一种鲁棒的飞机零件多尺度特征点检测方法

来源 :南京航空航天大学学报 | 被引量 : 0次 | 上传用户:maohhmaohh
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对飞机零件几何模型多尺度特征检测问题,提出一种鲁棒的多尺度特征点检测算法。算法首先设计一种L_1中值滤波算法获取无结构点云精准法线;然后基于计算得到的法线,计算各点的局部邻域波动,提取初始特征点;最后针对初始特征点数据冗余问题,提出一种收缩优化策略,计算最终特征数据点。试验结果表明,与传统的点云特征点检测方法相比,算法检测精度明显提升;其次,对于存在较大噪声的点云数据仍然能够有较好的提取效果,算法鲁棒性高。
其他文献
传统先进陶瓷零件检测与分类的主流方法为纯机械尺寸过滤和人工判断,为解决其成本高、失误率高和损坏率高等问题,提出了基于深度学习的多目标实时检测分类模型(Multi-object real-time detection and classification model,MRDC)。该模型以YOLOv3为基础,使用SKNet作为注意力机制进行特征重构提高精确度,配合灰度图快速转化算法与跳帧检测方法提高检
深度强化学习在学习过程中需要与环境进行大量的交互,训练效率低下.模仿学习通过从专家示范中学习,可以有效地应对这一挑战,但是需要收集大量的专家示范轨迹,在复杂任务中往往导致高昂的示范代价.本文提出一种基于主动学习的行为克隆算法,通过主动挑选示范起始状态来减小示范代价.该方法基于不确定性采样和不相似性采样两种策略,从状态候选集中挑选最有价值的状态作为起始状态,然后向专家查询固定长度的示范轨迹,希望从尽可能少的示范中学习出有效策略.在多个不同任务上的实验表明,本文方法可以用更少的示范轨迹进行行为克隆,降低了强化
由于光照变化、相机抖动和动态背景等因素影响,现有基于传统图像处理方法的前景提取算法并不能在复杂场景下获得良好的分割效果。针对此类问题,本文提出了一种基于全卷积孪生神经网络的前景提取算法,仅需任意2帧图像即可准确提取运动前景。将输入的2帧图像分为背景图像与待提取图像,将其输入全卷积孪生神经网络得到二者的相似性度量图,该相似性度量图中包含待提取图像相对于背景图像的各像素变化情况信息;接着将相似性度量图
在证件审核场景中,常规的深度学习人脸识别方法人证比对精度低且在嵌入式设备运行效率差。为解决上述问题,本文提出了改进的轻量级卷积神经网络Lightnet,并采用了迁移学习方法。Lightnet是结合深度可分离卷积、线性瓶颈结构和注意力模块构成的轻量级卷积神经网络模块,引入附加角度裕量的损失函数AM-Softmax监督训练后,网络模型能够保持较高的验证精度,并有效解决标准卷积神经网络参数冗余、计算量大
非负矩阵分解模型是一种常见的数据降维方法。在现有非负矩阵分解算法用于聚类的研究中,每个类别一般仅由一个或者指定多个中心点表示,然而这种表示方式往往无法准确描述其类别的特征和结构,从而影响聚类效果。为了解决这个问题,本文提出了峰值点非负矩阵分解算法。该算法首先为数据集找到多个密度峰值点,并构建密度峰值点和样本点的二部图,然后利用二部图完成聚类。此外该算法引入流形图正则化项来充分利用数据间的流形结构信
规章制度是无线广播电视发射台正常运转的重要保障,也是依规工作的重要基础.为进一步改进工作作风、提高工作效率,促进发射台各项工作有序推进,有必要结合实际情况和以往的实践经验,建设内容完备、执行有效的制度体系,确保“不间断、高质量、既经济、又安全”的维护方针得以贯彻.本文结合笔者工作实际对建设安全播出管理制度体系提出了一系列思考.
视频行人重识别旨在不同摄像头拍摄的视频中检索特定行人。但是,它面临着数据量庞大和视频数据存在时间冗余的问题,即视频数据耗费大量的存储空间且不同帧之间存在极强的相关性。因此,使用所有的帧进行识别会带来查询效率的下降,而且视频中大量的干扰和噪声也会给准确率带来不利影响。本文提出了基于步行周期聚类的视频行人重识别关键帧提取算法,首先利用行人步行时双脚距离变化的周期性规律提取候选步行周期,然后利用聚类的方
为了研究在最不利荷载挂-100级中载加载下,横向预应力碳纤维板加固前后空心板桥梁铰缝底缘横向正应力和挠度的变化情况,通过Ansys有限元计算分析软件,建立了水口殿大桥空心板梁横向预应力碳纤维板加固计算模型,系统分析了铰缝未损伤工况、铰缝损伤工况以及铰缝损伤并对施工缝进行30cm密实填充工况下加固前后铰缝横向正应力、跨中挠度及梁顶横向应力的影响.研究结果表明:在铰缝未损伤情况下,各项关键指标均符合设计要求,说明采用7道15t的纵向预应力碳纤维板和7道张拉力为20t的横向预应力碳纤维板加固是可行的.当各铰缝损
针对混凝土类脆性材料高应变率下本构行为,结合ABAQUS有限元仿真与反向传播(Back propagation,BP)人工神经网络技术,对分离式霍普金森压杆(Split Hopkinson pressure bar,SHPB)实验过程中关键波形参数进行仿真和机器学习,建立了混凝土类材料SHPB高应变率下力学性能预测的机器学习模型,极大地提升了复杂脆性材料受冲击状态下变形行为与本构参数之间关联机制的计算效率.利用商业有限元软件ABAQUS的动态分析模块,通过在入射杆自由面设置4种不同的应力波,得到在不同应变
翼型动态失速是指机翼或叶片的当地迎角呈现周期或急剧变化时绕流附面层大范围分离带来的一种强烈的非线性、非定常流动现象.动态失速涡脱离翼型后缘流向下游时,会引发升力急剧下降、阻力迅速增大的失速和颤振问题.基于旋翼翼型两自由度动态试验装置和高频高速振荡试验装置,以典型旋翼翼型为研究对象,利用纳秒脉冲激励电源和介质阻挡放电等离子体激励器,在FL?11风洞和FL?20风洞开展了翼型动态失速等离子体流动控制试验研究,试验最高雷诺数突破1.7×106,模型最高振荡频率突破10 Hz.试验结果表明,等离子体气动激励能够有