基于深度图像的点云边界点提取

三维激光扫描技术可以快速获取海量数据,如何提取数据中的点云边界点是一个重要的研究课题。先将三维点云坐标数据转换成深度图像,然后逐点比较深度图像中每个采样点及其邻域点的距离变化,通过赋分计算判断该点是否为点云边界点并进行边界点分类。利用两个场景的点云数据对该算法的效果进行检验,实验中该算法基本能正确提取物体边界点并作分类,具有一定的实用性。更多还原     

RECONSTRUCTION STABILITY OF NEARFIELD ACOUSTIC HOLOGRAPHY

The distributed source boundary point method (DSBPM) is used as the spatial transform algorithm for realizing nearfield acoustic holography (NAH),the sensitivity of the reconstructed solution to the measurement errors is analyzed,and the regularization method is proposed to stabilize the reconstruction process,control the influence of the measurement errors and get a better approximate solution.An oscillating sphere is investigated as a numerical example,the influence of the measurement errors on the reconstruction solution is demonstrated,and the feasibility and validity of the regularization method are validated.     

一种去除挂网图像锯齿的方法及装置

正成果描述:该方法确定挂网图像中像素点的边界方向和边界强度,确定第一候选边界点,进行方向滤波,确定每个第一候选边界方向;根据每个第一候选边界点的目标边界方向及设置的检测模板,确定第一候选边界点中的第二候选边界点;根据第二候选边界点的目标边界方向,确定第二候选边界点中的边界点;当为边界点时,并为根据对挂网图像进行的图文检测确定的文字上的边界点时,进行插值     

基于边界点检测的变密度聚类算法

密度聚类算法因具有对噪声鲁棒、能够发现任意形状的类等优点,得到了广泛的应用。然而,在实际应用中,这种算法面临着由于数据集中不同类的密度分布不均,且类与类之间的边界难以区分等导致聚类效果较差的问题。为解决以上问题,提出一种基于边界点检测的变密度聚类算法（VDCBD）。首先,基于给出的相对密度度量方法识别变密度类之间的边界点,以此增强相邻类的可分性;其次,对非边界区域的点进行聚类以找到数据集的核心类结构;接着,依据高密度近邻分配原则将检测到的边界点分配到相应的核心类结构中;最后,基于类结构信息识别数据集中的噪声点。在人造数据集和UCI数据集上与K-means、基于密度的噪声应用空间聚类（DBSCAN）算法、密度峰值聚类算法（DPCA）、有效识别密度主干的聚类（CLUB）算法、边界剥离聚类（BP）算法进行了比较分析。实验结果表明,所提算法可以有效解决类分布密度不均、边界难以区分的问题,并在调整兰德指数（ARI）、标准化互信息（NMI）、F度量（FM）、准确度（ACC）评价指标上优于已有算法;在运行效率分析中,当数据规模较大时,VDCBD运行效率高于DPCA、CLUB和BP算法。     

基于边界混合重采样的非平衡数据分类方法

在非平衡数据分类问题中,为了合成有价值的新样本和删除无影响的原样本,提出一种基于边界混合重采样的非平衡数据分类算法。该算法首先引入支持k-离群度概念,找出数据集中的边界点集和非边界点集;利用改进的SMOTE算法将少数类中的边界点作为目标样本合成新的点集,同时对多数类中的非边界点采用基于距离的欠采样算法,以此达到类之间的平衡。通过实验结果对比表明了该算法在保证G-mean值较优的前提下,一定程度上提高了少数类的分类精度。     

基于多判别参数混合方法的散乱点云特征提取

针对以往散乱点云特征提取算法存在尖锐特征点提取不完整以及无法保留模型边界点的问题,提出了一种多个判别参数混合方法的特征提取算法。首先,对点云构建k-d tree,利用k-d tree建立点云k邻域;然后,针对每个k邻域计算数据点曲率、点法向与邻域点法向夹角的平均值、点到邻域重心的距离、点到邻域点的平均距离;最后,据此四个参数定义特征阈值和特征判别参数,特征判别参数大于阈值的点即为特征点。实验结果表明,与已有算法相比,该算法不仅可以有效提取尖锐特征点,而且能够识别边界点。     

一种高效的基于联合熵的边界点检测算法

为了快速有效地检测出聚类的边界点,提出一种将网格技术与联合熵相结合的边界点检测算法.该算法中网格技术用于快速查找数据集中聚类边界所在的网格范围,联合熵用于在边界落入的网格范围内准确识别聚类的边界点.实验结果表明.该算法能够在含有噪声点,孤立点的数据集上,有效地检测出聚类的边界,运行效率高.     

一种区域弦分布形状描述子及其在形状特征识别中的应用

为了通过目标区域内弦的分布稳定地描述目标的形状特征,首先定义了区域主弦和基于主弦的垂直扫描弦。并由区域主弦和垂直扫描弦的长度、位置分布组成了目标区域弦分布;然后根据区域弦分布,定义了区域弦面积、弦平行度、边界点对称率、主弦长度、弦方框率等描述目标区域形状的有效特征;最后利用区域弦分布形状描述特征对一些简单形状和显微镜细胞图像进行了实验。实验结果表明,区域弦分布形状特征不仅可以有效区分圆、椭圆、矩形、平行四边形和不规则多边形等简单形状,而且在显微镜细胞自动分类与识别系统中增加细胞区域弦分布特征后,目标识别率明显提高,误判率明显降低。另外,通过弦分布形状特征,系统还可以有效区分长条管形细胞、方形结晶细胞、圆形细胞和不规整细胞的形状。     

机器人工作空间边界提取算法研究

蒙特卡洛法是对机器人进行工作空间分析的一种简单常用的方法,而工作空间边界点提取是蒙特卡洛工作空间分析中的关键环节。用一种改进算法对一七自由度机器人的工作空间进行边界点提取,提取效率和结果都满足后续工作的要求。通过实验对改进算法的效率和精度进行分析,实验结果证明了改进算法的有效性。     

利用离散边界点判断的反向最远邻查询算法

目前大部分的反向最远邻查询方法对查询点是否存在反向最远邻的情况不进行判断,当查询点不存在反向最远邻的结果集时,也进行全部的操作,增加了查询消耗。针对这种情况,提出了利用离散边界点判断查询点是否存在反向最远邻结果集的方法,利用离散边界点、四分邻域区和半平面修剪策略进行过滤操作,并验证过滤后得到的结果集中数据点的有效性。实验测试了查询点的位置对查询的影响和数据集的大小以及数据分布对查询的影响,并与利用凸包判断的方法进行了对比分析。实验结果表明,当查询点不是离散边界点时,查询消耗几乎为0,当查询点移动到边界时,查询消耗增加。实验表明提出的方法可以得到查询点的反向最远邻结果集。