线性痕迹激光检测信号自适应匹配算法研究期刊文献.pdfVIP

线性痕迹激光检测信号自适应匹配算法研究期刊文献.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
线性痕迹激光检测信号自适应匹配算法研究期刊文献.pdf

第 36卷 第 6期 仪 器 仪 表 学 报 Vo1.36No.6 2015年 6月 ChineseJournalofScientificInstrument Jun.2015 线性痕迹激光检测信号 自适应匹配算法研究木 潘 楠 一,伍 星 ,刘 益 ,杨敬树 ,羿泽光 (1.昆明理工大学机电工程学院 昆明 650500;2.云南省高校振动与噪声重点实验室 昆明 650500; 3.北京卡索众和科技有限公司 北京 100097) 摘 要 :针对 目前图像处理及3D扫描方法难以快速定量比对剪切类线性痕迹的问题 ,提出了一种线性痕迹激光检测信号 自适 应匹配算法。该算法首先利用局部加权回归散点平滑法对激光位移传感器拾取的线性痕迹表面信号进行降噪 ,接着进行信号 数据中 “粗大连贯”趋势特征的识别,并通过余弦向量曲线拟合的方法量化特征向量,逐个计算样本空间距离。最后利用动态 规划算法批量进行相似度比对,匹配各 自最大相似样本。实际剪切痕迹多样本数据相似度 比对试验证明了该算法的准确性和 有效性。 关键词 :线性工具痕迹;激光检测;动态规划 ;空间距离 ;自适应匹配 中图分类号:TN911.72 TH39 文献标识码:A 国家标准学科分类代码 :510.4010 Research on theadaptivematchingalgorithm for laserlinearmark detection signals PanNan一,W uXing’ LiuYi,rangJingshu ,YiZeguang , (J.FacultyofMechanicalElectricalEngineering,KunmingUniversityofScienceTechnology,Kunming650500,China; 2.KeyLaboratoryofVibrationandNoise,MinsitryofEducationofYunnanProvince,Kunming650500,China; 3.BeijingCamsonarTechnologyCo.,Ltd.,Bering100097,China) Abstract:Aimingattheproblem thatcurrentimageprocessingand3D scanningmethodsaredifficulttocomparethecutlinermarks quicklyandquantitatively,anadaptivematchingalgorithm forlaserlinearmarkdetectionsignalsisputforward.Theproposedalgorithm firstlyapplieslocallyweightedregressionscatterplotsmoothingmethodtodenoisethelinermarksignalspickedupbylaserdisplacement sensorandretaintheircharacteristicdetails.andthenperform theidentificationofthe ‘thick& consistent’trendfeaturesinthesignal dataafterde—nosing.Afterthat,thecosinevectorCUlWefittingmethodisadoptedtoquantifythefeaturevectorsandcalculatethesample spatial distanceonebyone.Finally,thedynamicprogrammingalgorithm isemployedtoconductsimilaritycomparisoninbatch

文档评论(0)

o25ju79u8h769hj + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档