检测的关键技术。结合矢量空间数据的坐标特征和方位角,提出一种同名地理实体要素特征点搜索与匹配算法。该算法采用分步取点的思想,分别提取曲线X、Y方向上的极值点为初始特征点,利用各极值点斜率差的绝对值作为约束条件删除冗余极值点。在上述提取结果中,两个相邻特征点通常存在较大变形,需添加部分合理特征点。综合利用特征点坐标方位角和距离进行同名特征点相似度匹配,分别利用线实体和面实体进行试验验证。结果表明:本研究算法能够适用于线实体和面实体特征点的提取与匹配,并具有良好的精度和可行性。     

约束条件下拉伸与旋转特征模型重建方法

在对测量数据根据特征设计意图进行分块的基础上,将常见造型特征如拉伸和旋转特征的参数提取以及草图轮廓的拟合转化为相应的约束优化问题进行求解,然后利用CATIA二次开发平台CAA中提供的接口进行特征重建,生成参数化的实体特征模型．实例表明本文的特征重建方法是可行的．     

三维重建表面几何特征的提取与参数测量计算

对三维重建结果的表面特征进行提取和误差分析,是提高三维目标测量精度的关键步骤. 提出了对三维重建表面几何特征进行提取,并对其进行参数测量计算的方法. 首先利用STL文件对三维重建得到的目标点云数据进行读取、导出并筛选,得到三维重建目标的点云数据,通过迭代计算生成CAD模型表面点云数据. 再提取重建目标与CAD模型的几何特征,计算粗糙度、平行度和平面度等几何参数特征值,进行误差比较和分析,最后将该结果反馈至三维目标重建过程中. 实验结果表明,提出的方法能有效地提取三维重建结果表面几何特征及对表面进行测量计算.     

基于自组织特征映射神经网络的点云数据分区

自组织特征映射神经网络SOFM可以实现无监督的特征聚类.利用SOFM实现逆向工程中点云数据分区,通过改进SOFM网络初始权值方法以及引进能量函数控制迭代次数,提高了SOFM的分区效率.利用SOFM方法实现点云数据分区具有较强的容错性能,对测量数据点无任何要求.实例运行结果验证了此方法的可行性.     

基于多层次语义特征的建筑立面点云提取方法

建筑立面信息是指建筑物与外部空间接触面的空间分布及属性信息,如何从点云数据中提取建筑立面信息是点云数据处理中的热点和难点.为解决传统格网密度算法在建筑立面点云提取时评价标准单一、适应性不强的问题,综合分析建筑区各类典型地物点云的高程分布、投影密度、法向量分布等局部及整体空间特征,构建由点云单点语义、格网语义及区域语义组...     

Multi-Scale Analysis Based Curve Feature Extraction in Reverse Engineering

1 Introduction The process of reconstructing CAD model froman existing part is reverse engineering,composed of foursteps ,digitizing,data processing,feature extraction, CAD model reconstruction[1].Feature extraction has re-ceived extensive researchinthe past .Byfeature extraction,laser scanning point data of anexisting part is divid-ed.Based on the piecewise point data ,feature type is detected. Feature extraction has two key technologies :feature segmentation and feature classification.Fe…     

利用CATIA VBA的逆向工程曲面重构方法

针对剖面样条曲线生成需要大量的型面点坐标,工作量大且容易出错等问题,提出基于CATIA二次开发,实现了逆向工程曲面重构的算法.利用程序读入控制点坐标,直接在CATIA软件曲面设计环境中自动生成样条曲线,采用CATIA高级曲面的"Loft"命令完成曲面重构设计,提供了一种利用CATIA VBA实现曲面的逆向重构方法.实验结果表明本文方法可以实现逆向工程曲面重构.     

一种面向弱纹理图像的特征点描述子

现有的大多数特征点提取算法适用于处理纹理丰富的图像,而对于弱纹理图像则无法提取有效的特征点. 对此,提出了多邻域结构张量特征(MNSTF)算法. 基于一系列固定的邻域和图像结构张量,通过表达局部图像的结构和纹理信息,解决了弱纹理和无纹理场景下特征点提取和匹配等相关问题;同时,通过计算邻域之间的相对方向,实现了MNSTF算法特征描述子的旋转不变性. 实验结果表明,MNSTF算法在经过旋转的弱纹理图像测试集上的特征点匹配准确率达到了99.9%以上,验证了其良好的适用性、旋转不变性和鲁棒性.