基于双层K近邻算法的短时交通流预测

双层K近邻算法在K近邻算法的基础上,增加了模式匹配步骤,从而提高了K近邻算法的预测精度.鉴于此,利用双层K近邻算法,对北京市微波检测器数据进行分析,进而标定算法的最优参数.同时定义了预测算法的滞后性,并将双层K近邻算法与自适应预测算法的滞后性进行了对比,从预测精度及滞后性两方面验证了双层K近邻算法的适用性.     

基于特征数据分块自适应切片的空洞修补

针对常用的空洞修补方法在修复具有多种曲面类型的空洞时失效和所修复的曲面不光顺等缺点,提出基于特征数据分块自适应切片的空洞修补。首先,在考虑特征信息的情况下基于聚类对散乱点云进行分块;然后利用特征进行自适应切片,获得曲线并进行拟合;最后,在线上取点填充缺失的点云,最终对完整的点云模型进行曲面重构建立实体模型。试验结果表明,采用自适应切片法修补空洞能够保留特征,所填充的点云数据精度较高,能够满足后续建模的需要。此外对该方法填充的点云进行了曲面重构及光顺,结果令人满意。     

基于Harris特征与NDT-ICP算法的钢箱拱预制件尺寸智检方法

针对桥梁建造时传统人工尺寸检测在面对海量桥梁预制件时效率低、成本高的难题,使采用地面激光扫描(TLS)技术的智能尺寸检测突破现有数据处理算法的精度与效率瓶颈,建立了基于建筑信息模型(BIM)-TLS的桥梁钢预制件尺寸智检框架,包含构件几何尺寸检测与数字预拼装2个环节;二次开发了BIM点云化处理技术,构建了参照点云模型,采用直通滤波、统计去噪(SOR)滤波、体素化网格(VG)处理等算法预处理点云数据,实现了基于k近邻(kNN)算法的尺寸检测指标评价;通过3D-Harris特征点检测、正态分布变换(NDT)粗配准与迭代最近点(ICP)精配准提出了基于Harris特征与NDT-ICP算法的快速配准尺寸智检策略,并结合工程需求应用于某大跨拱梁组合结构钢箱拱预制件尺寸智检中。研究结果表明：采用提出的智检方法对2个相邻节段钢箱拱进行尺寸检测的最大偏差分别为1.689和1.571 mm,均满足制造偏差(小于2 mm)要求;与传统NDT-ICP算法相比,该方法将点云整体配准精度提高了35.3%,效率提高了61.88%,可见该方法表现高效且结果准确,促进了钢预制件几何尺寸检测智能化;基于该方法的拱肋数字...     

基于激光雷达的锥桶检测算法

针对激光雷达手动提取特征进行锥桶检测难以解决实时性、准确率兼顾的问题,设计了一种多线激光雷达的锥桶检测算法。在点云预处理部分使用直通滤波减少点云数量,地面分割部分使用优化后的随机采样一致性(random sample consensus,RANSAC)算法进行地面分割,最后对欧式距离聚类结果进行后处理。试验结果表明:与传统的RANSAC地面分割和欧式距离聚类相比,提出的地面分割优化方法能够更快速、准确地将地面点剔除并达到实时性要求,欧式距离聚类后处理可将非锥桶障碍物剔除。     

带噪声的点云数据的隐式曲面重建算法

针对三维扫描获取的带噪声和离群点的点云数据,提出了隐式曲面重建算法.用基于均值漂移的滤波算子,把每个采样点移动到核密度函数的局部最大值的点,以限制噪声并剔除离群点.然后,用自适应的八叉树空间划分方法将降噪后的采样点数据分成小的子域.最后,在每个子域内计算局部形状函数,并用单位分解法将所有的局部形状函数加权求和以逼近模型的全局函数.实验表明,该方法是鲁棒的,能用带噪声和离群点的点云数据实现多分辨三维重建,得到细节丰富的曲面.     

基于边界点云数据的3次B样条曲线拟合

点云边界特征线是指能够表达实物样件原始边界特征的测量点。边界不仅作为表达曲面的重要几何特征,而且作为求解曲面的定义域,对重建曲面模型的品质和精度起着重要作用。提出空间点云边界提取方法获取边界点云数据,然后通过“构造树型特征链”和3次B样条算法实现边界点云数据曲线拟合。     

基于一面两孔特征的点云配准方法

为了提高零件在扫描检测过程中点云与设计模型的配准精度,提出了一种基于一面两孔特征的点云配准方法.该方法粗配准以零件的平面/圆柱孔特征为对象,使设计模型和点云的局部坐标系重合,并通过改进ICP算法求解点云与设计模型最近点的距离最小平方和实现精配准.由于配准区域和最近点的计算方法不同,精配准进一步分为全域和特征域配准两种类型.全域精配准以距点云最近的设计模型三角网格点或投影点为最近点,适合于毛坯件;特征域精配准则通过求解点云在平面/圆柱孔特征上的投影点为最近点,适合于成品件.试验及计算结果表明:全域配准的配准精度随表面离散点距离的减小而提高, 当离散点距离达到1.50 mm时,其配准精度已经达到0.15 mm,基本满足工程应用要求.当配准精度相同时,配准效率较其它方法提高10%~20%.      

顾及自适应多细节层次的八叉树点云管理算法

为了解决大规模点云不易有效组织、动态可视化时冗余度大,且较难实现自适应显示的问题,提出顾及细节层次(levels of detail, LOD)的八叉树点云管理算法.该算法基于八叉树索引将扫描点限定在每个结点范围内,利用自上而下空间分割和自下而上参数计算相结合的预处理策略,减少实时阶段计算量,通过构建保守性模拟误差,使场景各处均可自动满足可视要求,并辅之以高效加速方法,实现了点云的有效组织和自适应流畅显示.实验研究表明,在优化的预处理和辅助加速策略支持下,与经典R树算法相比,该算法实时阶段计算量小,每帧自适应漫游平均时间在0.04 s以内.      

基于几何约束的倾斜影像特征匹配方法

针对倾斜影像视角变换较大、重复纹理导致匹配数量少、匹配精度不高的问题,提出一种适用于倾斜影像的特征点、线分级匹配方法.首先,用直线提取（检测）算法（LSD）获取影像直线特征,并将直线特征以一定约束进行直线组对,构建直线对区域与改进的SIFT (scale-invariant feature transform)特征描述符进行匹配,使用RANSAC算法剔除误匹配,获得初始匹配结果后再进行核线约束;然后,利用已获得直线对区域进行影像局部纠正,在纠正后的局部影像上采用SIFT匹配并反算回原始影像,利用得到的同名点全局纠正倾斜影像,并进行特征点匹配与采用基于方格的运动统计算法（GMS）剔除误匹配,仍将匹配结果反算回原始影像上;最后,将仿射尺度不变特征变化结果与点拓展匹配结果进行合并,得到最终匹配结果.试验结果表明：本文方法匹配正确率与经典的仿射不变匹算法（ASIFT）的正确率相差不大,但匹配数量却是ASIFT算法的1倍～3倍.     

基于机载LiDAR和Mean Shift算法提取森林密度

为获取森林密度信息,利用Mean Shift算法对森林点云进行单木分割提取森林密度信息.首先,以点云三维坐标和法向量作为特征向量,利用统计分析方法选择合适带宽及阈值,采用Mean Shift算法对点云进行初始分割;其次,对分割后的点云进行分析,加入灌木、杂草等过滤条件,得到树冠点云;然后,对树冠点云再次进行Mean Shift分割,并对每类树冠点云进行统计,以稳态点为粗略位置标记计算森林密度;最后,与地面实测数据进行验证.地面数据验证结果表明,平均计算精度达到90.0%以上,可满足林业应用需求;通过与分水岭法进行对比发现, Mean Shift方法获得的精度为92.5%,比分水岭方法70.0%高出22.5%,且避免了分水岭方法导致的过分割现象.      

基于激光雷达的无人驾驶障碍物检测和跟踪

针对激光雷达动态障碍物检测与跟踪过程中聚类适应性差、实时性低和跟踪准确度不高等问题，提出一种自适应的密度聚类算法和多特征数据关联方法，分别用于检测和跟踪. 首先，对激光雷达采集的点云进行路沿检测、感兴趣区域提取和地面分割等预处理，去除无关点云；然后，基于自适应的密度聚类算法对非地面的点云进行聚类，完成障碍物点云检测；最后，利用加权多特征数据关联算法结合卡尔曼滤波器实现对动态障碍物跟踪. 通过实验表明:本算法能够根据10 Hz的激光雷达数据实现对障碍物准确、稳定的检测和跟踪，且聚类时间缩短32%.      

表面重建中的三角网简化方法

讨论由大量的空间散乱数据点形成的三角网的简化技术。选择删除面方法作为简化方法，介绍了三角网简化准则和基于三角形法矢的简化权值计算方法。提出了在三角网简化过程中重新三角化的若干准则，并给出了基于边扩张的三角网重构算法。     

点云数据配准算法的研究

点云配准是点云数据处理的关键,直接影响最后合成结果和模型精度。目前,点云配准方法普遍存在对配准数据初始位姿要求高的缺点。将点云配准分为两个阶段：第一阶段是基于同名点配准,即粗配准,采用人机交互式,配准过程耗时短,节约时间;第二阶段是精配准,在粗配准后,依据最小二乘原理,用间接平差思想,通过最近点迭代算法对点云数据快速配准,并采用目标点集中、目标点坐标与转入目标点集中的点坐标中误差为指标,评价配准精度。进行粗配准的精配准不仅速度快、耗时短,并且可以避免因局部收敛而带来的局部最小问题。试验表明该方法有效可行。     

基于三维模型重构技术的公路预制构件尺寸检验评价方法

为使公路工程异形混凝土预制构件的制造尺寸检验评价适应工业化建造要求，应用三维模型重构技术检验评价了异形混凝土预制构件尺寸，提出了高精度、自动化异形混凝土预制构件尺寸检验评价方法，包括三维模型重构、点云数据处理和检验评价体系3个环节；总结了基于三维摄影的点云模型重构技术的原理和关键环节，研究了基于坐标转换和包围盒的无关点云自动剔除算法，并通过2个实例验证了该算法的效果；研究了点云整体配准和3类局部配准方法，针对不同形状的构件和不同位置的细部构造，结合工程需求进行对照；考虑工程需求并与配准方法对应，提出了基于彩色误差云图和数理统计方法进行构件尺寸检验评价的3种判异原则，包括误差均值和标准差判异原则、误差极值判异原则、综合判异原则；综合分析彩色误差云图和误差分布，利用判异原则对箱型涵洞侧墙和管型涵洞侧墙实例的尺寸进行了检验评价。研究结果表明:3种判异原则分别适合对预制构件进行整体宏观、局部单项和先整体后局部的检验评价；采用三维模型重构技术建立的异形混凝土预制构件点云模型，与实际构件相比其长度和宽度的误差均值约为1.5 mm，三维模型重构技术可以替代人工测量；能够自动化剔除无关点云，并执行更为严格且符合工程需求的构件尺寸检验评价。      

基于云模型的模糊边缘检测

基于云模型和模糊集理论。提出了一种新的边缘检测方法．该方法根据图像灰度。借助区域生长算法产生对象云；通过云运算生成边界云并构建模糊隶属带。进而在条件概率和模糊划分熵的基础上。根据最大模糊熵原则确定最优阈值，对图像模糊边界进行提取．试验结果表明。该算法能保留大量低灰度信息。可以获得较好的枪涮特栗．     

������ģ�͵Ľ�ͨ�ź���ѧϰ���Ʒ���

为了减少车辆通过路口的延误,采用云模型建立控制策略,运用Q-学习改进控制模型的参数。路口信号控制智能体通过感知系统获得车辆到达信息,根据信号控制规则集和车辆到达信息采取符合控制策略的控制行为改变当前信号状态。信号控制的关键规则采用二维正态半云描述,利用二维前件云发生器生成针对不同交通状态的控制策略。云模型中的主要参数通过Q学习算法进行优化,以总停车延迟作为目标函数经过迭代产生针对不同交通量的云模型最优控制方案。最后,使用仿真软件对传统控制方式和基于云模型的控制方式进行比较,仿真结果表明,基于云模型信号控制方法的控制效果优于定时控制和感应控制。     

不确定强对流天气下动态改航路径规划

为了解决对流云团状态不确定条件下的改航路径规划问题,利用云团预测状态的不确定性测度和外推位置随机误差建立多雷暴云团的状态转移矩阵,用于预测改航路径规划网络的时变阻滞状态.以期望改航代价最小为优化目标,以航段连续性和最大穿越风险代价为约束条件,建立了动态改航路径规划模型.针对确定性和不确定性两种天气场景的16种初始状态,采用遗传算法对模型进行求解,结果表明,通过预测云团状态的不确定变化,改航路径能策略性地选择穿越初始状态不可航云团或绕飞初始状态可航云团.与确定性改航策略相比,绕飞距离减少了40%,穿越云团次数减少了30.8%,改航路径的安全性和经济性均得到有效改善.     

云遗传算法

为了克服传统遗传算法搜索速度慢、易陷入局部最优解的缺陷，借鉴遗传算法的思想，利用云模型云滴的随机性和稳定倾向性的特点，提出了一种新的遗传算法——云遗传算法（CGA）．该算法由正态云模型的Y条件云发生器实现交叉操作，由基本云发生器实现变异操作．最后，进行了函数优化实验，并与标准遗传算法（SGA）和自适应遗传算法（AGA）进行了比较，以证明其有效性．