期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到6篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于三维外形扫描的间隙阶差自动评定方法
1
作者 解文序 朱运东 林雪竹 《长春理工大学学报（自然科学版）》 2022年第4期77-86,共10页
为满足工业复杂间隙阶差自动检测的需要,采用三维结构光扫描方式,以多种对缝间隙阶差类型为研究对象,提出了一种适用于不同间隙阶差类型的自动评定检测方法。对预处理后的点云数据,基于三角形顶点法矢估计理论,结合高斯映射聚类完成间... 为满足工业复杂间隙阶差自动检测的需要,采用三维结构光扫描方式,以多种对缝间隙阶差类型为研究对象,提出了一种适用于不同间隙阶差类型的自动评定检测方法。对预处理后的点云数据,基于三角形顶点法矢估计理论,结合高斯映射聚类完成间隙阶差模式划分,提出根据法向夹角的模式点识别方法,建立间隙阶差求解模型。通过对标准块进行测量实验,验证了方法的可行性。实验表明:所述方法间隙精度为0.03 mm、阶差精度为0.02 mm,满足工业间隙阶差测量要求。 展开更多
关键词 间隙阶差 高斯映射聚类 法向量 模式识别
下载PDF
尖锐特征曲面点云模型各向异性邻域搜索
2
作者 袁小翠 陈华伟 《计算机应用与软件》 北大核心 2018年第12期253-258,共6页
特征曲面点云模型的特征点k邻域各向同性。基于此邻域对点云数据处理容易造成严重的处理误差,因此提出一种各向异性邻域搜索方法。对点云建立KD树搜索k邻域,采用邻域拟合法估计点云法向量和检测特征点。将特征点的各向同性邻域映射到高... 特征曲面点云模型的特征点k邻域各向同性。基于此邻域对点云数据处理容易造成严重的处理误差,因此提出一种各向异性邻域搜索方法。对点云建立KD树搜索k邻域,采用邻域拟合法估计点云法向量和检测特征点。将特征点的各向同性邻域映射到高斯球形成不同的数据簇,层次聚类法对高斯球上的数据分类,高斯球上最大类对应的邻域为最优各向异性子邻域。为了验证算法的有效性,将该方法与KD树和栅格邻域搜索方法进行应用和耗时比较。实验结果表明,该方法耗时最长,但是应用于点云数据处理,如点云法向量估算和点云去噪时效果更佳。 展开更多
关键词 点云邻域 高斯映射 法向量估计 层次聚类
下载PDF
一种基于高斯映射的三维点云特征线提取方法 被引量：8
3
作者 徐卫青 陈西江 +1 位作者 章光 袁俏俏 《激光与光电子学进展》 CSCD 北大核心 2019年第9期167-173,共7页
提出了一种基于高斯映射的K均值方法,先对目标点进行k近邻搜索,再对由目标点及其近邻点组成的三角形集合的单位法向量进行高斯映射。选用轮廓系数作为聚类有效性指标,确定出最佳聚类数,根据不同曲面聚类分布的规律,得到三维激光点云模... 提出了一种基于高斯映射的K均值方法,先对目标点进行k近邻搜索,再对由目标点及其近邻点组成的三角形集合的单位法向量进行高斯映射。选用轮廓系数作为聚类有效性指标,确定出最佳聚类数,根据不同曲面聚类分布的规律,得到三维激光点云模型的特征线。对比实验结果表明,所提方法评价指标简单易用且噪声少,可以完整高效地提取出规则点云以及不规则点云的特征线。 展开更多
关键词 激光光学 特征提取 k近邻搜索 高斯映射 K-MEANS聚类 轮廓系数
原文传递
基于高斯映射聚类的点云边缘提取算法 被引量：7
4
作者 苏云龙 平雪良 《激光与光电子学进展》 CSCD 北大核心 2019年第11期215-219,共5页
基于高斯映射聚类边缘提取算法提出了一种快速而精确的新方法,通过凝聚聚类和估计法线将高斯球中的法线进行聚类,通过分析每个点最近邻域点的协方差矩阵特征值来检测边缘特征。对不同的点云对象进行边缘提取对比实验,分别从边缘提取效... 基于高斯映射聚类边缘提取算法提出了一种快速而精确的新方法,通过凝聚聚类和估计法线将高斯球中的法线进行聚类,通过分析每个点最近邻域点的协方差矩阵特征值来检测边缘特征。对不同的点云对象进行边缘提取对比实验,分别从边缘提取效果和提取时间进行对比分析。实验结果表明,所提方法能快速有效地提取点云的边缘特征,相比原高斯映射聚类边缘提取算法有很大的提升。 展开更多
关键词 机器视觉 三维点云 高斯映射聚类 边缘提取 协方差矩阵 特征值
原文传递
基于高斯映射的CAD网格法向聚类分割方法 被引量：11
5
作者 易兵 刘振宇 谭建荣 《机械工程学报》 EI CAS CSCD 北大核心 2015年第7期115-123,共9页
网格模型特征的分割和识别,能够极大地提高复杂机械产品设计中模型重用、模型编辑的效率。由此,提出一种基于高斯映射的法向聚类CAD网格分割方法。对网格模型各面片法向进行高斯映射,建立各单元面片边连接邻域与高斯球面法向的对应关系... 网格模型特征的分割和识别,能够极大地提高复杂机械产品设计中模型重用、模型编辑的效率。由此,提出一种基于高斯映射的法向聚类CAD网格分割方法。对网格模型各面片法向进行高斯映射,建立各单元面片边连接邻域与高斯球面法向的对应关系。对各法向在高斯球面上进行k-means聚类分割,依据法向初始聚类类型和二面角阈值细化分割。将过分割的细小区域进行合并处理,根据各区域邻接矩阵及其类型的相似性进行特征识别和归并处理。本算法能够高效地对复杂机械产品的网格模型进行分割和识别,不受网格疏密的限制。 展开更多
关键词 高斯映射 k-means法向聚类 CAD网格分割
下载PDF
基于局部线性重构与高斯核映射的聚类研究 被引量：3
6
作者 马元元 郝海涛 杨延娇 《控制工程》 CSCD 北大核心 2017年第7期1493-1500,共8页
针对现有的基于约束的半监督聚类算法获得的聚类结果质量不足的问题,提出一种基于高斯核映射与局部线性重构的主动学习聚类算法。首先利用高斯核映射与局部线性嵌入进行流行学习,将对局部线性重构重要性过低以及非平坦区域的样本作为不... 针对现有的基于约束的半监督聚类算法获得的聚类结果质量不足的问题,提出一种基于高斯核映射与局部线性重构的主动学习聚类算法。首先利用高斯核映射与局部线性嵌入进行流行学习,将对局部线性重构重要性过低以及非平坦区域的样本作为不重要的样本;然后,为查询选择设立了1个考虑样本所需查询数量的新判断条件;最终,建立must-link并将平坦区域的信息传递至半监督聚类算法。实验结果证明,对于小规模数据与大规模数据,该算法学习的成对约束均可获得较好的聚类结果。 展开更多
关键词 高斯核映射 局部线性重构 聚类算法 成对约束 查询选择
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部