هم مرجع سازی کاملا خودکار ابرهای نقاط با استفاده از ویژگی های سطح
Authors
abstract
هم مرجع سازی ابرهایی نقاط پردازشی کلیدی در ایجاد مدل رایانه ای در مهندسی معکوس محسوب می شود. پیچیده بودن و بد وضع بودن مساله هم مرجع سازی مانع از ارائه الگوریتم جامعی که کاملا خودکار این فرآیند را انجام دهد، گردیده است. در این پژوهش روشی برای ارتقا سطح خودکارسازی فرآیند هم مرجع سازی ارائه شده است. در این روش ابتدا ویژگی های سطوح تشکیل دهنده ابرهای نقاط استخراج و از آنها برای یافتن نقاط متناظر بین دو ابر نقاط استفاده می شود. دقت انجام فرآیند هم مرجع سازی به دقت انتخاب نقاط متناظر در ابرهای نقاط بستگی دارد. ویژگی های مورد استفاده در این پژوهش برای تناظریابی، انحنای سطح و شکل موضعی سطح می باشند. برای استخراج ویژگی ها، انحنای سطح برای هر یک از نقاط ابر نقاط با استفاده از انحنای چتری محاسبه گردید و روش جدیدی نیز برای تعیین شکل موضعی سطح ارائه گردید. برای هر نقطه یک عدد شکل که معرف شکل موضعی سطح است با استفاده از مختصات نقاط بدست آمد. نقاط متناظر در این روش نقاطی محسوب می شوند که از شکل موضعی و انحنای چتری تقریبا یکسانی برخوردار باشند. هم مرجع سازی با در نظر گرفتن قید صلبیت با استفاده از زوج نقاط متناظر انجام می شود. نتایج بدست آمده از الگوریتم پیشنهادی در هم مرجع سازی ابرهای نقاط نشان از صحت کارکرد این روش در حل مساله هم مرجع سازی به شکل کاملا خودکار دارد.
similar resources
تشخیص خودکار سطوح تخت و استوانهها در ابرهای نقاط و محاسبه پارامترهای آنها
مدلهای ابر نقاط برای کاربردهای مختلف مورد بررسی و تجزیه و تحلیل قرار گرفته و بسته به نیاز ویژگیهایی از آنها با الگوریتمهای مختلف استخراج میگردد. تشخیص سطوح مختلف در دادههای ابر نقاط، یکی از مسائل کاربردی در مسائل مرتبط با ماشین بینایی و مهندسی معکوس میباشد. در این پژوهش به منظور به دست آوردن دادههای طراحی، سطوح تخت و استوانهها در ابرهای نقاط مورد بررسی قرار گرفتند و الگوریتمی برای شناس...
full textتخمین انحنای ابرهای نقاط با استفاده از انحنای چتری
با توسعه سریع اسکنرهای سه بعدی لیزری، مدل های بر پایه نقاط در کاربردهای مهندسی بسیاری مانند کنترل کیفیت، مهندسی معکوس، گرافیک رایانه ای و ماشین بینایی به شکل وسیعی مورد استفاده قرار گرفته است. محاسبه انحنای سطح ابرهای نقاط یکی از موارد پایه بشمار می رود که در بسیاری از کاربردهای مرتبط با ابرهای نقاط مورد استفاده قرار می گیرد. در این مقاله روش جدیدی برای تخمین انحنای سطوح ابرهای نقاط، معرفی می گ...
full textاستفاده از همسایگی همگن در محاسبه بردار نرمال ابرهای نقاط
ارائه مدل های سه بعدی بر پایه نقاط بدلیل سادگی آن مورد توجه قرار گرفته است. پایه بسیاری از تحلیل های صورت پذیرفته در ابر نقاط، مشخص نمودن همسایگی های هر نقطه در ابر نقاط است. در این مقاله برای تعیین همسایگی های یک نقطه در ابر نقاط از روشی جدید با نام همسایگی همگن استفاده شده است. در این روش برای تعیین همسایگی، اقدام به بهبود روش نزدیکترین k همسایگی شد تا علاوه بر نزدیک بودن همسایگی ها، توزیع آن...
full textحذف خودکار آرتیفکت چشمی از سیگنال های مغزی با استفاده از ویژگی های آماری و زمانی- فرکانسی مولفه های مستقل
مهمترین مشکل در بررسی و پردازش ثبت های الکتروآنسفالوگرام (EEG) حضور انواع سیگنال های ناخواسته (آرتیفکت ها) است که حذف آنها با روش تحلیل مولفه های مستقل از بهترین گزینه های ممکن است. هدف مساله تحلیل مولفه های مستقل جداسازی کور ترکیبی خطی از منابع مستقل است. با اعمال این روش روی سیگنال های مغزی آغشته به آرتیفکت، آرتیفکت ها به صورت مولفه های مستقلی استخراج می شوند. تشخیص خودکار مولفه های مستقل مرب...
full textهمآهنگی بین استراتژی سازمان و استراتژی ساختار با استفاده از نقاط مرجع استراتژیک (SRPs)
با توجه به این که هدف هر سازمان، مبنای تدوین استراتژیهای کلی و کارکردی آن است، در این مقاله، با تشریح الگوهای همآهنگی استراتژیک با سه رویکرد عقلایی، طبیعی و ترکیبی، الگوی همآهنگی بین استراتژی و ساختار مورد مطالعه قرار گرفته است. مقاله با نگاه به سطح استراتژیک در تلاش است تا با هدف دستیابی به انسجام، همآهنگی و ایجاد همافزایی در شرایط زمانی که مدیران و رهبران دچار نگرانی جدی درخصوص افزایش ب...
full textبهینه سازی الگوریتم ایستگاه مرجع مجازی ((VRS با استفاده از مدل های تجربی تابع تغییرنما
الگوریتم شبکه تعیین موقعیت کینماتیک آنی با هدف غلبه بر مشکلات موجود در سیستم سنتی تعیین موقعیت کینماتیک آنی ایجاد شده است. هدف اصلی در این مقاله معرفی الگوریتمی جدید برای شبکه تعیین موقعیت کینماتیک آنی و افزایش دقت بخش درونیابی تصحیحات میباشد. در ابتدا، برای خطوط مبنای شبکه الگوریتم پردازش طول بلند باید انجام شود .سپس باقیماندههای یونسفری و تروپسفری برای هر خط مبنا تفکیک میشوند. در ادامه به...
full textMy Resources
Save resource for easier access later
Journal title:
مهندسی مکانیک مدرسPublisher: دانشگاه تربیت مدرس
ISSN 1027-5940
volume 16
issue 3 2016
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023