机器人视觉三维重建网格门户的研究与开发

为了提高机器人视觉三维重建的速度,分析了建设机器人视觉三维重建网格的必要性以及网格门户在网格系统中的重要性.根据三维重建网格的特点设计了网格门户的体系结构,介绍了基于Gridport门户开发工具包快速开发三维重建网格门户中的各个组件的基本过程,实现了基于门户的单点登录、用户管理、资源监测、文件传输和三维重建服务调用等基本功能.     

基于OGSA的服务网格应用系统研究与设计

为提高资源的共享能力,在校园网环境下,借助于Globus平台搭建了校园服务网格应用系统.该系统将已有的计算资源和服务,利用网格环境中日臻成熟的中间件技术设计了满足特定需求的服务网格系统构架.提出了基于OGSA-GT3的校园服务网格应用系统的结构CSGA,讨论了CSGA的实现方案和执行流程.在开发的原型系统进行了计算服务的实现,并阐述了服务网格系统今后的研究方向.     

一种面向并联机构的雕刻刀具系统设计

设计并实现了一种新的面向并联机构的雕刻刀具系统．整个系统主要集成了主轴—刀具子系统、工件平台及多传感器子系统、电气控制子系统等部分．通过所设计的刀具系统与并联机器人的有机结合，实现了汉字的雕刻及雕刻过程中力/力矩信息的实时监控，验证了其可行性和有效性．     

一种基于移动Agent的数字图书馆互操作框架

互操作是实现数字图书馆（DLs)的集成（或联邦）需要解决的关键问题，其目的是将Web上广泛分布的，自治的，异构的DLs联合起来，利用统一的查询界面实现对多个DLs的透明访问，首先介绍了DLs互操作的实现方法，并指出了各自的优缺点：在此基础上，提出一种基于移动Agent的DLs互操作框架，并给出了基于该框架实现的一个原型系统。     

并联机器人汉字球面雕刻刀路规划研究

目前，将并联机构应用于未来加工领域的研究已成为热点，并联机器人以其结构优势在高刚度、高强度和高精度等场合将得到广泛应用，但关于并联机器人在汉字雕刻领域的研究尚未展开。该文研究了并联机器人在球面雕刻汉字所遇到的若干问题，包括平面刀路向球面刀路的映射方法、圆弧插补及刀具姿态实时规划算法等，给出了算例并用实验室拥有的6—PURU并联机器人进行了验证，结果表明文中所提方法是有效和可行的，从而对扩大并联机器人的应用范围奠定了基础。     

基于单目运动摄像机的三维物体运动参数估计

针对单目视觉监测系统摄像机和目标物体同时运动时,如何有效测量物体三维运动参数的难题,提出一种基于单目序列图像对插入虚拟视点的算法确定运动物体位姿及运动参数的方法。动摄像机连续采集运动物体的图像序列,根据摄影几何原理对摄像机和运动物体进行分析,结合本质矩阵的特性,估算空间物体运动参数。实验结果表明,该方法能够在为摄像机与目标物体同时运动的情况下,有效地估测出物体三维运动参数,且该方法简单有效,具有较高的精确度和准确性。     

基于网格的散乱点曲面重构技术

提出一种利用网格技术实现散乱点曲面重构的方法,设计适合网格并行的松耦合分层重构算法,在此基础上研究基于Agent技术的智能任务分解机制和基于Condor-G技术的任务分配与调度策略,并搭建网格实验平台进行测试。对重构结果的分析表明,该技术可提高基于散乱点的曲面重构速度,降低应用成本。     

改进的Knockout自然景物提取算法

针对Knockout算法中颜色估计模型只适用于光滑图像的问题,提出一种新的颜色估计模型。采用区域生长法将未知区域划分为若干个子区域,以距离每一个子区域最近的前景和背景轮廓线上的点为中心做矩形块,分别计算2个矩形块内前景和背景像素点的颜色加权平均值,将其作为该子区域的前景和背景颜色分量。实验结果表明,改进后的颜色估计模型在图像边缘附近颜色相差较大的自然景物提取中有较好表现。     

协同设计环境中任务分解与调度的研究

在协同设计环境中,为了满足快速响应,低成本和高质量产品的设计需求,进一步提高产品的设计效率,提出了两级任务分解方法和双向选择优先的任务调度策略.借助计算机支持的协同设计技术,两级任务分解在协同设计联盟的抽象层次模型的基础上,采用了基于产品结构、特征服务和子任务目标属性的任务分解方法,从而降低了任务的复杂性.在此基础上,提出了双向选择优先的任务调度策略,以优化分布合作求解问题,并进行调度策略的仿真实验.仿真结果表明了该调度策略的优越性.     

基于位置-动作特征的助老机器人服务对象异常行为检测

随着人口老龄化和科技的发展,助老机器人在家庭中的应用越来越广泛。除日常功能外,及时发现老年人所处异常状态进而对老年人实现即时救助,也成为助老机器人必不可少的一项重要智能。针对助老机器人服务对象异常行为发现这一重要问题,从位置、动作特征信息融合的角度对其进行研究。首先,对老年人的位置和动作特征进行提取,建立基于DAEI的动作特征模型;然后,利用SLAM地图的位置信息和动作图像局部二阶相对矩生成特征向量;最后,通过改进的FCM算法对特征向量进行聚类。实验结果表明了该方法的可行性。