多线激光SAFEGE型轨道梁检测机器人系统研究
这是一篇关于SAFEGE型轨道梁,结构光检测系统,移动机器人定位系统,卡尔曼滤波,点云处理的论文, 主要内容为对称悬挂胶轮型(SAFEGE型)轨道梁是悬挂式单轨轨道梁的一种,作为悬挂式单轨轨道交通系统的主要承重部件,SAFEGE型轨道梁整体结构力学性能更加稳定,是当前最先进、应用最广的悬挂式单轨轨道梁。该轨道梁的内腔为主要工作面,其内腔形状误差决定了车体在运行过程中的稳定性和安全性,因此每根轨道梁出厂前都需对其制造加工的形状误差进行严格检测。目前,SAFEGE型轨道梁的检测主要采用人工进入轨道梁内腔的方式,存在检测工作量大,工作环境差,效率低,数据记录混乱、管理复杂等问题。本文根据SAFEGE型轨道梁形状误差检测需求,提出了一种多线激光SAFEGE型轨道梁检测机器人系统,通过检测机器人采集轨道梁点云数据,并设计了一种快捷、高效且精度满足轨道梁检测需求的轨道梁形状误差检测结果计算方法。在多线激光SAFEGE型轨道梁检测机器人总体检测方案设计时,综合分析轨道梁形状误差检测指标和检测任务实际特点,采用多线激光传感器组合形成宽视场的结构光检测系统,并利用移动机器人底盘作为运载平台,搭载结构光检测系统构成检测机器人系统,以检测机器人进入轨道梁内腔的方式实现轨道梁内腔全轮廓检测扫描。根据多线激光SAFEGE型轨道梁检测机器人的硬件组成和检测精度需求,进行系统主要硬件选型。并针对结构光检测系统中多个线激光传感器测量坐标不统一问题,采用传感器标定的方式确定结构光检测系统各传感器的安装参数,利用坐标变换关系融合多线激光检测数据,实现轨道梁内腔截面轮廓数据的采集。为确定检测机器人在检测过程中,截面轮廓数据的位置信息,基于机器人底盘的结构特点建立移动机器人运动模型,分析移动机器人航位推算方法,并结合编码器、惯性测量单元的观测模型以及传感器各自的优缺点,基于优势互补的原则,设计了一种基于扩展卡尔曼滤波器的里程计-惯性测量单元数据融合方法,以多传感器数据融合的方式,实现轨道梁检测机器人定位功能。针对轨道梁形状误差指标参数计算问题,通过将移动机器人底盘定位系统的位置信息和结构光检测系统轮廓信息统一到同一全局坐标系的方式,来获取轨道梁内腔工作面点云数据。并利用点云滤波的方式将每米范围内的点云数据分割为一个数据单元,针对数据单元通过平面分割方法分割成各个工作面特征数据,基于各个工作面特征数据,利用数据位置关系计算相应轨道梁形状误差指标参数。通过与人工检测方式比较,本文多线激光SAFEGE型轨道梁检测机器人系统和形状误差计算方法具有检测效率高、复杂度低、计算速度快,数据处理无需人工参与等优势,满足SAFEGE型轨道梁形状误差检测需求,极大提高了轨道梁检测效率,同时验证了本文方法在轨道梁形状误差检测中的可行性。
基于深度学习的点云处理方法研究
这是一篇关于点云处理,注意力机制,Top-K,残差处理,深度学习,分类,分割的论文, 主要内容为点云是一种灵活的几何表示形式,在许多领域中都有重要应用,包括机器人视觉与导航、医学影像处理等。但是,对点云的处理一直存在较大的困难,这是因为点云数据具有不规则性、无序性的特点。这使得在图像中广泛使用的卷积神经网络无法直接应用于点云。以PointNet为代表的基于点的深度网络的提出使点云可以直接被处理,但是这些方法为了适应点云的不规则性、无序性,对局部三维点之间的关系的刻画较弱。针对上述问题,本文做了以下这些工作:1.引入Top-K算子取代广泛采用的最大池化来聚合点云局部特征,减少信息损失。Point Net最先提出采用最大池化聚合全局特征,同时,DGCNN网络中使用自适应平均池化增加全局特征的表征。但当被聚合的点具有多个显著特征时,则只保留一个最大值点会损失大量信息。针对这一问题本文提出引用Top-K算子替换最大池化操作,在有限度的增加存储开销情况,尽可能保留更多的显著特征,提升网络的鉴别能力。2.提出基于残差注意力机制的增强边缘卷积层,注意力机制增强了网络对重要的区域和关键特征通道的表达,残差结构的引入提升了网络深度,从而使网络具备更强的抽象刻画能力。3.提出一种基于切片法的点云处理网络,该网络将点云数据划分成具有上下文关系的切片,将点云数据由不规则变为规则,无序变为有序。由于点云的无序性,现有的方法往往采用对称函数来聚合邻域内的点云,这个过程丢失了大量的局部几何信息。本文对于这一问题,提出直接将三维物体沿着某一方向切割成连续区域,不更改原始点云数据,同时增加上下文分量,并通过两个网络分支分别学习原始点云几何局部特征和切片上下文关系特征。本文通过在点云形状分类和形状部件分割数据集上,依据分类成功率和部件分割m Io U两个标准,与其他点云处理算法进行对比试验、消融实验、网络深度实验和参数设置实验。同时,对点云数据的丢失进行了鲁棒性研究。实验结果表明,本文提出的方法能显著提高网络的形状分类和形状部件分割性能。
多线激光SAFEGE型轨道梁检测机器人系统研究
这是一篇关于SAFEGE型轨道梁,结构光检测系统,移动机器人定位系统,卡尔曼滤波,点云处理的论文, 主要内容为对称悬挂胶轮型(SAFEGE型)轨道梁是悬挂式单轨轨道梁的一种,作为悬挂式单轨轨道交通系统的主要承重部件,SAFEGE型轨道梁整体结构力学性能更加稳定,是当前最先进、应用最广的悬挂式单轨轨道梁。该轨道梁的内腔为主要工作面,其内腔形状误差决定了车体在运行过程中的稳定性和安全性,因此每根轨道梁出厂前都需对其制造加工的形状误差进行严格检测。目前,SAFEGE型轨道梁的检测主要采用人工进入轨道梁内腔的方式,存在检测工作量大,工作环境差,效率低,数据记录混乱、管理复杂等问题。本文根据SAFEGE型轨道梁形状误差检测需求,提出了一种多线激光SAFEGE型轨道梁检测机器人系统,通过检测机器人采集轨道梁点云数据,并设计了一种快捷、高效且精度满足轨道梁检测需求的轨道梁形状误差检测结果计算方法。在多线激光SAFEGE型轨道梁检测机器人总体检测方案设计时,综合分析轨道梁形状误差检测指标和检测任务实际特点,采用多线激光传感器组合形成宽视场的结构光检测系统,并利用移动机器人底盘作为运载平台,搭载结构光检测系统构成检测机器人系统,以检测机器人进入轨道梁内腔的方式实现轨道梁内腔全轮廓检测扫描。根据多线激光SAFEGE型轨道梁检测机器人的硬件组成和检测精度需求,进行系统主要硬件选型。并针对结构光检测系统中多个线激光传感器测量坐标不统一问题,采用传感器标定的方式确定结构光检测系统各传感器的安装参数,利用坐标变换关系融合多线激光检测数据,实现轨道梁内腔截面轮廓数据的采集。为确定检测机器人在检测过程中,截面轮廓数据的位置信息,基于机器人底盘的结构特点建立移动机器人运动模型,分析移动机器人航位推算方法,并结合编码器、惯性测量单元的观测模型以及传感器各自的优缺点,基于优势互补的原则,设计了一种基于扩展卡尔曼滤波器的里程计-惯性测量单元数据融合方法,以多传感器数据融合的方式,实现轨道梁检测机器人定位功能。针对轨道梁形状误差指标参数计算问题,通过将移动机器人底盘定位系统的位置信息和结构光检测系统轮廓信息统一到同一全局坐标系的方式,来获取轨道梁内腔工作面点云数据。并利用点云滤波的方式将每米范围内的点云数据分割为一个数据单元,针对数据单元通过平面分割方法分割成各个工作面特征数据,基于各个工作面特征数据,利用数据位置关系计算相应轨道梁形状误差指标参数。通过与人工检测方式比较,本文多线激光SAFEGE型轨道梁检测机器人系统和形状误差计算方法具有检测效率高、复杂度低、计算速度快,数据处理无需人工参与等优势,满足SAFEGE型轨道梁形状误差检测需求,极大提高了轨道梁检测效率,同时验证了本文方法在轨道梁形状误差检测中的可行性。
基于深度学习的点云处理方法研究
这是一篇关于点云处理,注意力机制,Top-K,残差处理,深度学习,分类,分割的论文, 主要内容为点云是一种灵活的几何表示形式,在许多领域中都有重要应用,包括机器人视觉与导航、医学影像处理等。但是,对点云的处理一直存在较大的困难,这是因为点云数据具有不规则性、无序性的特点。这使得在图像中广泛使用的卷积神经网络无法直接应用于点云。以PointNet为代表的基于点的深度网络的提出使点云可以直接被处理,但是这些方法为了适应点云的不规则性、无序性,对局部三维点之间的关系的刻画较弱。针对上述问题,本文做了以下这些工作:1.引入Top-K算子取代广泛采用的最大池化来聚合点云局部特征,减少信息损失。Point Net最先提出采用最大池化聚合全局特征,同时,DGCNN网络中使用自适应平均池化增加全局特征的表征。但当被聚合的点具有多个显著特征时,则只保留一个最大值点会损失大量信息。针对这一问题本文提出引用Top-K算子替换最大池化操作,在有限度的增加存储开销情况,尽可能保留更多的显著特征,提升网络的鉴别能力。2.提出基于残差注意力机制的增强边缘卷积层,注意力机制增强了网络对重要的区域和关键特征通道的表达,残差结构的引入提升了网络深度,从而使网络具备更强的抽象刻画能力。3.提出一种基于切片法的点云处理网络,该网络将点云数据划分成具有上下文关系的切片,将点云数据由不规则变为规则,无序变为有序。由于点云的无序性,现有的方法往往采用对称函数来聚合邻域内的点云,这个过程丢失了大量的局部几何信息。本文对于这一问题,提出直接将三维物体沿着某一方向切割成连续区域,不更改原始点云数据,同时增加上下文分量,并通过两个网络分支分别学习原始点云几何局部特征和切片上下文关系特征。本文通过在点云形状分类和形状部件分割数据集上,依据分类成功率和部件分割m Io U两个标准,与其他点云处理算法进行对比试验、消融实验、网络深度实验和参数设置实验。同时,对点云数据的丢失进行了鲁棒性研究。实验结果表明,本文提出的方法能显著提高网络的形状分类和形状部件分割性能。
青少年特发性脊柱侧弯矫形器智能化设计系统开发
这是一篇关于脊柱侧弯,矫形器设计,系统开发,点云处理的论文, 主要内容为根据相关报道,我国青少年脊柱侧弯患者人数已超500万,是危害青少年健康的第三大疾病。目前,佩戴矫形器是大部分患者选择的治疗青少年脊柱侧弯的有效方法,该方法能够避免使用手术治疗。但目前对于矫形器的个性化设计并无一个统一的方法,对矫形器的设计规律并不明确,基本依仗矫形师的个人经验,而矫形师矫形水平参差不齐,且脊柱侧弯患者人数远远大于矫形师的数量,大部分患者得不到妥善的治疗。因此,设计并开发一款可以辅助甚至代替矫形师的脊柱侧弯患者矫形器智能化设计平台具有重要意义。本文的主要研究内容包括:(1)对大连市中山区所有中小学生的脊柱侧弯筛查,筛查出潜伏在其中的脊柱侧弯患者,得到患者在中小学生中所占比例。(2)提出脊柱侧弯矫形器智能化设计系统的整体思想,并对系统进行整体的框架设计,包括系统的需求分析、系统的开发环境及系统的组织架构设计。(3)查阅相关资料,对矫形器生成规律做出一个详细的总结,生成一个系统的矫形器设计规律。(4)结合传统矫形器设计方法及矫形器生成规律,利用python语言编写程序,开发出矫形器参数生成模块。(5)根据矫形器模型设计原理及生成的参数,研究点云数据处理模块中各操作原理及程序实现,逐步实现对矫形器模型施力区、释放区、开口区及整体模型修饰等功能,最终生成患者矫形器模型。(6)对设计完成的系统进行测试,通过对某患者的矫形器的设计展示软件的整体操作流程。对最终设计好的矫形器进行力学加载分析,测试矫形器的结构稳定性。本文对脊柱侧弯比例进行了筛查,对矫形器生成规律进行了总结,得到了一个完善的矫形器智能化设计系统,最后对系统进行了测试。能够成功辅助矫形师对脊柱侧弯患者进行康复诊疗工作,设计出适合患者的矫形器模型。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：毕设向导 ，原文地址：https://m.bishedaima.com/lunwen/54658.html
