逆向工程中对离散点云的特征识别算法探究

基于逆向设计中点云处理的表面识别问题,本文提出了一种基于小波变换的离散点云数据的特征识别算法。首先将离散点云表示成小波变换可以处理计算的形式,然后在此基础上提出了具体的二维和三维离散点云的小波分解算法,最后引入实例,对二维离散点云的小波分解算法进行验证分析。实验结果表明本文提出的算法达到了对点云数据的特征分解的目的。将离散点云数据按特征分解从而提取出不同的特征成分,可以根据后期点云预处理的不同要求,将小波变换后的数据进行进一步的处理。     

逆向工程中对离散点云的特征识别算法探究

基于逆向设计中点云处理的表面识别问题,本文提出了一种基于小波变换的离散点云数据的特征识别算法。首先将离散点云表示成小波变换可以处理计算的形式,然后在此基础上提出了具体的二维和三维离散点云的小波分解算法,最后引入实例,对二维离散点云的小波分解算法进行验证分析。实验结果表明本文提出的算法达到了对点云数据的特征分解的目的。将离散点云数据按特征分解从而提取出不同的特征成分,可以根据后期点云预处理的不同要求,将小波变换后的数据进行进一步的处理。     

基于启发式掩模EMD的音频突变成分检测方法

多数情况下，音频信号可以视为是由稳态成分和突变成分两种成分组成，稳态成分与突变成分在属性特征方面具有明显的差异，而且突变成分通常承载更重要的信息，是信号处理要分析提取的目标。为有效检测出突变成分并将这两种成分分离，需要完整精确地检测提取出突变成分。为此本文提出一种基于启发式掩模经验模态分解（Empirical Mode Decomposition，EMD）的音频突变成分检测方法，该检测方法中使用启发式掩模EMD分解音频信号并从中提取出各点的瞬时信息作为检测特征，同时本文提出一种窗长自适应更新策略来设定适合突变成分的长度。在IOWA的乐器音频数据集中，该检测方法能够实现以98.68%的检测精确率和87.65%的检测召回率将音频突变成分检测出来。此外该检测方法无需人为干预，并且检测出的突变成分维度一致，便于进行后续的特征提取、分类识别等处理操作。      

基于形态滤波和小波变换的基音检测新方法

提出了一种基于数学形态滤波和小波变换相结合的基音检测方法。检测前采用文中提出的形态滤波算法对噪声信号进行滤除，突出了基音周期。用小波变换对滤波后语音信号的突变点进行检测，进而提取出了基音周期。实验表明该方法对噪声有较强的鲁棒性，能够精确地检测出基音周期。     

基于面结构光的汽车仪表盘内凹多边形测量

针对汽车仪表盘内凹六边形卡槽尺寸检测中存在人工检测速度慢、精度差等问题,提出一种基于点云数据密度提取的内凹多边形自动化测量方法。首先使用双目结构光扫描的方式,获取零件表面的点云原始数据;使用KD-tree建立点云拓扑关系并进行半径滤波;利用贪婪算法重建网格曲面;最后采用基平面偏置与密度提取融合,实现点云的边缘特征点和噪点分类,提取内凹多边形孔径特征,并计算其尺寸。选用带有内凹六边形特征的弧形汽车仪表盘零件为试验工件进行算法验证。试验结果表明,该算法可以有效提取特征且内部特征尺寸测量精度为60μm;相较于传统测量方法,单个内凹六边形测量时间可缩短至1 s,能够实现内凹型不规则工件的自动化快速尺寸测量。     

基于高密度点云的激光焊接缺陷智能在线检测（特邀）

铝合金薄板激光焊接经常会出现咬边、凹陷等表面缺陷。这两种缺陷由于尺寸小、特征相似,难以通过传统视觉在线检测手段对其进行精确分类和测量。开发了一种基于深度学习缺陷分类-点云测量的在线监测系统,利用高密度的点云数据对缺陷进行识别、分类与测量,解决了上述检测难题。通过双目结构光传感器采集点云数据;利用基于区域推荐网络的卷积神经网络模型识别和定位缺陷;在识别和定位缺陷后,通过对局部缺陷区域的点云进行操作,快速测量缺陷尺寸。高密度点云数据训练的模型的识别准确率达到93%,高于传统二维视觉传感器图像训练的模型。该检测系统在线检测允许的最大焊接速度为316.87 mm/s,适用于大多数激光焊接。     

利用小波变换实现模拟与数字信号的分类

利用小波变换对突变信号的自适应能力和检测能力,以及能够改善信噪比的特点,分析了通信信号两次小波变换后的不同特征,提出一种自动识别模拟与数字调制方式的算法,然后再提取不同的特征参数实现通信信号的具体分类.通过仿真表明,该算法可以有效识别AM、FM、MASK、MFSK、MPSK信号的调制类型.     

单目光栅投影系统的多频外差相位补偿

在通过单目光栅投影系统形成零件三维点云的过程中，零件表面及边界的反光会造成部分点云突变，使后续重建及测量过程出现误差。本文提出一种相位补偿方法，结合物体轮廓信息和相位等级图的递增特性设计图像处理算法，实现对连续相位图的补偿，减小零件表面及边界反光导致的干扰。实验结果表明，进行相位补偿后能使零件表面及边界点云突变的数量减少，提高在零件表面及边界存在反光的情况下三维点云的重建效果。     

基于提升格式的自适应预测小波变换算法

基于提升格式的小波变换被称为第二代小波变换,该种结构提供了一种灵活构造非线性小波分解和精确重构的方法。本文根据提升格式的小波变换结构,针对具有突变点的光滑信号,以LeGall5/3小波为例,提出了一种不需要额外附加信息和存储空间就可完成精确重构的自适应预测算法。实验结果表明,该算法应用于分段连续信的一维信号,可较大概率取得零高频系数,获得较好的线性近似结果。     

一种基于红外视频图像电力设施故障识别方法

提出了一种电力设施精确识别方法。首先对所获取的红外降质图像进行提升小波变换,对高频系数根据其信号分布的特征,分别引入改进自适应中值滤波算法(Improved Adaptive Median Filtering Algorithm,IAMFA)以实现该部分分解系数的精细化处理;对于低频分解系数,提出一种随着小波分解层数的变化而自适应改变的改进型小波阈值函数模型进行处理。然后,提出一种基于图像分块的自适应增强方法,通过对图像信号的自适应分类,仅对目标信息区域进行自适应同态滤波增强。通过大量实验证明,基于该图像滤波算法的电力设施故障识别准确率明显提高。     

基于小波包分解的导弹目标神经网络识别

提出了基于小波包分解特征的神经网络导弹目标识别算法。在该算法中,首先通过小波包分解获取能够反映时间序列时频信息的稳定特征,然后利用训练过的神经网络提取特征对导弹目标进行识别。文中运用一组仿真数据和一组试验数据对该算法进行测试,结果表明该算法具有较高的识别概率。     

基于激光雷达的室内玻璃三维重建算法

针对激光雷达在室内地图重建过程中,扫描不到透明玻璃的问题,文章提出了一种玻璃检测三维重建算法,实现了三维地图中玻璃的重建。该方法将三维激光雷达扫描的点云经过点云滤波、分割、聚类以及运动匹配,提取出感兴趣的透明玻璃上的点云,从而识别出室内场景中的透明玻璃。实验结果显示,该算法能有效地使用激光雷达数据检测玻璃并进行三维地图重建。     

基于小波变换的电能质量暂态信号检测

设计了一种基于DSP的电能质量监测系统,并给出了信号调理、锁相倍频等主要模块电路。依据小波变换模极大值的理论,通过对该检测装置采集的暂态信号进行多分辨率分解,准确实现了暂态信号的检测。最后对采集的信号进行Matlab小波变换,仿真结果表明,小波变换可实现对电能质量暂态信号突变点的准确检测,同时验证了小波检测的正确性和可靠性。     

一种有效的全景图拼合预处理算法

全景图拼合的预处理主要包括对样本图像的特征提取以及相邻图像的特征匹配.本文首先改进Harris角点检测算子,以便准确提取样本图像的特征点并赋予特征描述符;提出一种基于小波系数的特征索引算法,实现了图像特征点对的快速搜索和两幅图像之间的匹配.实验结果表明,该算法得到的匹配点精确,搜索效率高,能够实现全景图的无缝拼接.     

图像融合的一种新算法

该文提出了一种图像融合的新算法,该方法根据SAR图像和光学图像的特性,充分利用SAR图像和光学图像的互补性,使用小波分析的多尺度特性和模极大值突变点检测理论来实现SAR图像与光学图像的融合,得到了较好的实验效果。     

基于对称Gabor小波滤波的舰船目标识别方法

文中构建一种对称Gabor小波滤波器(SGWF),能够对逆合成孔径雷达(ISAR)像中舰船进行识别。由Gabor小波滤波器构建的SGWF 滤波器具有上下对称结构,对镜像翻转的图像滤波后仍具有镜像对称性。使用SGWF 与奇异值分解(SVD)相结合来提取特征,使得该方法可以避免因多普勒变化导致的ISAR正像和倒像的检测问题。SGWF可在不同尺度和方向对图像进行滤波,充分反映图像的纹理特征和强度特征。在实验中,使用九艘民船的实测ISAR 像进行识别,通过在成像过程加入高斯白噪声来检测算法对噪声的鲁棒性,并检验图像分块数量对算法性能的影响,以及检验训练样本数量对算法性能的影响,识别结果证明了算法的有效性。     

一种快速的突变点在线检测算法设计与实现

传统TSTKS算法是一种离线突变点检测算法,该算法在待检测数据存在多个突变点时准确度较低。针对这一问题,文中结合TSTKS算法与滑动窗口理论,提出了一种快速时序数据突变点在线检测方法。该方法利用滑动窗口的思想将待检测数据切分为若干子段,并根据窗口顺序对每个子段采用TSTKS算法进行突变点检测,进而实现时序数据多突变点快速检测。实验结果表明,相比于常见的几种突变点检测算法,采用文中提出算法对存在多突变点的时序数据进行检测时耗时较少,相对误差率较低且命中率较高。     

利用小波变换与Gabor滤波检测红外小目标

将小波变换应用于红外图像,提出了一种新的弱小目标检测方法。该算法首先对图像进行小波变换。为了获取图像的多方向性分解,使用Gabor滤波器与高频信号做卷积运算得到24个方向的高频信息。计算各点的局部能量以及方向离散值,将以上特征融合,得到图像的多特征统计值。其次采用Renyi信息熵分割完成目标检测。最后,由于卷积运算,将会造成弱小目标点的扩大。因此,利用检测结果中小目标具有较大面积的特点,有效地排除了虚警。实验结果表明,该算法参数较少,能较精确地检测出红外弱小目标。     

基于小波变换的高精度表面损伤测量

提出了一种基于小波变换的工件表面质量损失检测方法,采用二维激光扫描仪对工件表面进行测量,获取表面形貌信息,将测量到的三维点云数据类比于灰度图像中的像素点云,采用基于小波变换的边缘检测方法,提取工件表面损伤的特征,并对损伤区域进行定位,进而计算工件表面的体积损失及质量损失。针对钢材料工件表面的损伤,进行了检测实验研究。对钢材料表面质量损失检测验证了方案的可行性,实验结果表明待检工件的损伤质量检测精度可达毫克级,可用于大体积或大质量工件的表面损伤测量及材料性能的评估。     

基于超像素和DTCWT的火焰检测

结合超像素和双树复小波变换(DTCWT)给出了一种基于图像的火焰检测算法。该算法使用简单线性迭代聚类(SLIC)方法对图像进行超像素分割,并采用RGB-HSV混合颜色空间对超像素进行处理,分割出疑似火焰区域;然后利用DTCWT对疑似火焰区域图像进行多尺度多方向分解,分别对高低频系数提取HOG特征和圆形度特征;最后通过特征融合,并使用交叉网络搜查法的SVM实现火焰的识别。大量实验结果表明该算法火焰识别的精度较高。