一种适用于点和区间混合型维度数据集的多维索引

点和区间混合型维度数据集是空间数据库系统和GIS中重要的数据对象.在分析SS树的基础上,提出了一种适用于索引点和区间混合型维度数据集的索引结构--PI树.PI树利用超球划分数据集的多维空间,以提高结点存储利用率,从而降低数据插入时的I/O次数.文章给出了PI树插入、删除和查询算法的形式化描述.理论分析和实验结果表明,所提的PI树性能上总体优于R·树.     

新型航空铝合金材料复杂形貌点蚀损伤应力集中效应分析

根据7B04铝合金材料试件模拟加速点蚀试验检测结果,并结合铝合金材料点蚀行为机制、微观结构特征与随机性过程本质,构建由多个微观椭球体合成的楔入型与合围型两种典型复杂形貌点蚀损伤模型.采用ANSYS有限元方法建模并基于线弹性断裂力学,对上述两种点蚀损伤模型的应力集中效应进行计算与分析.研究发现:两种复杂形貌特征的点蚀损伤...     

零彗差自由点条件下的失调光学系统波像差特性分析

基于矢量像差理论,对反射式光学系统的一类特殊失调状态——满足零彗差自由点条件展开研究,分析了该特殊失调下三阶彗差和三阶像散的全视场波像差特性,建立了三阶像散双节点位置的解析计算公式,研究发现该类失调不会引入三阶彗差,并且会导致三阶像散的一个节点位于中心视场附近,揭示了当前传统装调方法中仅采用轴上彗差为零作为系统完善装调的弊端,并基于像差特性分析提出了一种仅根据轴上视场引入定量失调误差前后的像差变化来评估系统完善装调的方法。利用CODE V(Version 10.2)对两反式光学系统进行了仿真分析,结果表明文中建立的模型和方法可定量分析三阶像散双节点的位置及该类失调对系统波像差的影响规律,并验证了所提出系统完善装调方法的有效性。     

三维点云深度模型压缩算法

随着计算机三维视觉的广泛应用,近几年基于深度学习的点云处理算法得到了大量研究,而耗时耗存储的缺陷较大程度限制了其在移动端的部署应用。基于改进损失函数的总体思路,提出了一种新的点云深度模型压缩框架,将知识蒸馏方法引入二值量化模型中,同时考虑点云聚合操作的特殊性引入了辅助损失项,改进的损失函数共包括预测损失项、蒸馏损失项和辅助损失项三部分。实验结果表明,和已有算法相比,所提算法可以获取更高的精度,同时对当前点云主流深度网络模型也具有良好的扩展性。     

试验函数空间的非标准包

本文研究了试验函数空间Ｄ（Ω）的非标准包（Ｄ）＾及其性质,并给出了（Ｄ）∧中元素的构造。最后,证明了（Ｄ）∧与Ｄ（Ω）有着类似的结构,而且（Ｄ）∧也可作为一类局部凸空间的严格归纳极限     

基于粒子群优化的点云场景拼接算法

多视点三维点点云场景拼接是解决激光三维主动成像目标自遮挡或被遮挡情况下目标数据不完全问题的一种有效方法,它将直接影响到后续的目标检测与识别处理。本文提出了一种基于粒子群优化（PSO）的点云拼接算法,该方法通过投影分布熵对待拼接场景姿态进行估计,由此获取场景拼接的初值,然后利用PSO实现多视点场景的精确拼接。仿真实验结果表明,本文方法是一种有效可行的方法。     

T/R-R 型双基地系统识别欺骗式假目标

本文提出一种利用T／R－R型双基地系统识别欺骗式假目标的方法。在给出双基地系统数据相关算法的基础上,提出了真假目标的识别准则,仿真实验表明,该方法在电子战条件下识别欺骗式假目标是行之有效的。     

基于热物理仿真分析的红外点目标特征提取与识别

根据弹道中段空间目标和诱饵的表面温度分布规律，从热物理的角度分析了目标和诱饵的红外光谱辐射特性，指出了弹道中段目标和诱饵红外辐射特性的本质差别，并据此提出了红外目标识别中的特征基函数，用特征基函数构造红外点目标识别的四维特征矢量。仿真实验表明，这一特征矢量用于红外点目标识别非常成功。     

二元Edwards曲线的半分算法

利用二元Edwards曲线加法公式的对称性得到可做半分的公式.在推导半分算法过程中曲线参数有两种情况:d1≠d2和d1=d2.当曲线参数d1≠d2时,利用和Weierstrass曲线的双有理等价关系、迹函数和半迹函数,得到了Edwards曲线的半分算法.而当曲线参数d1=d2时,给出了定理证明,虽然在这种情况下倍加公式更简单,但半分算法反而更复杂.进一步分析了半分算法的效率,指出虽然在二元Edwards曲线上可以进行半分运算,但目前半分算法的效率仍然比不上倍加方法.利用ω一坐标简化半分算法并应用在标量乘计算上.     

多视图三角化中特征点噪声尺度的自适应估算

鲁棒性多视图三角化方法通常借助重投影误差经验阈值来剔除图像对应中的错误匹配,该经验阈值的选取直接影响三维重构场景点的数量和精度。在分析图像特征点定位噪声及对极传递几何原理的基础上,建立对极传递过程不确定性的传递模型,提出一种基于核密度估计的最优噪声尺度估算方法,并将该噪声尺度作为多视图三角化中错误匹配筛选的依据。实验结果表明,该方法可以获得准确的噪声尺度估计,从而有效提升多视图三角化方法的三维重构质量。