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)...     

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.     

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.