典型文献
改进型点云数据融合的多站组网SVD算法
文献摘要：
在大型结构的加工与装配过程中激光雷达的多站组网测试十分常见,但由于点云数据拼接过程需要统一的坐标系,故环境干扰、站位布局导致的转站误差大幅降低了系统的整体测量精度.为了提高多站组网后点云数据融合的面型测量精度,提出了一种改进型奇异值分解算法.该算法在分析站位布局的基础上,通过在多站之间匀差的方式抑制粗大偏差.对目标函数进行了奇异值分解,并通过最优值完成站位的优化布置.实验采用单点精度0.01 mm的MV350型激光雷达,并对6组不同布站情况进行对比分析.结果显示,本算法的点最大误差为0.0824 mm,点平均误差为0.0214 mm,点测量不确定度为0.0122 mm,均优于未规划的测量结果.其测量综合不确定度最接近单机测量综合不确定度,可见,采用本算法对提升转站精度具有一定价值.
文献关键词：
激光雷达;多站组网;数据融合;奇异值分解算法
中图分类号：
作者姓名：
高魏;高晶杰
作者机构：
长春大学旅游学院网络中心/虚拟实训中心,吉林 长春 130000;广东石油化工学院材料科学与工程学院,广东 茂名525000
文献出处：
引用格式：
[1]高魏;高晶杰-.改进型点云数据融合的多站组网SVD算法)[J].激光与红外,2022(11):1592-1597
A类：
多站组网,MV350,综合不确定度
B类：
改进型,数据融合,SVD,装配过程,激光雷达,点云数据拼接,接过,坐标系,环境干扰,转站,体测,测量精度,后点,面型,奇异值分解算法,粗大,大偏差,最优值,值完,优化布置,单点,布站,最大误差,平均误差,测量不确定度,单机
AB值：
0.285862
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
