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。     

激光点云用于预制构件尺寸检测的方法研究

针对预制构件尺寸批量检测的技术难题,提出一种基于三维激光点云的检测方法,运用点云关键角点提取与断面剖分思路,首先在点云预处理的基础上通过面域分割获取构件各外露面的完整面域;其次利用切片剖分获取断面点并提取关键角点坐标,再计算构件尺寸及几何线形;最后实现构件逆向三维建模以反映构件实际空间形态。将该方法应用于预应力混凝土预制组合箱梁的尺寸检测中,结果表明该方法所得尺寸点云计算值与人工测量值误差在1%以内,具有较好的测量精度。该方法能实现构件尺寸多断面检测,相较于人工测量方法更完善,可完成预制构件尺寸的批量检测以及后续的逆向三维建模。研究成果对提高桥梁构件的智能化检测水平具有重要的理论意义和实用价值。     

反求工程中点云数据的获取

反求工程CAD建模数据点的获取技术,是利用相应的测量设备或扫描设备对测量对象进行测量或扫描,以形成产品三维实物模型的技术。目前使用最广泛的是光学测量法。该方法是一种非接触式方法,采用这种方法可进行全场测量,也可以逐点、逐线扫描测量。为了能够快速而准确地反映被测物体的面型特征,采用线扫描测量法。此方法的测量精度比投影光栅全场测量法高,测量速度比点扫描法快。     

面向多样化终端的自适应网络三维可视化方法

随着移动互联网的快速发展,三维GIS （geographic information system）应用的用户终端设备类型日趋多样化,现有单一的网络可视化方法难以适应多样化终端需求.针对上述问题,本文首先设计了基于B/S （browser/server）模式的自适应三维可视化架构,然后重点探讨三维数据的多样化组织、自适应四叉树组织与动态索引构建、三维场景自适应调度等关键技术,最后基于WebGL技术构建原型系统并进行案例实验.实验结果表明:桌面端设备笔记本电脑的可视化渲染帧率最终稳定在40 帧/s左右;移动端设备平板电脑、智能手机的可视化渲染帧率最终稳定在20 帧/s左右;不同类型终端上进行网络可视化均能保证较高的可视化帧率及效果,证明了本文提出方法的有效性与可行性.      

LIDAR点云数据处理与应用

机载雷达测量技术作为一种主动、快速、精确的新型遥感测量方法,自出现以来便受到广泛关注,其获取空间数据的后处理也已成为研究热点。分析LIDAR点云数据的获取原理及分类,探讨Microstation的terra模块数据及LIDAR点云数据的分类处理方法。     

高速道岔尖轨点云的复合拼接及数据处理优化

为实现高速铁路尖轨磨耗的高效检测,结合高速尖轨的检测需求及其几何特征,提出了基于距离编码器的复合拼接方法.该方法将距离信息融合到点云拼接中,提高了检测系统的自动化程度.在计算点特征直方图（point feature histograms,PFH）的过程中,引入OpenCL（open computing language）异构加速模型调整点云的数据结构,发挥GPU的并行处理优势获得了更快的数据处理速度.利用实际尖轨开展磨耗检测实验,证明了针对高速尖轨的结构光检测系统有效可行.经过点云拼接和点云扫描数据处理的优化,系统的整体检测效率获得了70%左右的提升.      

数据可视化技术及其在非机动车网络规划中的应用

采用交通大数据对城市交通进行交通研究是当下规划设计的热点。以晋江市中心城区非机动车网络规划为依托,对晋江公共自行车出行大数据进行分析,使用百度开源可视化编程平台ECharts将每组公共自行车的出行轨迹、到发时间以及出行起讫点等数据分析转化为规划关键数据。结果表明,通过数据可视化技术可以精准获取城市自行车主要通行通道以及城市骑行热点等规划关键数据并应用到晋江非机动车网络及设施规划中。     

基于金字塔特征融合的二阶段三维点云车辆检测

针对三维点云鸟瞰图特征提取不充分导致车辆目标检测性能欠佳问题,本文提出一种基于金字塔特征融合的二阶段三维点云车辆目标检测算法。首先通过降维处理并利用体素占用编码原始三维点云,得到二维特征图输入;然后,利用上采样网络传递高层语义特征,下采样网络传递低层位置特征,构建一阶段金字塔网络结构提取车辆目标特征;最后,通过候选区域提取层得 到不同尺度的候选区域,利用兴趣区域池化层对齐各候选区域尺度,并采用全连接层融合多尺度特征,提取不同感受野下车辆目标特征;此外,在损失函数方面,补充正余弦角度损失并加权到总损失函数中,优化车辆目标航向角预测。基于KITTI公开数据集的实验分析表明,本文算法相较基准网络能够有效补充三维点云鸟瞰图特征提取,在不同难度的检测任务中平均检测精度提高 了5.07%~8.59%。     

网络云环境下高职艺术设计改图创新模式教学与能力数据挖掘探析

文章提出运用网络云空间作为师生互动交流的通道,籍以再现经典1对1改图模式教学效果的教学改革路径,并运用云空间和数据挖掘技术进行设计图纸数据的积累和动态分析,有助于提升学生艺术设计能力的个性特质。     

基于点特征的图像数据配准方法研究

数据配准是数据融合过程中最重要的一个环节,通过感兴趣点检测算子提取点特征,利用点特征中的控制点或特殊点来定义松弛算法中的基本点对,并对松弛算法中点特征的匹配度进行改进,从而完成基于点特征的图像配准过程.实验表明,在仅存点特征位置偏移和存在比例、旋转与平移变化2种情况下的点特征匹配中,文中所提出的匹配算法有很高的匹配正确率.     

虚拟环境内部的数据变换和融合研究

虚拟环境（ＶＥ）是一个融合了多维信息数据以产生沉浸感,投入感的仿真环境,为交互ＶＥ中的虚拟对象,需经过一系旬的几何变换,研究了ＶＥ中各种坐标系的几何变换过程,重点探讨了手空间,立体视觉与虚拟空间的数据融合,保证了人机交互的协调性,而且,就上述理论环境,给出了具体的实例,验证了ＶＥ内部的数据融合了关系。     

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.     

神经网络在交通流信息融合中的应用

在城市交通控制系统中可利用数据融合技术获得准确的车辆状态和身份估计,并将相关信息用于交通管理的决策.应用人工神经网络的方法在多传感器信息融合的基础上,提出了一种基于信息融合思想的神经网络模型,并通过实际验证了其有效性及可靠性.     

城市轨道交通网络客流大数据可视化

客流分析是轨道交通运营组织的基础,传统的客流分析方法无法从海量的乘客历史出行大数据中提取与挖掘乘客出行规律和特征。大数据可视化为获得洞察大规模复杂客流数据能力提供支撑。基于城市轨道交通网络实际运营需求,从客流认知、可视化、人机交互的综合视角出发,基于GIS地图、网络迁徙图、日历图、散点图、弦图等可视化图形,研究大规模复杂网络OD客流、断面、进出站和换乘客流大数据可视化的运营需求关键技术与实现方法。对上海城市轨道交通网络客流大数据进行实例分析,可视化展示结果有利于运营管理人员掌握网络客流时空变化特征以及演变规律,为制定科学行车与客运组织方案提供决策依据。     

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%.      

一种基于融合网络的慢行交通速度计算方法

慢行交通速度是慢行交通参数不可或缺的一部分,现有的通过目标检测从视频中提取目标速度的方法不能兼具检测准确率与目标框的稳定性,且选取的速度计算基准点(简称基准点)波动大,存在速度不准确、不稳定的问题。为解决此问题,本文提出一种基于 YOLOv5(You OnlyLook Once Version 5)的融合检测跟踪网络及速度计算方法,获取更准确、稳定的速度。首先,使用目标检测与目标跟踪单元得到目标的检测框与ID信息,并根据检测框获取目标感兴趣区域送入头部检测单元,进一步获取头部检测框;其次,根据场景下的目标特征判断头部检测框所属,并根据判断结果提供两种基准点计算方法;最后,对二维基准点坐标进行三维映射,并将结果代入速度计算公式获得速度;同时,提出准确度( MA )、稳定度( MS )两个评价指标以量化评价方法。本文在公开数据集PETS09-S2L1与TUD-Stadtmitte上验证融合网络的检测、跟踪效果,在自建双视角协同数据集上验证基准点计算和速度计算方法的效果。实验结果显示,融合网络的目标检测和跟踪准确率(MOTA)比单一网络高25%以上,本文速度计算方法比常用速度计算方法的准确度提高了30%,稳定度提高了6.28%。本文方法可兼具检测准确率与目标框的稳定性,选取的基准点波动更小,获得的速度更准确、稳定。     

自组织径向基神经网络在数据融合中的应用

径向基神经网络是一种基于数值计算方法插值逼近原理构造的人工神经网络，学习速度快且可以避免局部极小问题。文中提出了使用一种自组织径向基人工神经网络来构造雷达功能推理机的方法，此网络采用非监督自组织和监督学习相结合的混合学习算法。实验结果表明，径向基神经网络只需要用比模糊神经网络少很多的学习时间即可达到相同的识别结果。