基于局部聚类的特征匹配筛选算法

特征匹配是图像拼接中的关键步骤之一,基于最邻近与次邻近欧氏距离比值的匹配算法往往存在大量的误匹配,好的筛选算法可以降低误匹配率提高处理效率,因此对于此类算法的研究具有重要意义.早期的RANSAC算法是一种被广泛使用筛选算法,但其存在迭代次数不确定,对BA过程不友好等缺陷.本文提出了一种全新的基于局部聚类思想的匹配筛选算法（LCMF）.利用SURF和ORB提取特征点,使用最邻近算法进行匹配,之后利用LCMF算法进行筛选,实验表明,在使用ORB特征提取时,该算法可以获得较好的筛选效果.     

基于聚类汇总的记录匹配算法

记录匹配算法在异构数据的集成和数据开采等领域应用广泛,其主要任务是找出来自不同数据源中代表同一对象实体的记录,这些记录具备相似的属性和属性值。为避免组合爆炸问题,现有的记录匹配算法不再对数据库中的记录数两两匹配,而是结合排序策略和静态聚类匹配方法实现,但这种静态方法不适应数据的动态变化。因此,本文提出基于聚类汇总的记录匹配算法,该算法可以解决静态方法导致的匹配记录丢失问题,同时能够减少计算量,提高匹配记录搜索效率。     

基于聚类模式的多数据源记录匹配算法

提出了一种基于聚类技术的多数据源记录匹配算法，该算法运用的罩盖（Canopy）聚类技术是一种专门对付大型数据的聚类方法，此算法不仅是一个与应用领域无关的算法，跟其它模型相比，在保证原有准确程度的前提下，大大地减少了必需的计算量，提高了记录匹配的效率．     

基于粒子群算法的单目移动机器人地图创建

提出了一种基于粒子群优化算法的移动机器人地图创建方法,该方法模型简单,算法复杂度低,收敛速度快.首先对实验环境进行了描述,通过建立模型推导出了路标的坐标公式,提出了问题的关键.详细介绍了粒子群优化的工作原理,论述了该算法在地图创建中的具体实现.通过与算术平均法实验结果比较,证实了该方法的有效性.     

基于SparkStreaming的海量GPS数据实时地图匹配算法

浮动车GPS数据作为交通信息处理的基础,随着被监控车辆数量的高速增长,产生了海量GPS数据,对地图匹配提出了高挑战,为了解决传统匹配方法难以满足匹配效率和精度的不足,提出一种针对于海量GPS数据的实时并行地图匹配算法,能够同时保证较高匹配精度和运算效率。构建一种面向实时数据流的高效、准确实时地图匹配算法,首先通过引入速度、方向综合权重因子对依赖历史轨迹的离线地图匹配算法进行重构,进而引入Spark Streaming分布式计算框架,实现地图匹配算法的实时、并行运算,大幅提升实时地图匹配效率。实验结果表明,该算法在复杂路段的匹配准确率较常规拓扑匹配算法提高10%以上,整体匹配准确率达到95%以上;在匹配效率方面,较同等数量的单机服务器可提高效率4倍左右。实验结果表明,该算法在由11台机器组成的计算集群上实现8 000万个GPS数据点的实时地图匹配,证明了该算法可以完成城市地区的实时车辆匹配。     

基于细节点聚类的指纹匹配算法

指纹匹配算法的好坏直接影响识别系统的精度。本文提出了一种新的基于细节点聚类的多参考中心指纹匹配算法。实验结果表明本文所提出的方法提高了匹配的性能。     

基于细节点聚类的指纹匹配算法

指纹匹配算法的好坏直接影响识别系统的精度。本文提出了一种新的基于细节点聚类的多参考中心指纹匹配算法。实验结果表明本文所提出的方法提高了匹配的性能。     

基于谱聚类的全局中心快速更新聚类算法

针对高维数据在聚类过程中存在迭代次数多、运算耗时长等问题,提出一种改进的聚类算法,首先采用谱聚类对样本降维,再选取k个首尾相连且距离乘积最大的数据对象作为初始聚类中心,在簇中心更新过程中,选取与簇均值距离最近的数据对象作为簇中心,并将其他数据对象按最小距离划分至相应簇中,反复迭代,直至收敛。实验结果表明,新算法的Rand指数、Jaccard系数和Adjusted Rand Index等聚类指标全部优于K-means算法及其他3种改进聚类算法,在运行效率方面,新算法的聚类耗时更短、迭代次数更少。     

基于遗传模糊C-均值聚类算法的地图分割

图像分割和对象提取是从图像处理到图像分析的关键步骤。经典的模糊C-均值聚类算法(FCMA)是将图像分割成C类的常用方法,但依赖于初始聚类中心的选择。该算法通常得到的是局部最优解而非全局最优解。遗传算法是一类全局优化搜索算法。通过将遗传算法(GA)与FCMA相结合,对彩色地图直接按红绿蓝(RGB)三色空间进行聚类,用遗传算法搜索全局最优解,有效地避免了模糊C-均值聚类算法收敛到局部最优的问题,并在此基础上实现了对彩色地图的分割,得到了比较满意的效果。     

基于线特征及迭代最近点算法的地基建筑物点云自动配准方法

为克服迭代最近点(ICP)算法易陷入局部最优的缺陷，提出一种基于线特征及ICP算法的地基建筑物点云自动配准方法。首先，基于法向一致性进行建筑物点云平面分割；接着，采用alpha-shape算法进行点簇轮廓线提取，并拆分和拟合处理得到特征线段；然后，以线对作为配准基元，以线对夹角和距离作为相似性测度进行同名特征匹配，实现建筑物点云的粗配准；最后，以粗配准结果为初值，进一步采用ICP算法完成点云精确配准。利用两组部分重叠的建筑物点云进行配准实验，实验结果表明，采用由粗到精的配准方法能有效改善ICP算法对初值依赖的问题，实现具有部分重叠的建筑物点云的有效配准。     

基于无线传感器网络的未知环境下移动机器人实时路径规划

利用无线传感器网络技术、多传感器信息融合技术、基于占用网格的概率地图构建和基于群集智能的微粒群仿生学算法,采用三层控制结构的规划策略,提出了一种新的在未知环境下移动机器人在线实时路径规划方法。最后设计并构造出了实际的无线传感器网络,验证了算法的有效性、准确性和实时性。     

基于声纳传感器的移动机器人地图创建方法研究*

提出了一种改进的基于声纳传感器信息进行栅格地图创建的方法。将Bayes法则用于移动机器人地图创建,对多个声纳传感器信息进行融合,解决信息间的冲突问题,并根据声纳模型将测量数据集成到局部地图中,改变栅格被障碍物占有的概率。经过坐标变换后,利用Bayes法则更新全局地图中的栅格信息,实现从局部地图到全局地图的更新。实验验证了该算法的可行性与有效性。     

基于改进ICP算法的地磁图匹配技术

将地磁信息应用于惯性导航是组合导航技术研究的新方向.对地磁辅助导航的原理和发展现状进行了介绍,并在分析地磁特征的基础上,研究了利用地磁异常特征进行ICP匹配定位的方法.根据应用环境,对ICP算法进行了以下改进:首先,受模拟退火法的启发,提出采用扇形扫描法搜索最优匹配,推动ICP算法向全局最优迭代;其次,结合RANSAC法,有效剔除了地磁测量中的野值点,提高了算法的鲁棒性.仿真结果证实了改进算法的良好性能.     

Real-time building of a thinning-based topological map

An accurate and compact map is essential to an autonomous mobile robot system. A topological map, one of the most popular map types, can be used to represent the environment in terms of discrete nodes with edges connecting them. It is usually constructed by Voronoi-like graphs, but in this paper the topological map is incrementally built based on the local grid map by using a thinning algorithm. This algorithm, when combined with the application of the C-obstacle, can easily extract only the meaningful topological information in real-time and is robust to environment change, because this map is extracted from a local grid map generated based on the Bayesian update formula. In this paper, position probability is defined to evaluate the quantitative reliability of the end node extracted by the thinning process. Since the thinning process builds only local topological maps, a global topological map should be constructed by merging local topological maps according to nodes with high position probability. For real and complex environments, experiments showed that the proposed map building method based on the thinning process can accurately build a local topological map in real-time, with which an accurate global topological map can be incrementally constructed.     

基于GPS浮动车数据的矢量地图校正算法

针对矢量数字地图生成过程中产生的误差以及传统校正算法精度低、无法校正拓扑错误等不足,提出通过对GPS浮动车数据进行聚类分析,提取GPS浮动车数据中隐含的道路节点位置信息,对道路图层进行校正的算法。应用该算法,在VB6.0开发环境和MapInfo二次开发控件MapX支持下,实现了重庆市江北区道路图层中部分快速路的校正,校正后的道路通过与Google Earth比较,发现校正后道路图层拓扑明显比校正前更加吻合实际的道路拓扑。与传统常规方法相比,该算法无需选取控制点信息,能够很好地修正路网拓扑错误,适合实际应用中的复杂情形。     

基于迭代最近点的B样条曲线拟合方法研究

曲线拟合在图象处理、逆向工程应用等领域中有着重要意义。由于对于Ｂ样条参数曲线拟合,数据点的参数化直接影响着拟合的精度,因此提出了一种基于迭代最近点的方法来优化修正数据点的参数,并且证明了应用该方法进行曲线拟合具有局部收敛性。通过实验分析,验证了方法的正确性和鲁棒性。     

基于区域分割的低覆盖点云配准算法

针对低覆盖点云配准的时间复杂度高、收敛速度缓慢以及对应点匹配易错等问题,提出一种基于区域分割的点云配准算法。首先,利用体积积分不变量计算点云上点的凹凸性,并提取凹凸特征点集;然后,采用基于混合流形谱聚类的分割算法对特征点集进行区域分割,并采用基于奇异值分解（SVD）的迭代最近点（ICP）算法对区域进行配准,从而实现点云的精确配准。实验结果表明,所提算法通过区域分割可以大幅提高点云区域的覆盖率,并且无需迭代即可计算刚体变换的最佳旋转矩阵,其配准精度比已有算法提高了10%以上,配准时间降低了20%以上。因此,所提算法是一种精度高、速度快的低覆盖点云配准算法。     

基于牙颌模型的散乱点云配准技术研究

在牙齿三维矫正中需要对牙齿进行排列,常用方法是通过人机交互完成,效率不高。提出了一种基于粒子群的自动化排牙方法,将每颗牙齿上的特征点到标准牙弓曲线的距离和作为目标函数,利用粒子群算法对解空间进行搜索,在搜索过程中加入约束条件,得到牙齿移动的最终位置。利用算法对牙齿进行排列,可以省去人机交互中的平移等操作。实验结果表明：该算法能够有效地用于牙齿三维矫正中,提高了排牙效率。     

基于扫描匹配预处理的即时定位与地图创建

研究了室内自主移动机器人的即时定位与地图创建问题。分析了目前解决SLAM问题的方法,提出了基于扫描匹配预处理的即时定位与地图创建,用扫描匹配为SLAM提供机器人先验位姿信息。对实验结果和数据的分析,得出了所提出方法可进一步提高SLAM的精度和鲁棒性。