一种主动适形越障机器人的设计与特性分析

针对非道路环境的特点,提出一种适用于非道路条件下的新型主动适形越障机器人的设计过程.这种越障机器人采用了将轮履带式移动机构与主动式机械臂相结合的创新设计,保留了轮履带式移动机构能够适应多种地面条件的优点,进一步增强了机器人穿越壕沟、台阶、高台、单侧障碍等典型地形的能力,具有良好的环境适应能力.为检验设计方案的有效性,应用虚拟样机技术对该机器人在几种典型地形条件下的运动特性进行了分析,取得了令人满意的效果.     

无线传感网络覆盖中概率Voronoi模型及算法研究

覆盖是无线传感网络中最重要的问题之一,随机覆盖是目前研究的主流。基于Voronoi图的随机覆盖算法是无线传感网络领域的研究热点。目前研究中采用的Voronoi图,主要采用基于距离的Voronoi边赋权值模型,存在两个主要问题,即模型粗糙和监测节点不全。以实测的分段概率传感模型为基础,从多传感协同监测的角度构造一种概率Voronoi模型,试图解决以上问题。并且用基于概率Voronoi模型的最大突破路径算法验证了模型有效性。就掌握的文献来看,该模型是首次提出,具有较好的实用推广价值。     

基于生理舌头模型的语音可视化系统

目的 目前针对舌头的语音同步动画技术还未得到广泛的研究。在此背景下,提出了一种基于生理模型的舌头动画合成方法。方法 首先构建了一个精细的、能够在肌肉激励下产生逼真舌头变形的舌头生理模型;其次利用该舌头模型合成了大量的舌头运动样本,并据此通过学习得到一个从肌肉激励到舌头轮廓的转换模型;然后对采集的动态2维舌头轮廓数据进行运动参数估计以得到与音素对应的体素(肌肉激励序列和刚体位移序列);最后将体素按一定的排列方式输入到舌头生理模型进行仿真以生成相应的舌头动画。结果 该系统可以合成听觉效果逼真的语音和视觉效果逼真且与合成语音同步的舌头动画。结论 本文方法可以根据汉语普通话或其他语言的2维舌头轮廓数据构建音素—体素数据库,并据此合成该语言对应的高真实感的3维舌头动画。     

结合手指检测和HOG特征的分层静态手势识别

目的 基于手势的交互方式在人机交互中发挥着越来越重要的作用,手势识别是大多数手势交互系统的核心技术.当手势种类较多时,目前已有的大多数手势识别方法往往无法获得足够高的识别率.为此,提出了一种结合手指检测和梯度方向直方图(HOG)特征的分层静态手势识别方法.方法 提出一种基于形态学操作的手指检测算法作为手势识别方法的基础.首先由肤色模型从输入图像中提取出手部区域,然后利用手指检测算法识别出手势包含的手指个数,并根据手指个数从事先训练好的支持向量机分类器集合中选取一个,最后提取手部区域的HOG特征,并利用选择好的分类器完成识别任务.结果 对25种常用手势进行了识别实验,将本文方法与单独使用HOG特征的方法进行对比.本文方法可以将传统HOG方法的识别率提高20%左右.结论 基于手指个数的分层识别策略可以有效地解决传统单层识别方法在手势种类较多时识别率不高的问题.在手部区域能被成功检测的情况下,提出的结合手指检测和HOG特征的方法可以取得较理想的手势识别结果,且能达到实时性要求.     

基于多异类传感器信息融合的微型多旋翼无人机实时运动估计

针对无人飞行器视觉定位结果存在较大时延而影响飞行器运动状态估计精度的问题,提出了一种基于多传感器数据融合的实时运动估计方法.首先,利用机载惯性测量元件(IMU)提供的姿态信息优化单目视觉定位算法,使得视觉定位结果的时延减小.然后,在利用卡尔曼滤波器估计飞行器运动状态的过程中,考虑了视觉定位结果的时延,利用加速度信息进行时延补偿.最终得到实时的高精度运动估计结果.在自主研制的四旋翼飞行器系统上对本文提出的方法进行了验证.通过与不考虑时延的方法的结果以及真实数据进行比较,证明了本方法的有效性.     

可变光照条件下的人脸图像识别

对于人脸图像识别中光照变化的影响,传统的解决方法是对待识别图像进行光照补偿,先使它成为标准光照条件下的图像,然后和模板图像匹配来进行识别。为了提高在光照条件大范围变化时,人脸图像的识别率,提出了一种新的可变光照条件下的人脸图像识别方法。该方法首先利用在9个基本光照方向下分别获得的9幅图像来构成人脸光照特征空间,再通过这个光照特征空间,将图像库中的人脸图像变换成与待识别图像具有相同光照条件的图像,并将其作为模板图像;然后利用特征脸方法进行识别。实验结果表明,这种方法不仅能够有效地解决人脸识别中由于光照变化影响所造成的识别率下降的问题,而且对于光照条件大范围变化的情况,也可以得到比较高的正确识别率。     

基于Haar小波域自学习的图像超分辨率方法

图像超分辨率重构是指由低分辨率图像来获得高分辨率图像的过程.为了能够有效的重构出高分辨率图像,提出一种基于Haar小波域自学习的图像超分辨率重构算法.该算法将高分辨率图像通过Haar小波变换后得到的近似子块L与已知的低分辨率图像联系起来,然后通过Bp神经网络来自学习Haar小波变换细节子块之间相近的自相似性,从而预测出高分辨率图像通过Haar小波变换后的三个细节子块H,V和D.最后由逆Haar小波变换重构高分辨率图像.实验表明由该算法重构的高分辨图像有很好的视觉效果和峰值信噪比.     

基于分段线性化的分类器设计方法

最小最大风险准则判决是在类先验概率未知情况下的一个重要的决策方法,由该方法设计的分类器在大多数情况下存在性能下降过多的问题.为了提高分类器的分类性能,本文提出一种基于分段线性化思想的分类器设计方法.该方法首先对类的先验概率做一粗略估计,然后判断它所处的概率区间,最后用该区间相对应的分类器进行判决.理论推导和实验结果表明,该方法是一种有效方法,据此设计的分类器性能接近于贝叶斯分类器.     

基于径向基概率神经网络的植物叶片自动识别方法

提出一种将Gabor小波和神经网络相结合应用于植物叶片自动识别的方法.该方法对活体植物图像进行多尺度Gabor纹理特征提取,再使用一种径向基概率神经网络模型进行分类识别.实验结果验证该方法的有效性.     

最小邻域均值投影函数及其在眼睛定位中的应用

提出一种投影函数:最小邻域均值投影函数.该函数通过计算每条投影线上各像素点邻域均值的最小值来跟踪图像中的低灰度特征.与传统的积分投影函数和方差投影函数相比,它以求最小值的局部选择性代替传统投影函数的全局累加性,因此具有对片状噪声不敏感的特点.此外,在计算过程中,它还能记录最小值点的二维位置信息,是一个二维的搜索算子.最小邻域均值投影函数的这些特点使其非常适合于眼睛定位.它对眼睛,特别是瞳孔,总能够产生精确、鲁棒的响应.通过在CAS-PEAL数据库和BioID数据库上的实验表明,其定位正确率与精确度均高于传统的投影函数.