Análisis para el procesamiento de nubes de puntos a partir de perfiles bidimensionales

Hernández Castorena, Gerardo Armando (2015) Análisis para el procesamiento de nubes de puntos a partir de perfiles bidimensionales. Maestría thesis, Universidad Autónoma de Nuevo León.

[img]
Vista previa
Texto
1080214882.pdf - Versión Publicada
Available under License Creative Commons Attribution Non-commercial No Derivatives.

Download (1MB) | Vista previa

Resumen

En el presente trabajo se presenta un análisis para construir un modelo tridimensional de una pieza sólida a partir de la integración de los perfiles bidimensionales aportados por la interfase de un escáner láser, el cual hubo sido acoplado a un brazo robótico, y empleando cuaterniones para la descripción espacial del ensamble. Este ensamble escáner - robot está ideado para asistir en los procesos de inspección de las industrias manufactureras. Se presenta además un análisis, basado en el análisis de componentes principales ponderado (WPCA) combinado con el algoritmo k – means, para discriminar los puntos atípicos que aparecen de manera inherente en los perfiles aportados por la interfase del escáner láser, con lo cual es posible, disminuir la carga computacional del procesamiento al reducir la nube de puntos siguiendo la tendencia lineal de ciertos bloques de puntos.

Tipo de elemento: Tesis (Maestría)
Información adicional: Tesis (Maestro en Ciencias con orientación en Matemáticas) UANL, 2015.
Palabras claves no controlados: Cuaterniones, Análisis de componentes principales ponderado, Algoritmo k means, Nubes de puntos, Puntos atípicos
Materias: Q Ciencia > QA Matemáticas, Ciencias computacionales
Divisiones: Ciencias Físico Matemáticas
Usuario depositante: Lic. Josimar Pulido
Creadores:
CreadorEmailORCID
Hernández Castorena, Gerardo ArmandoNO ESPECIFICADONO ESPECIFICADO
Fecha del depósito: 13 Jul 2016 20:39
Última modificación: 13 Jul 2016 20:39
URI: http://eprints.uanl.mx/id/eprint/9385

Actions (login required)

Ver elemento Ver elemento

Downloads

Downloads per month over past year