三维激光点云的网状RANSAC分割与计数

随着工业现代化进程的加快,三维激光点云技术开始出现在工业目标检测中,对激光点云的目标分割提取也成了工业检测中的关键。常用的三维点云分割方法,如区域生长分割、RANSAC(随机抽样一致)分割、K-means(K均值聚类)等无法做到高水平的目标分割与提取。利用MEMS(micro electromechanical system)3D相机对4组目标进行点云数据采集,利用网状RANSAC分割算法,将目标三维点云进行封装,栅格化分割成网状模块,对每个网状模块中的点云进行平面粗分割,整合模块,用欧式聚类对分割后的目标进行细分割,得到最终的目标提取结果并成功完成计数统计。试验结果表明,所提出的网状RANSAC分割算法的分割完整度为91.0%,平均耗时8.25 s,均优于其余三种传统算法,并且成功完成计数。     

基于改进粒子群算法的三维路径规划研究

针对基本粒子群算法(PSO)收敛速度快、易早熟，容易陷入局部误区的问题，提出了粒子群-人工蜂群混合算法(PSO-ABC)，并将提出的算法应用于无人机三维环境下的路径规划。该算法在改进粒子群算法的基础上，融合了人工蜂群算法来对无人机三维路径进行全局规划。首先引入非线型惯性权重和收缩因子，改进粒子的速度公式，然后利用人工蜂群算法的搜索算子对最优解再一次寻优，解决了粒子群算法因局部搜索能力较差陷入局部误区的问题。本文在三维环境下设置了两组实验，对比粒子群-人工蜂群混合算法与粒子群算法、人工蜂群算法的路径寻优性能。实验结果显示，本文提出的算法路径寻优能力有所提高，相比于粒子群算法，提高了6.1%，相比于人工蜂群算法提高了6.9%。     

结合图像分层与暗通道的雾霾图像增强

为了解决雾霾天气下图像的去雾与增强问题,提出了一种结合图像分层与暗通道的去雾增强算法。该算法首先对输入图像建立暗通道模型,估计出大气光值与透射率,对图像进行去雾复原,接下来对图像进行双边滤波变换,将低频图像信息中像素的灰度级地区进行拉伸或压缩,将高频图像信息进行归一化处理,然后利用归一化的直方图与非线性S曲线进行灰度变换,最后利用加权融合方式将低频与高频图像信息进行有效地合并,得到输出图像。实验结果表明,该算法在3组图像中的平均梯度与信息熵的均值分别是0.073 4、7.173 3,均优于其余3种算法,并且该算法的对比度与时耗的均值分别为422.6与0.76,具有一定的可行性。     

基于点云凹凸性和欧式聚类的工件分割方法

在激光点云下对电子元器件的分割中,工件之间容易出现散乱分布的复杂情况,导致传统点云分割算法无法实现正确的分割与计数。提出一种利用LCCP与欧式聚类的点云分割方法。使用基于表面凹凸性的LCCP算法进行点云粗分割,分离相互堆叠和碰撞面积不大的工件,并提取其余碰撞工件的粗分割点云簇;其次,利用基于法线估计的边界检测方法剔除所提取点云簇的点云边缘点,使相互接触的工件点云在空间上产生分离后,再使用欧式聚类算法进行细分割;最后合并粗分割与细分割的结果以完成分割。结果表明,在复杂情况下所提方法能准确分割目标工件,分割正确率相比于LCCP、区域生长和欧式聚类算法分别提升了35.9%、66.7%和80%,平均每10个目标耗时约290 ms,具有良好的准确性和实用性。     

基于MIMO-OFDM的室内可见光通信降噪研究

解决阴影效应和多径效应一直是研究可见光通信系统的关键.提出利用MIMO(Multi Input Multi Output)技术扩大通信过程中信号传输的信道容量,配合LED的高强度光线,实现室内光照的大面积覆盖和抗阴影能力.而OFDM(Orthogonal Frequency Division Multiplexing)...     

利用Kmeans与蚁群算法的路径寻优方法

科技时代的到来丰富了人民的日常生活,线上购买物品已经成为了一种新的趋势,但随着网络用户的增加,物流配送成了一大难题.本文提出了利用Kmeans算法与蚁群算法的特性,先对客户住址进行聚类分析,再计算出最优路径,以此来降低配送成本,提高配送效率.最终结果表明该组合算法具有可实施性.     

三维激光点云下利用Mean_shift的欧式目标分割

随着计算机视觉领域的发展,利用激光点云获取目标三维数据成了当下热点.对目标点云进行有效地分割变得尤为重要.相比于现存的区域生长分割,RANSAC分割与欧式聚类分割等传统的分割算法,提出了Mean-shift的欧式聚类算法.这一算法先对目标点云进行Mean_shift密度聚类粗分割,再结合欧式聚类对粗分割后的点云进行细分...     

结合暗通道和Retinex理论的图像去雾算法

针对雾天环境下拍摄的图像模糊、亮度低等问题,提出了一种利用图像颜色反转,并结合暗通道先验和Retinex理论的图像去雾算法.该方法采用四分加权算法准确估计大气光值,导向滤波方法对透射率进行细化;然后利用大气散射模型对反转图像进行去雾处理后再反转,得到初步复原的无雾图像;最后采用MSR算法进一步处理,提升图像的亮度和清晰度.实验结果表明,采用本算法得到的第一组和第二组图像信息熵分别为7.548 3和7.5121,峰值信噪比分别为7.763 8和11.374 7,平均梯度值分别为11.566 0和13.572 0,各组数据均优于其他三种算法,运行时间也具有一定优势,证明了所提算法的有效性.     

激光点云中散乱电子元器件分割方法

目的 针对散乱电子元器件计数过程中电子元器件分割困难的问题,提出一种基于点云簇平均法线夹角、平均点云密度边缘提取和区域生长阈值自适应的散乱电子元器件分割方法。方法 通过体素化处理、RANSAC算法和统计离群滤波算法对原始点云数据进行预处理,去除大量无关点云;使用欧式聚类算法对预处理结果粗分割得到电子元器件点云簇,以点云簇为阈值设置单元,避免阈值设置不合理的情况;通常边缘点较非边缘点法线夹角更大、邻域点更少,提出通过点云簇平均法线夹角和平均点云密度自适应约束来去除点云簇中边缘点的方法;对去边缘点后的点云簇细分割,根据细分割后点云簇的平均法线夹角进行区域生长阈值的自适应选择,通过改进的区域生长算法将每个电子元器件从点云簇中分割出来。结果 实验结果证明,文中方法分割正确率达97%以上,每10个目标分割耗时约345 ms。结论 提出的方法具有良好的准确性和实用性,分割效果优于传统分割算法,能够准确地将每个电子元器件从复杂场景中分割出来。     

光照不均匀下的工件图像亚像素边缘检测

针对光照不均匀环境下传统边缘检测算子出现的边缘检测模糊、自适应差等问题,提出了一种基于Retinex理论和改进的高斯拟合亚像素边缘检测算法。首先采用Retinex理论对照度分量和反射分量同时进行处理;其次利用传统的Canny算子获取图像边缘的像素坐标点,改进梯度矩阵来选取拟合点后找到梯度矩阵的切线方向,之后利用法线上的像素点计算所得的梯度值进行高斯拟合获取亚像素点坐标;最后利用八邻域查找连接每个轮廓的亚像素点并输出工件边缘图像。实验结果表明,相较于Zernike矩算法和其他两种高斯拟合算法,算法在4组图像实验中的Pratt品质因数、均方误差、峰值信噪比、结构相似性指标的均值为0.727、11 980、7.64、0.093,各组数据均优于其他3种算法,具有一定的普适性。