GPS控制网公共点兼容性问题研究

介绍了GPS控制网公共点兼容性对平差结果精度的影响及对公共点兼容性进行检验的必要性，分析了对公共点兼容性进行检验的主要检验量及其相互关系，并比较几种常用公共点兼容性检验方法的优缺点，最后结合某次测量工作对公共点兼容性检验的方法和检验结果进行比较。     

掌纹轮廓特征点提取新方法

基于Harris角点检测方法的基本原理,提出了一种轮廓特征点提取的新方法。为了满足提取掌纹轮廓特征点的要求,根据掌纹中所要提取的轮廓特征点所在区域的生理特征(凸凹形区域),对Harris角点检测方法进行了改进,对算法进行了推导和讨论,并进行了实验研究。实验结果表明,用该方法提取的掌纹轮廓特征点能够方便地对掌纹进行定位,为实现掌纹自动识别算法打下了基础。     

运用解析方法分析量子点的应力应变分布

运用解析方法对量子点的结构进行分析,通过对积分核函数进行计算,可以得到各种量子点结构的应力应变分布. 同时,对常见的金字塔形和圆锥形等量子点的结构进行了具体分析,并且与有限元方法计算得到的结果进行了比较. 结果证明,这种方法能更加普遍地得到量子点结构的应力应变分布,提高了计算速度,可以方便地应用于量子点的电子能级计算.     

帕萨特1.8T轿车顶盖多点成形工艺的研究

介绍了多点成形压力机的工作原理,对轿车顶盖多点成形的数值模拟过程进行研究,并以Passat1.8T轿车顶盖为例,对其多点成形工艺及成形中的压痕现象进行数值模拟,对加有弹性垫的情况进行了有限元分析,并进行了实验验证,为多点成形技术在汽车覆盖件冲压成形过程中的应用奠定了一定的基础。     

基于线性预测的图像去噪

针对图像脉冲噪声的去除问题,本文提出了一种基于线性预测的新方法.根据噪声的特点,首先将像素点分成信号点和可疑噪声点,对信号点不进行处理,对可疑噪声点进行进一步分析.若可以噪声点被确定为噪声点,则采用线性预测方法进行滤波,否则保持不变.实验结果表明,本文方法不仅有效的去除了噪声,而且很好的保持了图像的细节.     

一元线性回归模型突变的估计

提出了变点回归的概念,建立了一元线性变点回归的数学模型,用拉格朗日乘数法对变点回归模型的参数进行了最小二乘估计。根据变点是否落在自变量的某一观测值上,把回归变点分为两种类型,回归变点最终位置和类型的统计推断,应使总体回归残差平方和最小。根据不同变点下总体残差平方和的性质,对回归变点的计算进行了简化。     

基于机载 ＬｉＤＡＲ数据的建筑物屋顶边界提取

针对机载 ＬｉＤＡＲ点云数据提出了一种建筑物屋顶边界提取方法。首先,将建筑物屋顶激光点云 投影至 ＸＯＹ平面上,对屋顶点云构建网孔,初步提取建筑物边缘点云并去除部分孤立点;然后,采用改 进的带距离控制的卷包裹算法对角点进行提取,根据相邻房屋边缘点一侧不存在激光点的性质,对边缘点 云进行二次提取;最后,对房屋边线上的点云采用最小二乘直线拟合方法分别拟合屋顶各边线,并对拟合 后的边线进行规则化及扩展,还原建筑物边界线。相比于基于不规则三角网模型的边缘提取方法,采用本 文算法获得了更多边缘点,并且避免了凸包性缺陷导致对建筑物边缘提取造成的关键边缘点遗漏问题,对各种形状建筑物均有较强适应性,且运行效率更高。     

基于行为一致性的密集场景人群分群检测算法

针对公共场所无序运动人群密集场景,提出了一种无监督的自动人群分群检测算法。在由高斯混合模型背景去除法得到的前景区域提取KLT特征点,通过分析特征点的运动特性,对邻域特征点采用速度方向过滤算子和运动相关性过滤算子进行逐级过滤;对非邻域特征点采用运动轨迹相似性过滤算子进行过滤,遍历所有特征点,以实现人群的分群检测。该算法不需要对单个行人进行分割及样本训练,也不需要任何先验信息,且在邻域特征点划分过程中,邻域的特征点数能根据相邻距离特征点的最短距离进行自动调节。采用具有不同运动模式的密集场景视频对所提出的算法进行了试验,结果验证了算法的有效性、可靠性和优越性。     

水溶性CdTe/CdS量子点的制备及发光特性

采用水相合成法,以三种不同的稳定剂：巯基乙醇,巯基乙酸和巯基乙胺制备了CdTe/CdS核壳结构的量子点.研究了反应时间和稳定剂的种类对量子点荧光的光学特性的变化趋势的影响.结果表明,随着量子点晶体生长时间的增加,量子点的荧光峰向红移,荧光发射强度增加,半峰宽几乎保持不变.稳定剂的种类对量子点的荧光发射峰的波长有较大的影响.采用CdS对CdTe进行包裹,制备壳核结构的CdTe/CdS量子点.包裹后能增强水相制备过程中量子点在水相中的荧光强度和发光稳定性,改变量子点的荧光特性.采用红外光谱,对稳定剂和量子点之间的连接关系进行了初步探讨,并采用透射电子显微镜,对CdTe/CdS量子点的微观形态进行观察.     

基于机载LiDAR数据的建筑物屋顶边界提取

针对机载Li DAR点云数据提出了一种建筑物屋顶边界提取方法。首先,将建筑物屋顶激光点云投影至XOY平面上,对屋顶点云构建网孔,初步提取建筑物边缘点云并去除部分孤立点;然后,采用改进的带距离控制的卷包裹算法对角点进行提取,根据相邻房屋边缘点一侧不存在激光点的性质,对边缘点云进行二次提取;最后,对房屋边线上的点云采用最小二乘直线拟合方法分别拟合屋顶各边线,并对拟合后的边线进行规则化及扩展,还原建筑物边界线。相比于基于不规则三角网模型的边缘提取方法,采用本文算法获得了更多边缘点,并且避免了凸包性缺陷导致对建筑物边缘提取造成的关键边缘点遗漏问题,对各种形状建筑物均有较强适应性,且运行效率更高。     

带不等式约束的线性回归模型中单个异常点的检验和影响度量

对带不等式约束的线性回归模型进行了异常点检验,通过数据删除模型找出一个数据点是否为异常点的度量依据,并且给出了单个数据点的影响度量.     

一种指纹奇异点检测方法

针对指纹图像边缘奇异点检测的不足提出了解决方法,并在此基础上提出了新的奇异点检测的改进方法。首先,基于加权平均插值法对指纹图像边缘进行修复;然后,依据不同阶的Gaussian-Hermite矩分布特性确定奇异点区域;最后,运用改进的Poincare index方法对奇异点进行精确定位。实验结果表明,该算法能够准确的确定奇异点的位置。     

最小亮度变化角点自适应检测算法研究

对最小亮度变化角点检测进行了深入探讨，对其存在的不足提出两点改进：(1)用模糊度概念进行自适应窗口插值，大大减少了以往最小亮度变化角点检测普遍采用固定窗口插值所造成的漏检和虚报概率；(2)利用斜线上边缘点的方向连续性，有效地滤除了由于图像量化误差而造成的伪角点．实验证明，改进的算法明显地提高了角点检测概率和准确度．     

简单物体的识别与定位

本文利用图象预处理技术和模式识别技术对计算机视觉进行了分析。对一个假想的三维线型世界，本文提出了一种简单、有效的分析方法，并做了相应的实验，获得了满意的效果。首先采用双摄象头捕促一场景的左、右两幅图象，分别进行图象处理和边缘跟踪，获得各轮廓点后，根据线型物体和轮廓的几何特点，求得各角点，然后，利用粗细扫描相结合的方法搜索内角点，接着对左右两幅图象的角点进行匹准，根据匹准后的角点坐标对空间物体进行定     

逆向工程中数据的处理

讨论了逆向工程中几种数据采集的方法以及经采集后的数据如何进行处理.测量中进行数据采集常用随机采集法、网格采集法、Hammersely点法和故障函数法等.数据处理的一个重要工作是对扫描点进行编辑,如补偿点产生、噪声点删除、数据点精化、数据点加密以及坐标转换等.还叙述了一般产品建模技术.     

基于深度学习的点云语义分割研究综述

点云作为一种重要的三维数据类型，在自动驾驶、机器人、虚拟及增强现实等人工智能方面应用广泛。点云语义分割是点云处理中的关键任务，旨在将点云中的每个点分配给特定的语义类别。综述了国内外基于深度学习的点云语义分割的研究进展。首先，总结了点云语义分割中常用的开源数据集，并介绍了间接基于点云和直接基于点云的深度学习处理方法及其应用进展。此外，给出了这些方法的实验结果，并对他们进行了简要对比。最后，对当前点云语义分割所存在的问题进行了探讨，并提出了未来的研究发展方向。     

离群点检测算法研究

离群点检测是数据挖掘中一项重要内容,通过对当前有代表性的离群点检测算法的分析和比较,对各算法的优缺点进行了总结.针对高维数据中离群点检测算法进行了分析和研究,提出了高维数据中离群点检测需要注意的一些问题,从而便于研究者以这些算法为基础,在此基础上提出新的改进算法.     

多股射流入射水垫塘点面脉动压力特性

本文首次对１：１００大比尺的水垫塘模型在多股射流入射时的底板点面脉压进行了多组次量测,对点面壁压的自相关特性,点面脉动强度关系及点面关系的频谱特性进行了分析,得到点面壁压脉动强度均化系数Ｃｐ与承压面积Ｓ和水垫塘水垫深度ｈｔ的经验公式。这些结果为工程设计提供了重要的依据。     

一种图像形态学的角点检测改进算法

提出了利用数学形态学对原有跟踪目标图像进行角点检测的改进算法.针对原有算法中检测效果往往受结构元素尺寸大小影响较大,提出了一种利用多尺寸大小的结构元素对目标进行角点检测,将检测结果进行融合的方法.实验结果表明该算法能够准确的找到图像的角点,对噪声起到了有效的抑制.     

基于Mean Shift和随机游走的图像分割算法

提出了一种改进的随机游走算法。首先,采用Mean Shift算法对图像进行预处理,将图像划分成一些同质区域,用同质区域作为节点进行随机游走,在降低节点数的同时也抑制了噪声对分割的影响;其次,利用马氏距离定义区域之间的权值;对种子点进行了改进,增加了辅助种子点,利用辅助种子点和用户标记的种子点进行随机游走,实现同质区域的合并,实现图像的最终分割。实验结果表明,该算法提高了图像分割的精度。