针对实际点云数据中存在的噪点与缺陷对拟合平面时带来的影响,提出一种基于最小平方中值算法(least median of squares,LMedS)与距离加权总体最小二乘法(weighted total least squares based on distance,WTLSD)相结合的平面拟合算法。...针对实际点云数据中存在的噪点与缺陷对拟合平面时带来的影响,提出一种基于最小平方中值算法(least median of squares,LMedS)与距离加权总体最小二乘法(weighted total least squares based on distance,WTLSD)相结合的平面拟合算法。通过最小平方中值算法初步去除点云中的噪点,并基于距离构建初始权重矩阵,利用距离加权总体最小二乘法对点云进行平面拟合,减少平面中凸起与凹陷等缺陷对平面拟合的影响,该算法与传统平面拟合算法相比具备消除异常点与平面缺陷的优点,具备更高的拟合精度;与随机采样一致性算法(random sample consensus,RANSAC)相比具有更高的拟合效率与相近的拟合精度。展开更多
针对三维点云数据中存在的异常点会对平面拟合过程产生不利的影响,提出了一种将最小平方中值算法(Least Median of Squares,LMedS)与特征值法相结合的点云平面拟合新方法。首先,通过LMedS算法进行多次迭代确定最佳阈值并剔除点云数据中...针对三维点云数据中存在的异常点会对平面拟合过程产生不利的影响,提出了一种将最小平方中值算法(Least Median of Squares,LMedS)与特征值法相结合的点云平面拟合新方法。首先,通过LMedS算法进行多次迭代确定最佳阈值并剔除点云数据中的异常点。然后,采用特征值法对剔除完异常点后的点云数据进行平面拟合,以获得更加精确的拟合平面参数解。最后,分别采用最小二乘法、特征值法、RANSAC+主成分分析法与所提出方法对仿真和实测点云数据进行平面拟合计算。实验结果表明,相比于其他方法,该方法的平面拟合精度更高,适用于对含有异常点的点云数据进行平面拟合,具有较高的鲁棒性。展开更多
长度-半径维数模型作为描述城市交通网络复杂不确定性现象的一种分形分维方法,其自身存在的不确定性往往被忽视,且相关研究更是鲜见报道。故针对该模型在分形维数测算全过程中存在的不确定性问题,本文率先开展了系统剖析、定量估计和质...长度-半径维数模型作为描述城市交通网络复杂不确定性现象的一种分形分维方法,其自身存在的不确定性往往被忽视,且相关研究更是鲜见报道。故针对该模型在分形维数测算全过程中存在的不确定性问题,本文率先开展了系统剖析、定量估计和质量控制研究。首先对数据源、矢量化处理、测算中心、尺度选择、以及分维数模型估计等一系列环节进行了不确定性估计与分析,其中首次给出了分形维数在一定置信水平下的不确定性度量区间,并依据误差传播理论对误差的传递和累积进行了描述;然后着重提出了基于LMed S(Least Median of Squares)的质量控制方法。最后通过对拉萨市的算例实验表明:道路的矢量化过程、测算中心和测算尺度的选择都会导致分维的不确定性;并在对数据质量进行控制的基础上,通过置信区间对长度-半径维数模型的不确定性进行了在一定概率水平下的首次度量;同时结合区域现状对研究结果给出了合乎实际的解释。本文在描述表征不确定性问题的分形几何和分形维数的基础上,系统地揭示了其自身不确定性的本质,不仅进一步丰富了分形分维理论,为控制其质量奠定理论基础,而且可为城市交通网络分形维数的地学应用提供可靠的科学依据。展开更多
提出了一种在RO I(region of interest)即感兴趣区域中建立搜索窗口的车道识别算法,使其能够很好地处理非理想路况的各种不确定因素,并建立实时动态搜索窗口,除了能精确地追踪车道标志线之外,还能应用于弯路路况。运用LM edSquare曲线...提出了一种在RO I(region of interest)即感兴趣区域中建立搜索窗口的车道识别算法,使其能够很好地处理非理想路况的各种不确定因素,并建立实时动态搜索窗口,除了能精确地追踪车道标志线之外,还能应用于弯路路况。运用LM edSquare曲线拟合算法提高了车道拟合过程的稳健性和精确性。由于RO I的建立,整个识别过程的计算量大大降低,适应实时性要求。展开更多
鉴于目前大多数极线校正方法均是采用随机采样一致性算法(random sample consensus,RANSAC)的鲁棒性估算进行,提出一种采用最小平方中值算法(least median of squares,LMedS)的改进极线校正方法。在未标定摄像机的情况下,首先使用SURF(s...鉴于目前大多数极线校正方法均是采用随机采样一致性算法(random sample consensus,RANSAC)的鲁棒性估算进行,提出一种采用最小平方中值算法(least median of squares,LMedS)的改进极线校正方法。在未标定摄像机的情况下,首先使用SURF(speededup robust features)算子对立体影像进行特征点提取与匹配,然后利用RANSAC算法与LMedS算法对匹配点进行基础矩阵估计,基于基础矩阵根据极线校正准则对影像进行重采样,得到校正后的立体影像。最后利用垂直视差均值、方差和均方根距离3个评价指标对极线校正的结果进行精度评价。实验结果表明,与RANSAC算法相比,改进的方法消除垂直视差的效果更好,影像变形较小,可以为三维重建过程中视差图的生成提供更可靠的结果。展开更多
文摘针对实际点云数据中存在的噪点与缺陷对拟合平面时带来的影响,提出一种基于最小平方中值算法(least median of squares,LMedS)与距离加权总体最小二乘法(weighted total least squares based on distance,WTLSD)相结合的平面拟合算法。通过最小平方中值算法初步去除点云中的噪点,并基于距离构建初始权重矩阵,利用距离加权总体最小二乘法对点云进行平面拟合,减少平面中凸起与凹陷等缺陷对平面拟合的影响,该算法与传统平面拟合算法相比具备消除异常点与平面缺陷的优点,具备更高的拟合精度;与随机采样一致性算法(random sample consensus,RANSAC)相比具有更高的拟合效率与相近的拟合精度。
文摘针对三维点云数据中存在的异常点会对平面拟合过程产生不利的影响,提出了一种将最小平方中值算法(Least Median of Squares,LMedS)与特征值法相结合的点云平面拟合新方法。首先,通过LMedS算法进行多次迭代确定最佳阈值并剔除点云数据中的异常点。然后,采用特征值法对剔除完异常点后的点云数据进行平面拟合,以获得更加精确的拟合平面参数解。最后,分别采用最小二乘法、特征值法、RANSAC+主成分分析法与所提出方法对仿真和实测点云数据进行平面拟合计算。实验结果表明,相比于其他方法,该方法的平面拟合精度更高,适用于对含有异常点的点云数据进行平面拟合,具有较高的鲁棒性。
文摘长度-半径维数模型作为描述城市交通网络复杂不确定性现象的一种分形分维方法,其自身存在的不确定性往往被忽视,且相关研究更是鲜见报道。故针对该模型在分形维数测算全过程中存在的不确定性问题,本文率先开展了系统剖析、定量估计和质量控制研究。首先对数据源、矢量化处理、测算中心、尺度选择、以及分维数模型估计等一系列环节进行了不确定性估计与分析,其中首次给出了分形维数在一定置信水平下的不确定性度量区间,并依据误差传播理论对误差的传递和累积进行了描述;然后着重提出了基于LMed S(Least Median of Squares)的质量控制方法。最后通过对拉萨市的算例实验表明:道路的矢量化过程、测算中心和测算尺度的选择都会导致分维的不确定性;并在对数据质量进行控制的基础上,通过置信区间对长度-半径维数模型的不确定性进行了在一定概率水平下的首次度量;同时结合区域现状对研究结果给出了合乎实际的解释。本文在描述表征不确定性问题的分形几何和分形维数的基础上,系统地揭示了其自身不确定性的本质,不仅进一步丰富了分形分维理论,为控制其质量奠定理论基础,而且可为城市交通网络分形维数的地学应用提供可靠的科学依据。
文摘鉴于目前大多数极线校正方法均是采用随机采样一致性算法(random sample consensus,RANSAC)的鲁棒性估算进行,提出一种采用最小平方中值算法(least median of squares,LMedS)的改进极线校正方法。在未标定摄像机的情况下,首先使用SURF(speededup robust features)算子对立体影像进行特征点提取与匹配,然后利用RANSAC算法与LMedS算法对匹配点进行基础矩阵估计,基于基础矩阵根据极线校正准则对影像进行重采样,得到校正后的立体影像。最后利用垂直视差均值、方差和均方根距离3个评价指标对极线校正的结果进行精度评价。实验结果表明,与RANSAC算法相比,改进的方法消除垂直视差的效果更好,影像变形较小,可以为三维重建过程中视差图的生成提供更可靠的结果。
