基于K最近邻局部点关系图卷积的点云分类

为进一步提高大规模多种类三维点云分类的准确率,提出一种局部区域建立K近邻点关系的卷积神经网络,其关键是从点与点的关系中进行学习。在采样组采样后,对点云模型进行建图,从点与点之间的关系以及中心点的特征进行更深一步的关系学习,从而进行点云的分类工作。由于是从局部的特征整合到整体,使得该方法对形状感知敏感并具有鲁棒性。最终的试验结果表明,该算法在公开数据集ModelNet40上的准确率达到92.5%。与现有的三维点云分类算法相比,其能够更有效地整合局部特征和全局特征,从而能进一步提高三维点云模型分类的准确性。     

基于激光传感器的多移动机器人位姿测量系统

为机器人准确定位设计了一个基于激光传感器的移动机器人位姿测量系统。测量系统用激光传感器扫描区域内的以矩形为标识的机器人,将测量数据传输到计算机上,通过数据处理软件进行数据处理,提取属于机器人的特征,同时结合机器人前一时刻的位姿,实时计算机器人当前位姿。实验结果表明,此系统能迅速识别机器人,并准确地确定每个机器人位置和姿态,通过网络向机器人发送其位姿数据,实现多移动机器人的精确定位。     

基于改进蚁群算法的多服务机器人路径规划

为解决多服务机器人全局路径规划的问题,将基本蚁群算法应用到多服务机器人全局路径规划上,并对基本的蚁群算法作了改进.对基于算法的多服务机器人系统的构成进行了描述,接着对多服务机器人系统环境的表示方法及算法中对应问题的描述和定义进行了研究.对应用到多服务机器人系统的基本蚁群算法提出了几种改进的策略,并对改进的蚁群算法应用到...     

异形玻璃加工图形定位方法研究

针对玻璃深加工行业中的异形玻璃定位问题,提出了一种具有共性的通用定位核心技术-图形定位解决方法.该算法主要采用的是由异形测量方法、CAD几何图形信息提取、轮廓曲线拟合和实体图形再现与相似等技术组合而成的方法,解决了异形玻璃加工中精确定位问题,并在玻璃加工系统中进行了实际应用.实际应用结果表明,该算法具有较高的定位精度和可靠性.     

点云鲁棒低秩联合估计重构

为了提高三维点云的质量,在抑制噪声的同时恢复尖锐特征,提出一种基于L₁稀疏优化的点云鲁棒低秩联合估计重构算法.首先使用鲁棒主成分分析进行点云局部区域低秩建模估计,避免离群点的影响,并根据法向场的变化调整模型,实现点云各向异性自适应降噪;为了提高算法求解效率,利用局部曲率进行尖锐特征辨识,将阈值迭代法与非精确增广拉格朗日乘子法相结合,用于点云不同区域低秩模型的求解;再根据每个优化后局部邻域交叠区域的冗余信息完成点云的全局联合估计重构;最后对尖锐特征点运用投影优化实现边缘特征恢复,解决尖锐特征退化以及边缘毛糙的问题.在公开仿真点云数据与多种典型算法的实验结果表明,所提算法无论是主观视觉效果,还是重构精度与效率均得到改善,与MRPCA算法相比,精度、时效分别提升10.22%和56.52%;在保留点云原有特征信息的同时,可以有效地抑制噪声并恢复尖锐特征,重构效果良好.