全文获取类型
收费全文 | 52篇 |
免费 | 8篇 |
国内免费 | 4篇 |
专业分类
电工技术 | 9篇 |
综合类 | 3篇 |
金属工艺 | 2篇 |
机械仪表 | 16篇 |
轻工业 | 1篇 |
武器工业 | 12篇 |
无线电 | 4篇 |
一般工业技术 | 7篇 |
自动化技术 | 10篇 |
出版年
2023年 | 3篇 |
2022年 | 1篇 |
2020年 | 1篇 |
2019年 | 6篇 |
2018年 | 1篇 |
2017年 | 4篇 |
2016年 | 4篇 |
2015年 | 3篇 |
2014年 | 5篇 |
2013年 | 4篇 |
2012年 | 3篇 |
2011年 | 4篇 |
2010年 | 1篇 |
2009年 | 1篇 |
2008年 | 2篇 |
2007年 | 3篇 |
2006年 | 3篇 |
2004年 | 2篇 |
2003年 | 2篇 |
2002年 | 2篇 |
2001年 | 1篇 |
2000年 | 3篇 |
1999年 | 1篇 |
1996年 | 2篇 |
1995年 | 1篇 |
1989年 | 1篇 |
排序方式: 共有64条查询结果,搜索用时 781 毫秒
21.
22.
23.
24.
曲面工件超声成像检测时,采集点为三维数据,数量较大,观测时须进行旋转、移动操作,重构与显示缓慢,需对采集数据进行二维显示以便观测工件整体状况,实际检测中通常也要求结果为平面图像。基于此,提出了基于快速Isomap的曲面超声图像展开算法,首先对N个采集点进行Landmark点抽取,采用基于Fibonacci堆的Dijkstra算法计算Landmark点间的近似测地距离,利用多维尺度变换构造保持曲面拓扑结构的2D空间,根据剩余采集点到landmark点的距离确定其坐标,对曲面展开后各点的欧氏距离加权优化,使展开前后测量点间距尽可能保持相等。实验表明,该方法计算速度为2~4 s,误差约为0.1,与Isomap算法相比均有提高。 相似文献
25.
为增强示波器的测试功能和提高测试效率,在改进标准RS-232串行通信使其具有自动识别串口号功能的基础上,利用LabVIEW设计了虚拟仪器面板,实现了对泰克示波器的通道选择、自动设置、触发控制、时基及增益控制、波形显示及调整测量、数据存储等的控制;同时,对通信中需要注意的关键环节进行了说明。对TeKtronix TDS 2012示波器的控制试验表明:该平台界面友好、操作方便,能利用改进的串行通信方法与示波器进行可靠的通信,并实现了对示波器的上位控制,还获得了完整正确的被测信号波形,具有很好的实用性。 相似文献
26.
提出了机器视觉多视场协同测量方法以实现二维几何特征的现场高精度自动测量。介绍了该方法的基本原理,研究了实现多视场协同测量的关键技术。首先,建立测量空间,在大视场图像上识别被测特征并规划测量路径,建立大视场图像坐标与测量空间坐标之间的映射关系;根据测量路径,在测量空间中完成小视场序列图像的自动采集。然后,建立大视场图像坐标与小视场图像坐标之间以及相邻小视场图像坐标之间的映射关系,据此关系,在小视场图像的相应位置搜索并构建精细的辅助测量特征。最后,根据小视场序列图像在测量空间中的方位,求解各局部被测特征参数并进一步求和得到整体被测特征参数。应用该方法对φ150mm圆盘上分布的100mm孔距进行测量实验,结果表明,相对误差的绝对值不超过0.03%。该方法测量精度不受机械坐标精度的影响,适用于在工业现场组建高精度自动测量系统。 相似文献
27.
针对基于单一颜色信息的目标分割算法易受光线因素影响的问题,提出一种颜色及深度信息融合进行前景分割的目标实时检测方法。采用Kinect传感器采集低成本深度(RGB-D)图像,利用改进的ViBe算法及多帧差分法分别对于RGB以及深度图像进行建模。前景分割后,利用选取基准(SC)融合策略优化目标结果,然后通过rg Chromaticity颜色模型计算前景区域直方图信息并与模板匹配完成目标标记。实验结果表明,该方法对于环境光线及噪声干扰具有一定的鲁棒性,对于ViBe算法中背景前景同色误检及“鬼影”现象,对于深度图像分割中前景背景距离过近而造成误检现象都有很好的识别效果。 相似文献
28.
29.
基于虚拟仪器技术的武器综合测试系统 总被引:1,自引:1,他引:0
针对武器测试领域的现状,引入了虚拟仪器技术,开发了一套武器综合测试系统,详细阐述了该系统的总体设计思路,软件开发的关键技术及实现方法。 相似文献
30.
针对常规场景识别方法在室内环境中性能显著下降的问题,提出一种融合全局及显著性区域特征的移动机器人室内场景识别方法.利用改进的Bo W(bag-of-words)模型进行室内场景判别的同时,结合视觉注意方法提取出场景图像的最大及次大显著区域,送入改进的BDBN(bilinear deep belief network)模型来自动学习图像特征,进行类别判断.利用分段判别策略对于两个模型的结果进行融合,并输出最终场景判别结果.将本方法应用于实际机器人平台及包含67个类别的MIT室内场景数据库,实验结果表明,相较于常规Bo W模型,本方法可以有效提高识别准确率10%以上.此外,本方法在MIT数据库中达到平均44.3%的准确率,优于相关文献算法. 相似文献