KD树

摘要： 为了实现大型点云的精确配准,首先对大型点云数据进行降采样及去质心预处理,并采用迭代最近点(Iterative Closest Point,ICP)算法计算点云间的旋转矩阵R与平移矩阵T,最终在Visual Studio中基于OpenGL库实现界面交互和结果显示。结果表明,该配准算法既支持人为选择关键点进行配准,也支持随机生成关键点进行配准,且准确率高。大型点云数据实验表明,针对大型点云点数目多,普通配准算法计算时间长的问题,采用K-D树进行配准算法加速,可保证精度,同时大大缩短了大型点云配准计算时间。

摘要： 针对数据量的增加,传统的树型索引结构进行范围查找时效率较低的问题,在可学习索引的基础上,提出了一种基于神经网络的范围查找算法。通过设置合理的神经网络参数,将树形结构的查找过程用神经网络模型进行代替。结果表明,当数据量较多时,使用神经网络代替传统KD树进行范围查找,能够在保证较高查找准确率的前提下,有效降低查找时间。

摘要： 激光雷达探测点云数据中存在大量噪声点,导致三维图重建精度下降,无法完全复现物体结构,本文针对此问题提出了一种基于自适应阈值的三维点云分段式去噪方法。根据噪声点与非噪声点之间的欧式距离,将其划分为远信号噪声点和近信号噪声点两类,先后对两类噪声点分别采用基于非线性函数的阈值自适应去噪算法和基于曲率的去噪算法。基于非线性函数的阈值自适应去噪算法采用有序的栅格对无序的点云进行组织,然后计算栅格内点云密度,最后将栅格到激光雷达的距离作为输入,通过调用非线性函数计算阈值,以实现点云密度阈值的自适应调整。基于曲率的去噪算法采用K-D树对点云数据进行组织,对某点P的邻域内所有的点按曲率进行排序,计算出曲率中值,将大于曲率中值的点P视为噪声点。该方法可以有效去除点云中的噪声点,去噪精确度达到95%以上。

摘要： 针对DBSCAN聚类算法随着数据量增大,耗时越发非常严重的问题,提出一种基于KD树改进的DBSCAN算法(以下简称KD-DBSCAN).通过KD树对数据集进行划分,构造邻域对象集,提前区分出噪声点和核心点,避免聚类过程中对噪声的邻域集计算以及加快了核心点对象的邻域集查询速度.文中以浮动车GPS数据为实验数据,对比传统DBSCAN算法和KD-DBSCAN算法的聚类效果和时间性能,实验结果表明KD-DBSCAN算法的聚类效果和传统的DBSCAN基本一致,但时间性能有很大的提升.

摘要： 光线追踪是常用的绘制技术之一,由于能够方便的模拟生成复杂光照效果,生成高质量图像,在很多领域都有着广泛的应用。光线追踪渲染的主要运算操作耗费在光线与场景相交的判断上,可以在两个方面提升效率,一是通过建立某种空间组织结构来加速相交计算过程;另一种方式是通过并行计算模式,结合硬件来实现同时计算。首先介绍了并行计算在光线追踪计算中的作用;接着介绍了并行计算及GPU计算的一些重要概念;然后介绍了常用的加速结构及实现原理,以及基于表面积的启发式算法;再接下来进行了基于加速结构和CUDA的射线追踪算法的并行化实现及效率测试,最后进行相关分析和总结。

摘要： 针对机器人在空旷缺少特征信息环境下,二维激光雷达的测距范围有限,且缺少高度信息,机器人定位精度不高的问题。提出了一种三维激光雷达和反光柱耦合定位算法。该算法利用激光雷达的反射强度信息对反光柱进行点云分割,采用ALOAM算法构建反光柱地图,利用曲率对每一帧激光进行特征提取,通过构建KD树最近邻域搜索和反光柱点云地图实现帧到地图的匹配,再通过列文伯格非线性优化,求解机器人的位姿。该算法分别在仿真和真实环境中进行了静态和动态定位实验测试,实验结果表明反光柱定位系统定位精度较高,定位稳定性较好。

摘要： 为了解决传统ICP算法在三维点云拼接中容易陷入局部最优解,算法效率低的问题,本文提出了一种基于k-d tree的ICP三维点云拼接方法。首先建立目标点云的k-d tree,确定三维点云k-d tree的最近邻搜索方法,使用源点云对目标点云进行最近邻搜索,剔除点云拼接的非对应点集;再对目标点云与源点云在ICP迭代计算过程中,使用k-d tree快速搜索最近点,获取对应点集,完成三维点云拼接。试验表明,本文提出的方法能够减少目标点云与源点云中的错误匹配点对,提升算法效率,有效地改善点云拼接效果。

摘要： 针对带状序列无人机影像自检校空中三角测量时存在相机参数误差累积过大的问题,提出一种分类自检校(CSC)方法.该方法首先根据影像的GPS位置信息建立KD树,并利用K-Means进行自分类;然后对每类影像分别进行自检校光束法平差,将自检校得到的多组相机参数进行加权平均;最后进行全局自检校光束法平差.多组实验表明,CSC方法与室内检校场检校参数的像点畸变不符值均方根误差为0.5像素,检查点点位均方根误差为10.1 cm,且较Smart3D,VisualSFM和COLMAP软件能更精确地表示数据的原始姿态.综上,CSC方法可为带状区域无人机影像自检校空中三角测量提供一种有效的方案,具有较强的实践应用价值.

摘要： 为了提高机载激光雷达数据的分类精度和避免耗时的点云多特征提取,本文在点云去噪的基础上,对点云数据进行相对高程的特征提取,提出一种基于PCA数据降维与Point-Net相结合而形成的网络模型,并将获取的相对高程特征和原始特征经过降维处理后输入到网络中.运用Point-Net网络模型提取的全局特征进行点云分类,返回每个点分类后的标签,并根据点云的坐标信息和标签进行分类结果可视化,实现机载激光雷达点云数据的分类,最后再对得到的分类结果进行精度分析.分类实验表明,此方法获得的点云分类结果较好.

摘要： 针对大数据下密度聚类算法中存在的数据划分不合理、参数寻优能力不佳、并行性能较低等问题,提出一种基于IFOA的并行密度聚类算法(density-based clustering algorithm by using improve fruit fly optimization based on MapReduce,MR-DBIFOA).首先,该算法基于KD树,提出网格划分策略(divide gird based on KD tree,KDG)来自动划分数据网格;其次在局部聚类中,提出基于自适应搜索策略(step strategy based on knowledge learn,KLSS)和聚类判定函数(clustering criterion function,CCF)的果蝇群优化算法(improve fruit fly optimization algorithm,IFOA);然后根据IFOA进行局部聚类中最优参数的动态寻优,从而使局部聚类的聚类效果得到提升;同时结合MapReduce模型提出局部聚类算法DBIFOA(density-based clustering algorithm using IFOA);最后提出了基于QR-tree的并行合并局部簇算法(cluster merging algorithm by using MapReduce,MR-QRMEC),实现局部簇的并行合并,使算法整体的并行性能得到加强.实验表明,MR-DBIFOA在大数据下的并行效率更高,且聚类效果更好.

摘要： 提出一种基于自主学习框架的无人机三维路径规划方法。该自主学习框架由知识学习、知识检索和在线更新三部分组成。在该框架下，无人机在线路径规划时首先从过去的规划经验中提取控制量直接用于指导当前机器人的行动，另一方面，如果过去的规划经验不充分，可以在线启动常规三维路径规划算法，实时计算机器人的控制量，控制机器人行动的同时更新知识库。此外，分别采用分层判别回归算法(IHDR)和KD树方法建立了路径规划知识库，通过大量仿真结果对比，基于IHDR方法具有更好的实时性。

摘要： 提出一种基于自主学习框架的无人机三维路径规划方法。该自主学习框架由知识学习、知识检索和在线更新三部分组成。在该框架下，无人机在线路径规划时首先从过去的规划经验中提取控制量直接用于指导当前机器人的行动，另一方面，如果过去的规划经验不充分，可以在线启动常规三维路径规划算法，实时计算机器人的控制量，控制机器人行动的同时更新知识库。此外，分别采用分层判别回归算法(IHDR)和KD树方法建立了路径规划知识库，通过大量仿真结果对比，基于IHDR方法具有更好的实时性。

摘要： 提出一种基于自主学习框架的无人机三维路径规划方法。该自主学习框架由知识学习、知识检索和在线更新三部分组成。在该框架下，无人机在线路径规划时首先从过去的规划经验中提取控制量直接用于指导当前机器人的行动，另一方面，如果过去的规划经验不充分，可以在线启动常规三维路径规划算法，实时计算机器人的控制量，控制机器人行动的同时更新知识库。此外，分别采用分层判别回归算法(IHDR)和KD树方法建立了路径规划知识库，通过大量仿真结果对比，基于IHDR方法具有更好的实时性。

摘要： 提出一种基于自主学习框架的无人机三维路径规划方法。该自主学习框架由知识学习、知识检索和在线更新三部分组成。在该框架下，无人机在线路径规划时首先从过去的规划经验中提取控制量直接用于指导当前机器人的行动，另一方面，如果过去的规划经验不充分，可以在线启动常规三维路径规划算法，实时计算机器人的控制量，控制机器人行动的同时更新知识库。此外，分别采用分层判别回归算法(IHDR)和KD树方法建立了路径规划知识库，通过大量仿真结果对比，基于IHDR方法具有更好的实时性。

摘要： 提出一种基于自主学习框架的无人机三维路径规划方法。该自主学习框架由知识学习、知识检索和在线更新三部分组成。在该框架下，无人机在线路径规划时首先从过去的规划经验中提取控制量直接用于指导当前机器人的行动，另一方面，如果过去的规划经验不充分，可以在线启动常规三维路径规划算法，实时计算机器人的控制量，控制机器人行动的同时更新知识库。此外，分别采用分层判别回归算法(IHDR)和KD树方法建立了路径规划知识库，通过大量仿真结果对比，基于IHDR方法具有更好的实时性。

摘要： 针对三维人脸识别中受表情因素影响识别率低和在线识别耗时问题，提出一种基于点对应的三维人脸识别方法．首先对经过预处理的人脸模型和模板人脸进行CPD(coherent pointdrift)非刚性形变，并在此基础上建立起点对应的关系；然后舍去人脸模型中由表情变化带来的不稳定部分的点云信息；最终通过对应点在特定球面上的投影得到的相应矩阵来计算相似度以区分不同人脸．在FRGC(face recognition grandchallenge)V2.0人脸数据库上的实验结果表明，该方法具有较好的在线实时性，对表情变化有较好的鲁棒性．

摘要： 针对三维人脸识别中受表情因素影响识别率低和在线识别耗时问题，提出一种基于点对应的三维人脸识别方法．首先对经过预处理的人脸模型和模板人脸进行CPD(coherent pointdrift)非刚性形变，并在此基础上建立起点对应的关系；然后舍去人脸模型中由表情变化带来的不稳定部分的点云信息；最终通过对应点在特定球面上的投影得到的相应矩阵来计算相似度以区分不同人脸．在FRGC(face recognition grandchallenge)V2.0人脸数据库上的实验结果表明，该方法具有较好的在线实时性，对表情变化有较好的鲁棒性．

摘要： 针对三维人脸识别中受表情因素影响识别率低和在线识别耗时问题，提出一种基于点对应的三维人脸识别方法．首先对经过预处理的人脸模型和模板人脸进行CPD(coherent pointdrift)非刚性形变，并在此基础上建立起点对应的关系；然后舍去人脸模型中由表情变化带来的不稳定部分的点云信息；最终通过对应点在特定球面上的投影得到的相应矩阵来计算相似度以区分不同人脸．在FRGC(face recognition grandchallenge)V2.0人脸数据库上的实验结果表明，该方法具有较好的在线实时性，对表情变化有较好的鲁棒性．

摘要： 针对三维人脸识别中受表情因素影响识别率低和在线识别耗时问题，本文提出一种基于点对应的三维人脸识别方法。首先对经过预处理的人脸模型和模板人脸进行CPD(Coherent PointDrift)非刚性形变，并在此基础上建立起点对应的关系；然后舍去部分人脸模型中由表情变化带来的不稳定部分的点云信息;最终通过对应点在特定球面上的投影得到的相应矩阵来计算相似度以区分不同人脸。在FRGC v2．0人脸数据库上的实验结果表明，该方法具有较好的在线实时性，对表情变化有较好的鲁棒性。

摘要： 针对三维人脸识别中受表情因素影响识别率低和在线识别耗时问题，本文提出一种基于点对应的三维人脸识别方法。首先对经过预处理的人脸模型和模板人脸进行CPD(Coherent PointDrift)非刚性形变，并在此基础上建立起点对应的关系；然后舍去部分人脸模型中由表情变化带来的不稳定部分的点云信息;最终通过对应点在特定球面上的投影得到的相应矩阵来计算相似度以区分不同人脸。在FRGC v2．0人脸数据库上的实验结果表明，该方法具有较好的在线实时性，对表情变化有较好的鲁棒性。

摘要： 本发明公开了一种GPU上KD树的射线追踪加速系统及KD树输出方法，解决了对水下复杂目标的声场强度快速预报问题，系统按信号连接方向依次包含的模块有：显存预申请、数据预处理、KD树加速搜索生成、虚拟孔径面生成、射线追踪、积分和界面显示模块。增设了显存预申请模块，并在KD树加速搜索生成模块中加速了节点剖分过程。KD树输出方法，实现步骤：输入数据；剖分判断；计算剖分面；辅助数组赋值并扫描；剖分当前节点；输出数组完成建树。本发明能对任意三角面元模型做声场强度计算。使用本发明仿真声线的传播过程，无需对遮挡面元判断，计算速度快，精度高，对不同目标的适应性强。用于对水下目标强度的快速预报仿真。

摘要： 本发明公开一种基于KD树和改进加权KNN的室内指纹定位方法，包括步骤：1.1构建RSS指纹数据库；1.2采集不同位置的RSS序列，并对采集到的RSS序列进行均值平滑滤波处理，得到滤波后的RSS指纹信息；1.3基于RSS指纹数据库构建KD树存储结构，将得到的滤波后的RSS指纹信息输入KD树存储结构进行处理，得到K个近邻点的RSS指纹特征；1.4计算K个近邻点的RSS指纹特征与滤波后的RSS指纹信息的余弦相似度，得到K个近邻点的RSS指纹特征与滤波后的RSS指纹信息的余弦相似度的系数；1.5将得到的余弦相似度系数输入softmax加权KNN算法中进行处理，输出概率相似度作为加权KNN算法的权重，并计算得到最终定位结果。本发明提升了室内定位精度和定位效率，也降低了终端差异对定位精度的影响。

摘要： 本发明一种基于空间约束和KD树的语义线段聚集集合的计算方法，包括：步骤1，对于双侧和单侧聚集语义线段构成的集合，在2维空间上建立集合中语义线段中点的KD树；步骤2，将语义线段集合分为单侧和双侧聚集语义线段集合；步骤3，定义种子语义线段集合和区域生长集合；步骤4，种子语义线段集合中聚集度最高的语义线段为种子语义线段，计算其近邻集合；步骤5，对种子语义线段和种子语义线段的近邻集合中的语义线段进行区域合并；步骤6，从种子语义线段集合中移除种子语义线段，如果种子语义线段集合非空时，执行步骤4；否则，结束区域生长过程，得到区域生长集合U。本发明加快了生长速度，效率高，适用于大场景。

摘要： 本发明公开了一种GPU上KD树的射线追踪加速系统及KD树输出方法，解决了对水下复杂目标的声场强度快速预报问题，系统按信号连接方向依次包含的模块有：显存预申请、数据预处理、KD树加速搜索生成、虚拟孔径面生成、射线追踪、积分和界面显示模块。增设了显存预申请模块，并在KD树加速搜索生成模块中加速了节点剖分过程。KD树输出方法，实现步骤：输入数据；剖分判断；计算剖分面；辅助数组赋值并扫描；剖分当前节点；输出数组完成建树。本发明能对任意三角面元模型做声场强度计算。使用本发明仿真声线的传播过程，无需对遮挡面元判断，计算速度快，精度高，对不同目标的适应性强。用于对水下目标强度的快速预报仿真。

摘要： 本发明提供一种基于KD树加速的丛林目标激光脉冲回波仿真方法，包含以下步骤：步骤S1、构建树木的物理模型，所述树木的物理模型包括树干部分和树冠部分；步骤S2、构建树木的激光散射模型；步骤S3、构建包含丛林和背景环境的KD树结构；步骤S4、对激光雷达发射的激光波束采样，根据空间能量分布生成光子束，并进行波前分割；步骤S5、计算步骤S4生成的光子束中的每个光子与步骤S3生成的KD树结构作用的结果，确定所述光子是否命中步骤S3所构建的KD树结构中树干部分或者树冠部分。步骤S6、计算光子在路径上的散射事件情况；步骤S7、基于步骤S5获得的光子束与KD树作用的结果，计算激光雷达的脉冲回波。本发明具有适用范围广、使用简便等优势。

摘要： 本发明公开了一种基于KD树算法求解气动软体机器人逆解建模方法，其包括以下步骤：步骤一、做出分段常曲率假设、最短长度假设及偏转角共面假设，建立正向运动学公式；步骤二、根据正向运动学公式，随机生成大量数据；步骤三、利用KD树分割空间坐标部分，并建立KD树，并将空间坐标与虚拟关节变量相关联；步骤四、将待抓取的目标坐标代入，并寻找最近点，查找与之相关联的虚拟关节变量；步骤五、将虚拟关节变量与驱动空间变量通过转换公式转换，得到软体机器人的逆解。利用KD树算法解决求解过程大量三维数据的匹配问题，提出了利用数据库查找，求出符合范围误差范围的最近点，并根据工作空间到虚拟关节空间，再到驱动空间的两种映射关系求出逆解。

摘要： 本发明属于地理信息数据处理与重构技术领域，公开了基于KD树的带循环边界的地球模拟系统网格重映射方法，包括步骤：获取地球模拟系统网格，确定源网格点、目标网格点和循环边界，将所有源网格点和目标网格点放置在每个循环维度的指定循环段内；如果目标网格点集中在循环边界附近，且目标网格点远多于源网格点，则基于KD树源点复制法搜索目标网格点对应的源网格点；否则基于KD树目标点复制法搜索目标网格点对应的源网格点；根据目标网格点和对应的源网格点，重映射网格信息。本发明既保持了KD树对网格类型无要求、适用性强的优点，又有效解决带了地球模拟系统网格重映射过程中循环边界的问题，具有广泛的应用前景。

摘要： 本发明公开了基于KD树的非结构网格地球系统模式观测稀疏化方法，包括：获取观测位置和模式网格位置数据并进行预处理；初始化模式网格；构建KD树；针对观测的经纬度位置，查找KD树中与之距离在指定范围内的模式网格中心点，得到L个模式网格中心点；根据模式网格中心点和模式网格中心点与顶点的对应关系，获取模式网格顶点的位置；根据模式网格顶点的位置，保留距模式网格中心点最近的观测，执行上一步直到循环完成，执行下一步；遍历模式网格保留观测序号的存储数组，其保存的观测序号为稀疏化保留的观测序号。本发明与传统的穷举法比，加速效果显著，能够剔除模式网格外的观测，且能够有效去除观测冗余信息。

摘要： 本发明公开了一种基于ICP和KD树的激光雷达定位方法，涉及导航定位技术领域。利用搭载有激光雷达移动终端对目标区域内的各个固定目标对象进行扫描，获得包含各固定目标对象分别所对应的一帧点云集合，所述点云集合中包括反光板连续点云和墙壁连续点云，分别针对目标区域内各个固定目标对象，基于单个点云帧中各个单一点云的反射强度，提取固定目标对象的坐标并利用ICP算法确定搭载有激光雷达的移动终端位姿。通过本发明的技术方案，为ICP算法与KD树搜索提供初值，提高了实时性与鲁棒性，并去除累积误差。

摘要： 本发明提供了一种基于线段KD树的支持大规模时序数据交互方法，将每个时间序列分割为多个线段，并计算每个线段对应的斜率；为分割后的所有线段建立在三维空间的KD树索引结构；计算每个KD树节点中的空间跨度信息；对于交互目标区域，查询KD树索引结构中经过所选区域内的所有线段信息，进行交互式查询。本发明效地解决了当前大规模数据分析中存在的查询困难问题，易于用户观察。