高光谱成像凭借高的光谱分辨率、 图谱合一、 波段多的特点, 能够为待分类目标提供多维的参考信息, 从而提高分类精度。 爆炸破片的识别回收能够为爆炸威力的评估和防爆措施的设计提供参考。 针对当前破片检测中多采用可见光波段或红外波段等单个波段进行检测, 忽略了破片目标与背景对不同波长的光有着不同的吸收程度, 没有将多波段破片特征充分利用, 为此结合高光谱检测手段, 提出了一种空间分割结合光谱信息的爆炸破片识别方法。 在实验室环境下, 首先采集铁质破片、 石头、 树叶的高光谱图像, 对采集的样本图像数据做预处理, 包括去噪声以及黑白校正反演反射率信息等, 感兴趣区域随机提取三类样本像素点共750个, 随机选取600个点作为训练集其余作为测试集, 通过训练后得到预测准确度分别为88%、 88%、 94%的决策树模型。 其次模拟了铁质破片散落在含有石头树叶的沙土中的场景并采集其高光谱数据, 通过前后级联的空谱融合方法, 在空域经过图像增强和去噪等预处理之后, 采用边缘检测结合区域生长以及形态学处理的方法对空间图像进行分割, 得到沙土上有形态的目标, 空间分割的交并比(IOU)达到93.5%, 真阳率(TPR)达到97.4%； 然后结合光谱域训练得到的决策树模型, 对各个分割区域的每个像素点进行谱域的类型识别, 参与分类的三类像素点个数分别为146 172、 50 484、 213 438, 识别准确度分别为87%、 86%、 96%； 最后将分类结果可视化, 以每个区域像素点最多的一类代表该区域类别, 将目标破片与石子和树叶两种背景进行了准确的识别, 以标定后的分割图像为标准, 三类像素点个数分别为155 502、 52 045、 217 794, 识别率分别为94%、 97%、 98%。 分析结果表明空间分割结合光谱信息的识别方法能够有效利用空间和高光谱的特征信息对铁质破片目标进行准确识别。 同时验证了使用高光谱成像进行空谱联合识别爆炸破片的科学性以及可行性, 对未来采用智能化识别破片的方式评估破片战斗部威力具有一定的实用意义。

为了解决目前电力线悬挂点定位方法鲁棒性低、定位不精确的问题, 采用基于激光点云的结合局部3维重建与迭代搜索的方法对电力线悬挂点定位进行了研究。首先, 对电力线点云空间特征进行分析进而推导电力线空间约束条件, 以此作为生长准则进行基于空间约束的区域生长, 实现跨越多档的单根电力线分割; 然后, 对杆塔点云聚类提取杆塔中心点, 以杆塔中心点连线的角平分线为基准划定每档电力线的空间分割平面; 之后, 对各分割平面附近电力线点云进行空间多项式局部3维重建; 最后, 结合分割平面迭代搜索计算重建电力线的交点, 实现电力线悬挂点空间位置定位。结果表明, 对于3种电压等级线路点云及2种数据质量点云, 电力线悬挂点定位平均偏差均在0.09m以内, 最小偏差为0.03m。该方法鲁棒性高, 可以精确地实现各电压等级及各质量点云数据中的电力线悬挂点定位, 为后续基于悬挂点的电力线模拟工况安全分析提供了基础。

常规的特征保持点云精简方法需计算全部点云的微分信息,但直接计算高密度或含噪点云的微分信息存在一定偏差,导致点云精简效果不佳。提出一种基于栅格动态划分的点云精简方法。首先对模型进行空间栅格初划分,利用随机采样一致性算法剔除栅格内的干扰点,然后采用最小二乘法对剩余点进行平面拟合并计算平整度值,根据平整度值判别该栅格是否细分,将平坦区域压入大间距栅格内,特征丰富区域划分至小栅格中。针对小栅格内的点引入高斯函数降低远距离点对特征识别贡献的权重,综合曲面变化度和邻域法向量夹角信息共同识别特征点并保留,大栅格内的点根据栅格间距大小采用不同的采样率采样。与随机采样法、栅格法、曲率精简法对比实验结果表明,该方法能较好地保持模型细微特征且避免孔洞的出现,精简后模型的最大偏差为1.502 mm,远小于其他三种方法;随着噪声强度的增加,本文方法的精简误差相对较小且变化平缓,在35 dB噪声下,平均偏差仅为随机采样法和栅格法的40%,曲率精简法的50%。