基于三维光学信息的人体姿态快速测量

汽车中人体姿态三维测量对汽车座椅设计的舒适性评价具有重要的意义。为了快速准确地获取车内人体三维数据,文中采用一种基于双目视觉的立体三维数据获取方法,该方法将结构光与标记点相结合,实现了人体三维点云快速重建以及三维姿态(距离、角度)自动快速测量。实验结果表明,该方法在距离2 m以上,测量范围1.5 m×2 m时,人体姿态测量精度可以达到0.03 mm,满足了汽车人体姿态高精度三维数据采集的需求。与传统的汽车人体姿态三维测量方法相比,文中所使用的三维自动测量方法不仅自动化程度高,而且具有测量精度高、速度快、鲁棒性强的优点。     

基于改进DPC和特征分区的点云去噪算法

针对三维激光扫描仪获取到的点云数据存在的多尺度混合噪声将严重影响后续的三维模型重建的问题,提出了一种基于改进的密度峰值聚类算法(DPC)和特征分区的点云去噪算法。首先通过改进的DPC算法去除远离点云主体的大尺度噪声;然后利用主成元分析法(PCA)和曲面变分获取点云法矢及曲率信息,同时采用邻域传播法调整法矢方向并根据曲率对点云进行划分,对特征区域点云与平坦区域点云分别采取自适应双边滤波和正交整体最小二乘平面拟合的方法进行光顺去噪。实验结果表明:在包含混合噪声的bunny与block模型下,利用该算法去噪后点云数据最大误差分别为0235mm和0157mm,平均误差分别为0029mm和0009mm,均能取得较好的去噪效果,且降低了去噪参数设置的复杂性。     

基于Kinect的实时人体姿势识别

Kinect的实时骨骼跟踪技术获取身体关节点的三维位置信息,为进行人体姿势识别提供了丰富的信息,拟在三维关节点位置信息的基础上,建立一种实时的人体姿势识别系统。选择关节角度作为姿势特征,结合逻辑回归（logistic regression,LR）分类算法对54种姿势进行识别研究。实验结果表明,该姿势识别系统可以准确实时地识别人体姿势。     

A connectivity based clustering algorithm with application to VLSI circuit partitioning

Circuit partitioning is a fundamental problem in very large-scale integration (VLSI) physical design automation. In this brief, we present a new connectivity-based clustering algorithm for VLSI circuit partitioning. The proposed clustering method focuses on capturing natural clusters in a circuit, i.e., the groups of cells that are highly interconnected in a circuit. Therefore, the proposed clustering method can reduce the size of large-scale partitioning problems without losing partitioning solution qualities. The performance of the proposed clustering algorithm is evaluated on a standard set of partitioning benchmarks-ISPD98 benchmark suite. The experimental results show that by applying the proposed clustering algorithm, the previously reported best partitioning solutions from state-of-the-art partitioners are further improved.     

基于最小包含球的大数据集快速谱聚类算法

 GRC (Graph-based Relaxed Clustering)是一种具有便捷性和自适应性的谱聚类算法,但对于大数据集,繁重的时间开销限制了其实用性.针对此不足,该文通过对GRC聚类指示向量进行约束并融合中心约束型最小包含球(Center-Constrained Minimal Enclosing Ball,CCMEB)理论提出了大数据集快速谱聚类算法CCMEB-CGRC.该算法继承GRC的便捷性和自适应性的同时又具有渐近线性时间复杂度的优点,从而较好地解决了大数据集快速有效谱聚类的问题.仿真实验的结果验证了该算法的有效性和快速性.     

一种应用于二次布局的有效划分方法

提出了一种基于二次布局的结合MFFC结群和hMETIS划分的算法.实验表明:这种方法能得到很好的布局结果,但是运行消耗的时间比较长.为了缩短划分在二次布局中运行的时间,提出了一种改进的结群算法IMFFC,用它在二次布局中做划分.与前者相比较,这种方法虽然布局质量稍差,但速度更快.     

一种应用于二次布局的有效划分方法

提出了一种基于二次布局的结合MFFC结群和h METIS划分的算法.实验表明:这种方法能得到很好的布局结果,但是运行消耗的时间比较长.为了缩短划分在二次布局中运行的时间,提出了一种改进的结群算法IMF-FC,用它在二次布局中做划分.与前者相比较,这种方法虽然布局质量稍差,但速度更快.     

基于视点特征直方图的激光点云模型的位姿估计

提出一种基于视点特征直方图的点云模型位姿估计 算法。首先在目标物体周围采 集三维点云,拼接后获得物体的完整点云模型;然后对点云模型计算其视点特征直方图, 构建特征数据 库;对待估计点云同样计算其特征直方图,使用KNN算法在数据库中搜索与之最接近的位 姿作为初始位 姿估计值;最后使用迭代最近点(ICP)算法将待估计点云精确配准到模型点云,从而获得坐 标系之间的相 对位姿。实验表明,这种方法对于物体位姿识别有很强的稳健性,能很好实现目标物体的 三维位姿计算。     

两组双目立体深度图像信息融合与三维重建方法

获取工件目标的三维表面与深度信息是实现工业立体视觉应用的关键。提出一种将两组双目视觉系统结合的方法,对随机摆放的工件多方位采集图像并获得目标工件的三维表面点云。其中,两组双目视觉系统会根据NCC(Normalized Cross Correlation)匹配算法产生工作场景的两组视差图像,去噪分割之后对其立体深度信息进行提取,其过程中采用一种新颖的转换方法,视差图像中每个坐标位置的像素点的x、y、z方向的立体深度信息分别被转化为X、Y、Z图像中对应位置上像素的灰度值。采样两组立体深度数据,共同储存到标定完成的参考相机坐标系中达到信息融合的目的。最后,对随机摆放的工业工件进行了的三维重构实验,对于相互重叠、高度、姿势都不同的零件能较好的恢复出清晰的轮廓点云,在重叠区域也能产生较为明显的层次性。     

运动捕获系统中标记点自动初始化方法

基于辅助标记点的多摄像机运动捕获系统,往往需要在运动捕获初始阶段手工建立各标记点与关节点的对应关系.为了减少初始化阶段繁琐的手动标记工作,提出一种标记点自动初始化方法.首先预定义表演者初始姿态,利用PCA算法分析出人体主轴,结合人体骨架模型,使标记点与各关节点关联,再将带有关节信息的标记点进行三维重构,通过反投影到各个视角完成所有点的初始化.实验结果表明,该方法能够准确地标识出各个标记点,完成标记点的自动初始化.