【摘 要】
：
目的：通过分析算法配准过程提出一种基于PCA的点云配准策略，对ICP算法迭代过程加入主成分分析配准设计，以解决ICP算法易陷入局部最小值、配准耗时高的问题。方法：利用重心法在首次迭代开始前使参考点云与待配准点云重心重合以达到初始位姿确定，其次，在ICP算法每次进行迭代时，先利用PCA对待配准点云与参考点云进行主成分分析，选取其中前三主成分特征向量，通过姿态变换进行对应匹配，使两点云完成初始配准后再
论文部分内容阅读
目的：通过分析算法配准过程提出一种基于PCA的点云配准策略，对ICP算法迭代过程加入主成分分析配准设计，以解决ICP算法易陷入局部最小值、配准耗时高的问题。方法：利用重心法在首次迭代开始前使参考点云与待配准点云重心重合以达到初始位姿确定，其次，在ICP算法每次进行迭代时，先利用PCA对待配准点云与参考点云进行主成分分析，选取其中前三主成分特征向量，通过姿态变换进行对应匹配，使两点云完成初始配准后再利用欧氏距离寻找最近点，完成后续配准过程。结果：选取了经典ICP算法及三种初始位姿确定方法、文献主流算法
其他文献
海洋温度和盐度是重要的海洋环境参数，对了解海洋性质、生物多样性具有重要的作用。本文基于碘分子吸收池的边缘探测技术，将携带温度信息的布里渊散射光分束后，通过三个压强不同的碘分子吸收池从而形成三个探测通道,得到两个信号强度比值信息。通过迭代算法即可同时反演被测区域的温度和盐度信息。采用探测器输出的信号强度比值的形式能有效抑制激光器光强抖动带来的影响。为将测温误差控制在0.2K以内，本套算法对探测器输出
针对金属缺陷识别分类，传统机器学习需要人工提取特征，而深度学习需要大量样本的问题，本文针对中小规模缺陷数据集提出了一种基于浅层的卷积神经网络（CNN）和决策树（DT）的金属缺陷分类方法。利用卷积神经网络提取特征，通过决策树分类，实现缺陷分类。引入主成分分析（PCA）方法对特征向量降维，减小过拟合并提升算法识别分类效率。为验证本文方法的通用性，除图像缺陷数据外还引入非图像缺陷数据。实验结果表明，本文
针对钢梁在工程项目中应用广泛，其表面缺陷若未能及时发现将很可能带来安全隐患。本文利用一种具有跨阶段分层结构的轻量化卷积神经网络实现了钢梁表面缺陷的快速实时检测。首先使用跨阶段局部网络搭建用于特征提取的骨干网络，不仅能丰富了梯度更新路径，而且有助于浅层表面缺陷特征的提取。其次，将跨阶段分层模块作为特征提取器嵌入到跨阶段分层结构的其中一个分支中得到轻量化的特征提取模块，极大的提高了检测速度。最后，将多
为了解决图像采集过程中由于昆虫图像获取不完整而导致整体稻飞虱识别精度低、速度慢的问题，提出了一种基于字典学习和SSD的不完整稻飞虱图像分类研究方法。首先，使用自主研发的野外昆虫图像采集装置采集稻飞虱图像，构建小型图像集。然后，将采集到的稻田昆虫图像进行阈值分割，得到单一稻田昆虫图像；对单一昆虫图像进行分块处理，得到带有背景信息和特征信息的混合子图像块集；使用子图像块作为字典原子来构建过完备字典，并
针对工业生产中小型零件存在漏检及识别率不高等问题，结合深度学习基本理论，提出一种改进YOLOV3网络的零件目标识别算法。该算法首先在零件特征融合结构信息中增加了一个特征尺度，进一步融合深层网络与浅层网络的特征信息，以便更好融合零件的位置信息和语义信息。为克服YOLOV3算法中使用K-means聚类对初值不稳定的缺点，根据不同零件类别宽高比，采用K-means++算法对Anchor框重新进行了聚类。
鱼类识别检测技术中，采用Anchor-free算法中的Centernet算法对鱼类进行识别检测时，低层特征信息容易丢失，降低识别精度和识别效率。为此，在Centernet算法网络结构中引入特征融合模块将低层特征信息和高层特征信息融合，输出更加完整的特征图，提高识别检测精度；设置参数调节正负样本的损失比例，使得网络模型的损失函数得到优化，提高整个模型的识别检测效率。采用PASCALVOC数据集对改进
近年来，随着深度学习技术的发展，深度神经网络在医学图像分割领域得到广泛应用。其中，U-Net由于其良好的分割性能，逐渐成为图像分割领域中的研究热点。根据相关研究工作，首先就结构改进和非结构改进两大方面对U-Net网络的相关改进模型进行了综述。然后以视网膜血管、肺结节、肝脏和肝脏肿瘤、脑肿瘤这四种典型医学图像为例，阐释了各类图像的特点和分割难点，并对U-Net及其改进网络在相关图像分割上的应用进行了
针对水下光学图像出现颜色衰减，表面模糊和光照不均匀等现象，提出一种基于颜色恒常性和多尺度小波的水下光学图像增强算法。首先，采取灰度世界假设补偿衰减通道，利用颜色恒常性自适应调整图像全局亮度和对比度以有效校正色偏；其次，结合多尺度小波分解特性，采取形态学开运算改进的暗通道透射率移除低频雾霾现象，软阈值降低高频噪声；然后，利用二维伽马函数自适应校正不均匀光照，锐化提高边缘细节；最后，定义融合输入图像即
针对面部表情识别中，传统机器学习方法特征提取较为复杂，浅层卷积神经网络识别率不高，以及深度卷积网络又易带来梯度爆炸或弥散的问题。本文构建了残差网络嵌入注意力机制的多尺度深度可分离表情识别网络，通过多层多尺度深度可分离残差单元的叠加进行不同尺度的表情特征提取，并使用CBAM注意力机制进行表情特征的筛选，提升有效表情特征权重的表达，削弱训练数据的噪音影响。本文构建的网络模型在Fer-2103和CK+表
线结构激光3D成像技术已广泛用于焊接检测，飞溅干扰下快速、准确、实时地提取光条中心图像是实现焊缝在线检测的关键问题。针对传统方法难以有效解决强弧光和焊渣飞溅干扰的问题，提出一种新的抗飞溅光条中心快速提取方法。首先根据激光光条宽度约束条件提取条纹几何中心，采用快速连通域提取算法筛选出有效轮廓，利用改进的局部边缘连接算法连接因飞溅导致的断点；然后搜索相邻轮廓构成有序对，并生成有向图，查找光条中心投影长