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。     

随机工件的点云场景CAD模型的快速识别与定位

工业机器人精准抓取工件的前提是能够获取到目标工件的位置与位姿的信息。提出一种在三维点云场景对随机摆放目标工件的快速、精准的识别与定位的方法。在复杂点云场景中随机采样并提取关键点组成随机点对表征局部特征,再与由物体CAD模型建立的三维匹配模板进行配准,获得一系列候选位姿。利用表面相似点占比多次优化位姿,确定目标工件最佳位姿。最后利用虚拟相机投影二维视图到图像坐标系直观呈现结果。选择汽车座椅连接件作为验证实验的实验对象,实验结果表明:目标工件平移方向上拟合误差可以达到0.3 mm左右,旋转的拟合误差可以达到0.8°左右,具有较高的稳定与高效性能。     

基于HSV模型和特征点匹配的行人重识别算法

提出了一种基于HSV模型和特征点匹 配相结合的行 人重识别算法。首先根据改进的HSV空间颜色量化策略,比对两幅行人图像的 躯干和腿部主颜色是否一致,以快速确定备选目标;然后对备选目标,利用环形Gabor滤波器组生成多尺度图 像,再利用改进的FAST算法和BRIEF算法对多尺度图像进行特征点提取与描述,最后利用暴 力算法和随机抽样一 致性算法进行特征点匹配和提纯,以达到较好的匹配效果。实验结果表明,本文提出的行人 重识别算法具有较高的识别准确率,识别速度达到12frames。     

基于立体视觉与特征匹配的点云目标识别算法

准确提取三维点云数据中待测目标的点云集合是三维点云目标识别技术的一个关键问题,也是近年来目标识别领域从二维向三维拓展的一个重要挑战,其主要难点在于快速寻找离散点云之间的相关函数关系。结合立体视觉与特征匹配构建了可以表征不同视场条件下的目标点云约束的机制,通过采用立体视觉作为约束条件完成了对原有特征匹配算法的优化。设计了基于立体视觉的估计算法,通过训练学习获得了不同选取比例条件下的识别规则。实验采用ARIES激光雷达采集点云,并通过MATLAB选取三种典型目标状态。当目标区分度高时,优化前后的目标识别率都在98%以上;当目标区分度低时,优化后对目标边界的限定条件可以很好地提高识别概率。采用优化的点云数据位置偏差量可达到0.55 mm,相比未优化的0.74 mm提高了0.19 mm。同时,优化后算法的收敛时间曲线要优于未优化的,3000点以上的收敛时间均值约为8.33 s,优于未优化的12.76 s。综上所述,优化后的算法具有更好的识别效率。     

基于分层特征的群体行为识别

提出了一种基于分层特征的群体行为识别方法。为了有效地描述识别信息,利用三层局部因果关系编码群体行为来描述运动特征,采用自我因果关系,双人因果关系,群体因果关系分别描述个人层级,双人层级,群体层级的运动特征,并结合外观特征来描述群体行为。最后,采用概率潜在语义分析(PLSA,Probabilistic Latent Semantic Analysis)模型进行群体行为识别。利用该方法在NUS-HGA这个数据集上进行了训练与测试,证明了该方法的有效性。     

三维散乱点云模型的特征点检测

随着三维点云模型越来越受到人们的关注,如何对数据量大,无序的三维点云模型进行特征点检测也是近几年的研究热点。本文提出了基于曲率和密度的特征点检测算法,为每个数据点定义一个特征参数,这个参数由三部分组成:点到邻居点的平均距离;点的法向与邻居点法向夹角的和;数据点曲率。然后通过八叉树方法计算模型的数据点密度,将这个密度作为阈值,特征参数大于阈值的点就是检测到的特征点。本文计算时,检测模型的特征点只需用到三维点云模型的几何特征,如数据点法向,曲率和邻居点。实例验证本算法可准确地检测出散乱数据点云的特征点。      

云模型在分布式传感器辐射源识别中的应用

针对辐射源识别中的参数模糊交叠问题,提出了基于云模型的辐射源样本隶属度获取方法,结合分布式传感器的优势,构建云模型在分布式传感器辐射源识别中的应用系统。首先介绍云模型的有关概念,其次分析分布式传感器的特征,再由云模型区间型和离散型辐射源样本隶属度,并进行单传感器时域融合和分布式传感器信息融合,利用判决规则完成决策。仿真结果说明基于云模型的辐射源识别率高。     

采用航迹特征的智能机型识别

针对空战目标识别中机型自动识别比较困难的问题，提出了采用航迹特征的智能目标识别方法。利用卷积神经网络（Convolutional Neural Network，CNN）分层学习特征的能力，训练CNN算法模型自动地从航迹数据中学习有用的特征并分类。利用沿海实地采集的15个类别的飞机航迹数据，经一系列数据预处理后作为智能识别算法的训练和测试数据，在验证实验中描述了算法网络的相关配置,对比了CNN与其他分类器的识别结果。实验结果表明，CNN具有很好的识别性能。     

基于注意力机制的三维点云目标识别

针对现有基于深度学习方法的三维点云目标识别算法存在多层感知法缺少点间的特征交互、对点云间欧式距离的依赖、未考虑特征通道层面关联性问题,提出一种基于注意力机制的三维点云(PAttenCls)目标识别算法。采用基于点的空间注意力机制,挖掘各点之间的注意力值,实现自适应的云邻域选择;同时采用基于点的通道注意力机制,给特征通道自适应分配权重,实现特征增强。此外,在网络中添加了一个几何均匀化模块,以应对不同局部区域几何结构的不同特征模式。所提算法在ModelNet40数据集上的识别准确率为93.2%,在ScanObjectNN数据集最难子集上的识别准确率为80.9%,并在实测数据上验证了算法的有效性。实验证明了本文所提算法可以更好地提取点云的特征信息,使点云识别结果更加精准。     

一种从激光雷达点云中提取建筑物模型的方法

提出了针对机载激光雷达点云的建筑物三维模型提取方法.首先通过滤波从点云中提取数字地形模型(DTM),再从数字表面模型(DSM)中剔除DTM影响,得到正规化数字表面模型(nDSM);然后通过高程滤波和双边滤波从nDSM中得到建筑物区域;在建筑物几何形状约定下,将建筑物分"层"处理,通过边缘探测与规格化算法得到每"层"建筑物的边缘;边缘点坐标构成了建筑物三维模型的基础.该方法借助数学形态学易于计算机处理的优点,能较为快速、准确地提取建筑物三维模型,适合大规模、快速、对精度要求不高的lidar数据提取.最后通过数据验证了该方法的可行性及有效性.     

激光点云数据库分布式存储模型构建

网络技术与三维激光扫描技术飞速发展,点云数据量激增,大幅降低了存储效率与稳定度,因此,面向激光点云数据库,采用分布式存储理念构建一种存储模型.通过边角定位与多角度扫描,采集三维激光点云数据,组建点云数据库,分割目标三维扫描区域为固定大小独立块,利用立体六边形长、宽、高的向上取整函数,描述三类独立块个数,按序嵌入独立块坐...     

基于逆向云模型的雷达目标识别

提出了一种基于逆向云模型的雷达目标识别方法。首先,基于模-1距离准则建立了云滴确定度,对高分辨距离像(HRRP)距离单元进行正态逆向云模型建模;然后,定义逆云隶属度表征待测样本属于某个训练类别的概率。对目标模板库中5种飞机高分辨距离像数据的仿真结果表明,该方法具有识别率高、对训练样本量的要求较为宽松和方位角划分不敏感等优点,是一种有效的雷达目标识别方法。     

VirtualActionNet: A strong two-stream point cloud sequence network for human action recognition

In this paper, we propose a strong two-stream point cloud sequence network VirtualActionNet for 3D human action recognition. In the data preprocessing stage, we transform the depth sequence into a point cloud sequence as the input of our VirtualActionNet. In order to encode intra-frame appearance structures, static point cloud technologies are first employed as a virtual action generation sequence module to abstract the point cloud sequence into a virtual action sequence. Then, a two-stream network framework is presented to model the virtual action sequence. Specifically, we design an appearance stream module for aggregating all the appearance information preserved in each virtual action frame. Moreover, a motion stream module is introduced to capture dynamic changes along the time dimension. Finally, a joint loss strategy is adopted during data training to improve the action prediction accuracy of the two-stream network. Extensive experiments on three publicly available datasets demonstrate the effectiveness of the proposed VirtualActionNet.     

基于Mumford-Shah模型的水上桥梁目标分割与识别

在桥梁知识的基础上,从河流和陆地的区域特性出发,提出了一种基于Mumford-Shah（MS）模型的水上桥梁分割算法.首先对Mumford-Shah模型中的区域权重进行相关性定义,实现对水域的分割,然后根据桥梁与河流区域边界的几何位置关系实现对桥梁目标的提取和识别.实验表明,该算法能够实现对水上桥梁目标的提取,尤其对远距离小目标水上桥梁及灰度梯度较弱图像的桥梁分割更有效.     

基于云模型移动对象行为识别算法评价

为了研究视频监控中异常行为识别算法鲁棒性、准确度和速度的评价方法,将采集图像序列移动对象运动类型等参数作为样本输入逆向云发生器,得到移动对象定性概念的定量表示:期望值Ex、熵En和超熵He。以这些参数作为基础模拟出移动对象行为参数表征。Ex,En和He输入正向云发生器,将每个移动对象设计成一个智能体,个体通过感知环境和自激励调整行为参数,产生多种行为表征参数,并用这些参数来评价行为识别算法。通过实验实现了多种行为表征参数的模拟,用这些参数评价了几种典型算法,实验结果表明评价方法切实可行。     

基于相位相关滤波与点云特征的激光点云配准方法

文中针对激光点云配准效率低和处理时间长的问题,提出一种基于相位相关滤波结合特征的扫描配准方法。扫描配准算法被解耦为旋转匹配与平移匹配两个步骤。在旋转匹配中,霍夫描述符提取的线段特征结合相位相关滤波得到具体的旋转量。平移匹配主要基于点云的边界特征,使用相位相关滤波处理提取到的特征,得到准确的x和y方向的平移量。与传统的迭代最近点(ICP)相比,提出的配准策略在处理静态数据时错误率降低了89.2%,处理时间降低了91.6%。同时,动态数据实验表明提出的方法具有较低的中位数和更好地一致性。     

预应力混凝土连续梁桥应力监控

文章介绍了大跨预应力混凝土连续梁桥应力监控的重要性,使用MIDAS/Civil进行仿真分析,将实际应力和理论应力进行对比,并分析了应力误差产生的原因。