Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Instantaneous Center of Zero Velocity01:20

Instantaneous Center of Zero Velocity

534
General plane motion, often observed in a rolling wheel, refers to a type of movement where the wheel is simultaneously rotating and translating. This complex motion can be understood by breaking it down into individual components.
To analyze this, consider two points on the wheel: point A and point B. The absolute velocity of point B can be expressed as the vector sum of the absolute velocity of point A and the relative velocity of point B with respect to point A. To simplify this analysis,...
534

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Molecular Epidemiology of <i>Cryptosporidium</i> spp., <i>Giardia duodenalis</i>, and <i>Enterocytozoon bieneusi</i> in Guizhou Angus Calves: Dominance of Angus Cattle-Adapted Genotypes and Zoonotic Potential of <i>E. bieneusi</i>.

Microorganisms·2025
Same author

Construction of a recombinant African swine fever virus with firefly luciferase and eGFP reporter genes and its application in high-throughput antiviral drug screening.

Antiviral research·2024
Same author

Transcriptome sequencing reveals non-coding RNAs respond to porcine reproductive and respiratory syndrome virus and <i>Haemophilus parasuis</i> co-infection in Kele piglets.

Journal of animal science and technology·2024
Same author

Exploring the microbial ecosystem of <i>Berchemia polyphylla</i> var. <i>leioclada</i>: a comprehensive analysis of endophytes and rhizospheric soil microorganisms.

Frontiers in microbiology·2024
Same author

Clinical characteristics and prognosis of patient with leptospirosis: A multicenter retrospective analysis in south of China.

Frontiers in cellular and infection microbiology·2022
Same author

Targeting RAS mutants in malignancies: successes, failures, and reasons for hope.

Cancer communications (London, England)·2022

Video Experimental Relacionado

Updated: Sep 9, 2025

Four-Dimensional CT Analysis Using Sequential 3D-3D Registration
05:05

Four-Dimensional CT Analysis Using Sequential 3D-3D Registration

Published on: November 23, 2019

8.1K

Investigación sobre el algoritmo de registro de la nube de puntos de la rueda del tren basado en puntos clave

Qian Xiao1, Xueshan Gao2, Zhi Zhang3

  • 1Railway Industry Key Laboratory of Intelligent Operation and Maintenance of Rolling stock, EastChina Jiaotong University, Nanchang, 330013, China.

Scientific reports
|September 1, 2025
PubMed
Resumen

Este estudio introduce un algoritmo mejorado de registro de nubes de puntos para medir con precisión los parámetros de las ruedas del tren, lo que mejora la seguridad. El nuevo método aumenta significativamente la precisión y la robustez en las mediciones dinámicas de las ruedas.

Palabras clave:
Las firmas de forma intrínsecasPunto más cercano iterativoRegistro de la nube de puntosSúper conjuntos congruentes de cuatro puntosRueda del tren

Más Videos Relacionados

Three-dimensional Super Resolution Microscopy of F-actin Filaments by Interferometric PhotoActivated Localization Microscopy iPALM
11:57

Three-dimensional Super Resolution Microscopy of F-actin Filaments by Interferometric PhotoActivated Localization Microscopy iPALM

Published on: December 1, 2016

10.8K
Sample Drift Correction Following 4D Confocal Time-lapse Imaging
10:04

Sample Drift Correction Following 4D Confocal Time-lapse Imaging

Published on: April 12, 2014

16.5K

Videos de Experimentos Relacionados

Last Updated: Sep 9, 2025

Four-Dimensional CT Analysis Using Sequential 3D-3D Registration
05:05

Four-Dimensional CT Analysis Using Sequential 3D-3D Registration

Published on: November 23, 2019

8.1K
Three-dimensional Super Resolution Microscopy of F-actin Filaments by Interferometric PhotoActivated Localization Microscopy iPALM
11:57

Three-dimensional Super Resolution Microscopy of F-actin Filaments by Interferometric PhotoActivated Localization Microscopy iPALM

Published on: December 1, 2016

10.8K
Sample Drift Correction Following 4D Confocal Time-lapse Imaging
10:04

Sample Drift Correction Following 4D Confocal Time-lapse Imaging

Published on: April 12, 2014

16.5K

Área de la Ciencia:

  • Ingeniería ferroviaria
  • Visión por computadora
  • Metrología

Sus antecedentes:

  • La medición dinámica precisa de los parámetros de la rueda del tren es crucial para la seguridad operativa.
  • Los métodos existentes para la medición de parámetros de ruedas requieren una mayor precisión de coincidencia.
  • El registro de nubes de puntos es una técnica clave en la medición y el análisis geométricos.

Objetivo del estudio:

  • Proponer un algoritmo mejorado de registro de nubes de puntos para la medición de parámetros de ruedas de trenes.
  • Mejorar la precisión y la robustez de la medición de los parámetros dinámicos de las ruedas.
  • Validar el rendimiento del algoritmo propuesto frente a los métodos tradicionales.

Principales métodos:

  • Filtración de la nube de puntos y estimación normal para los datos de la rueda.
  • Extracción de puntos clave mediante firmas de forma intrínsecas (ISS) y descripción de características con histogramas de características de punto rápido (FPFH).
  • Una estrategia de registro de dos niveles que combina conjuntos congruentes de súper cuatro puntos (Super-4PCS) para el registro grueso y el punto más cercano iterativo (ICP) para el registro fino.

Principales resultados:

  • El algoritmo propuesto mejora significativamente la precisión y la robustez del registro de los datos de la nube de puntos de rueda.
  • Se ha conseguido una reducción del error cuadrado de la raíz media (RMSE) de 0,0631 a 0,0002.
  • Se logró una reducción del error absoluto medio (MAE) de 0,0671 a 0,00026.

Conclusiones:

  • El algoritmo mejorado basado en Super-4PCS e ICP ofrece un rendimiento superior para la medición de parámetros de ruedas de tren.
  • El algoritmo demuestra una mayor precisión y solidez en comparación con los enfoques tradicionales.
  • El rendimiento es sensible a la densidad de la nube de puntos y a los niveles de ruido, lo que requiere consideración en las aplicaciones prácticas.