【摘 要】
：
为了剔除点云中离散点噪声和密集平面噪声且保留点云的特征,提出了一种改进的具有半径滤波和RANSAC优点的点云图像去噪新方法.首先利用体素下采样对原始点云数据进行精简,然后针对离散点噪声,使用半径滤波将其剔除,最后在保留原始RANSAC算法的基础上,引入高度信息参数对拟合出的平面进行区分,据此进一步剔除点云中的密集平面噪声.实验结果表明,经过本方法去噪后SNR比传统方法和新方法处理后的分别高出152.94％和79.17％;同时本方法在运行时间上也分别快了 96.27％和98.56％.
【机 构】
：
江苏理工学院,江苏常州 213001
论文部分内容阅读
为了剔除点云中离散点噪声和密集平面噪声且保留点云的特征,提出了一种改进的具有半径滤波和RANSAC优点的点云图像去噪新方法.首先利用体素下采样对原始点云数据进行精简,然后针对离散点噪声,使用半径滤波将其剔除,最后在保留原始RANSAC算法的基础上,引入高度信息参数对拟合出的平面进行区分,据此进一步剔除点云中的密集平面噪声.实验结果表明,经过本方法去噪后SNR比传统方法和新方法处理后的分别高出152.94％和79.17％;同时本方法在运行时间上也分别快了 96.27％和98.56％.
其他文献
交通事故与驾驶风格具有强烈的相关性,而驾驶风格的直观体现是驾驶行为.为深入分析驾驶行为与驾驶风格的关联性,探索不同驾驶风格群体之间的差异,筛选驾驶风格分类与识别影响因素,建立驾驶风格识别模型并验证有效性.依托车联网实验数据,利用K-means++算法对驾驶员样本数据集进行驾驶风格聚类,设计支持向量机-递归特征消除(SVC-RFE)与随机森林-递归特征消除(RF-RFE)算法进行驾驶特征重要度排序,利用筛选出的特征指标搭建神经网络驾驶风格识别模型.结果表明:①特征个数n=6时,2种特征排序算法的排序正确率均
传统的激光图像边缘检测方法受到图像分辨率低、边缘模糊等因素的影响,因此,设计ROA-MSP的激光图像边缘检测方法.首先分析了激光图像成像原理,分析了其在成像过程中的影响因素,然后对激光图像的滤波处理,在此基础上对图像形态学处理,对信号进行变换,并建立调节函数,对图像增强处理,最后采用ROA-MSP算法,制定检测流程,以此实现强噪声条件下的激光图像边缘检测.实验将边缘漏检次数、边缘检测时间与边缘分割精度作为对比指标,实验结果表明,设计方法的漏检率平均为5.2％,边缘检测时间平均为1.6 s,边缘分割精度为9
主要以茶陵白芷为原料,通过水提醇沉法提取茶陵白芷多糖,通过单因素试验研究提取时间、料液比、提取温度、乙醇终浓度等因素对茶陵白芷多糖提取率的影响,并对其最佳工艺进行正交试验优化.结果表明,水提醇沉法提取茶陵白芷多糖的最佳工艺条件为:料液比1:30(g/mL)、乙醇浓度90％、提取温度75℃、提取时间3 h,在此工艺条件下得到茶陵白芷多糖提取率为18.92％.
采用化学共沉淀法制备CoFe2 O4@GO磁性复合材料,并对制备的CoFe2 O4@GO进行了X射线衍射(XRD)、红外光谱(FT-IR)以及热分析等表征,研究选择染料氨基黑10B为研究对象,对影响CoFe2O4@GO吸附氨基黑10B染料的参数,如溶液pH值、吸附剂用量、吸附时间、吸附容量以及样品体积等进行研究,并对洗脱剂类型、用量及洗脱时间进行优化,实验结果表明,在0.05～1.0μg/mL浓度范围内,工作曲线为A=0.3329X+0.0194,R=0.9992,相对标准偏差为1.24％,最低检测限LO
吩嗪及苯并[d]吩嗪在精细化学及材料化学中具有重要的潜在应用价值,由于其N-取代衍生化对该稠环化合物的电子结构及理化性质具有很大的影响,本文考察了吩嗪及苯并[d]吩嗪的N-甲基化反应的可能性,并结合底物分子结构,电子结构以及位阻作用等方面,对吩嗪、二苯并吩嗪以及四苯并吩嗪与硫酸甲酯的N-甲基化反应选择性进行了量子化学方法分析.
从NaOH激发偏高岭土材料具有较低的力学强度这一问题入手,以偏高岭土和NaOH溶液为主要原材料,制备碱激发偏高岭土净浆.研究在不同温度下,不同搅拌时间对试样反应产物的影响以及微观结构的变化.本研究结果表明在-20℃、0℃和20℃三个温度下,随着搅拌时间的延长,最终的反应产物均为凝胶结构以及具有较高结晶度的沸石结构.
针对RGB-D相机拍摄目标的深度信息复杂导致RGB-D图像拼接出现错误的现象,提出一种基于深度信息改进的RGB-D图像拼接技术.首先使用像素比重与点云可视化密度联合的深度相机最优测量范围估计方法确定RGB-D相机拍摄目标的最优测量范围;其次设计一种深度值改进的特征匹配算法对RGB-D图像进行拼接;最后对拼接后的RGB-D图像进行质量分析并与使用传统拼接技术拼接后的图像进行对比.实验结果表明,改进后的图像拼接技术比传统拼接技术高效、准确,能较好地展现拍摄目标的纹理及深度信息.
为提升红外和可见光图像融合后图像的清晰度和细节信息的丰富程度,提出了基于人工智能技术的红外和可见光图像融合方法.通过NSCT变换分别将红外图像和可见光图像分解成低频低通子带和高频带通子带两个部分,采用低频系数加权平均求均值的选择方法、系数值选大法与局部区域融合规则相结合的方法,完成低频低通子带的图像和高频带通子带图像的融合;采用基于群智能技术的布谷鸟算法优化NSCT方法的融合过程,实现红外和可见光图像的高效融合.实验结果显示:采用该方法进行图像融合的PSNR值和MSSIM值、信息熵、空间频率、平均梯度等评
当前红外图像行人检测方法存在误差大,对外界环境变化鲁棒性差,为了获得理想的红外图像行人检测结果,提出了多特征组合的红外图像行人检测方法.首先对当前红外图像行人检测进展进行分析,找到引起红外图像行人检测效果不佳的因素,然后提取红外图像行人检测的HOG特征和ISS特征,并采用支持向量机进行红外图像行人检测,最后引入证据理论方法对HOG特征和ISS特征的红外图像行人检测进行融合,仿真实验结果表明,光照影响、遮挡影响和复杂背景下,本方法的红外图像行人准确率都超过了 99％,明显高于其他红外图像行人检测方法.
传统图像目标识别技术,分配目标特征点主方向的角度较大,导致目标识别精度较差.为此,提出基于CNN的机器人视觉光谱图像目标识别技术.将光谱图像转化为灰度图,对图像进行增强处理,选取线性均值滤波,去除图像脉冲噪声和高斯噪声,将Hessian矩阵模板应用于灰度图像,比较矩形区域内每个像素,获得局部极值点,初步确定目标轮廓和边沿的空间尺度,再对目标进行一层层卷积操作,迭代训练后提取细节特征,与模板图像特征进行匹配,识别目标类别.机器人抓取带有飞机目标的视觉光谱图像,进行对比实验,结果表明,此次设计技术相比传统技术