三维虚拟古代士兵群体运动仿真研究

针对现有的虚拟群体动画技术难以同时保证动画的实时性和真实性等问题,提出了一种采用运动捕获数据和粒子群系统相结合的方法来实现群体的运动。对运动捕获数据进行分析与研究,采用Maya嵌入式脚本语言(MEL)建立并驱动三维骨架模型,从而产生骨架的运动,形成动画,最后采用粒子群系统实现群体的运动。经实验证明,此方法在三维场景中成功实现了古代士兵群体的行军运动仿真,且提高了制作群体动画的效率和逼真度。     

交叉毛羽的凹点匹配分割算法

针对纺织行业纱线检测中对于毛羽重叠交叉问题涉及较少,难以准确检测的问题,提出一种基于凹点匹配的方法实现重叠交叉毛羽的分割。首先对纱线图像进行灰度化处理,然后采用形态学方法重建纱线图像,其次利用基于水平集的测地活动轮廓模型(GAC模型)检测纱线毛羽图像的边缘,对边界轮廓进行角点检测,通过设置夹角阈值来寻找纱线毛羽图像轮廓曲线角点中的凹点。最后通过重叠交叉毛羽区域产生的凹点进行匹配构造分割线,对重叠交叉毛羽进行分割。结果表明:该算法对于重叠交叉毛羽的2根分割准确率可达96.8%,对于3～5根重叠交叉毛羽分割准确率可达73.4%。     

基于树莓派的深度学习色织物疵点检测研究

研究基于树莓派的深度学习色织物疵点检测效果。设计了一种基于树莓派的深度学习疵点检测系统。采用多线程并发执行思路,将系统任务划分为图像采集、图像处理和人工交互三个线程;采用改进的Inception-v3模型图像处理算法,实现了织物图像疵点检测和分类;通过人工交互界面,实时显示系统的运行数据,根据色织物疵点报警停车。结果表明:该系统实现了色织物疵点检测和分类,平均准确率达94%。认为:该织物疵点检测方法可达到工业现场在线检测的要求。     

Faster RCNN模型在坯布疵点检测中的应用

探讨Faster RCNN模型在坯布疵点检测中的应用效果。在原始Faster RCNN的基础上,采用提取特征效果更好的深度残差网络,先使用残差网络进行坯布图像特征提取,再通过区域生成网络及Fast RCNN检测网络对坯布的疵点目标进行分类与检测。试验对比了Faster RCNN分别与VGG16、ResNet101结合时的检测结果,并讨论了不同参数对结果的影响。试验结果表明:该方法可以有效解决坯布疵点检测问题,检测准确率能够达到99.6%。认为:基于Faster RCNN目标检测与ResNet101卷积神经网络相结合的方法能够满足坯布生产过程中对于表面疵点进行准确检测的需求。     

基于MSER和SVM的玻璃纤维管纱毛羽检测

为解决管纱人工检测质量不稳定的问题,提出一种基于最大稳定极值区域(MSER)和支持向量机(SVM)的玻璃纤维管纱毛羽检测方法。首先搭建管纱毛羽疵点检测平台,获取毛羽图像。其次对采集到的图像使用MSER提取疵点区域,确定感兴趣区域(ROI)。最后利用局部二值模式(LBP)对疵点区域进行特征提取,并结合SVM实现疵点分类判别。端毛羽、毛圈、毛夹的分类准确率分别为94.7%、97.7%、98.6%。认为:该方法能够有效地对管纱毛羽疵点进行检测,准确率高,具有较好的稳定性。     

应用机器视觉的鞋面数量统计与尺寸测量

针对鞋面数量统计和尺寸测量过程中人工检测方法效率低、成本高的问题。提出利用机器视觉的鞋面数量统计与尺寸测量方法。采用基于边缘方向的模板匹配算法对鞋面进行数量统计。运用最小外接矩形（MER）算法对鞋面进行尺寸测量。为验证方法的可靠性,对3种鞋面分别在光照变化、混乱和遮挡条件下进行了检测实验,并与绝对误差和算法、归一化相关系数法和Hausdorff距离匹配算法的检测结果进行了对比。将MER测量结果和人工测量结果进行对比,结果表明：基于边缘方向的模板匹配算法在复杂环境下的鲁棒性更高,可以完成鞋面数量统计;MER方法和人工测量的相对误差在0.67%以内,满足工业生产中的实际需求。     

两种采用CAN总线进行通信的系统比较

本文详细介绍了独立CAN控制器SJA1000的通信方式以及Philips公司的P8xC591单片机的通信方式,主要分析了它们在利用CAN总线通信时的不同之处,为人们提供了在不同的通信领域选择不同通信方式的新思路,便于在实际工程中的应用。     

点云模型的噪声分类去噪算法

针对三维点云模型数据在去噪平滑过程中存在的不同尺度噪声和算法计算耗时问题,提出了点云模型的噪声分类去噪算法。该算法根据噪声点分布特性,将其分为大尺度和小尺度噪声,先利用统计滤波结合半径滤波去除大尺度噪声;然后使用快速双边滤波对小尺度噪声进行平滑,实现点云模型的去噪和平滑。与传统的双边滤波相比,利用快速双边滤波对点云模型数据进行平滑,有效地提高了计算效率。实验结果表明,该算法对点云噪声进行快速平滑去除的同时又能有效地保持被扫描物体的几何特征。     

多智能体博弈的纺织车间搬运机器人任务分配

针对当前纺织品智能化生产加工过程中搬运机器人所面临的大规模复杂动态任务分配问题,提出了一种基于智能体博弈理论的分布式自主决策框架。根据纺织品实际生产过程任务环境建立任务模型,在考虑到任务的距离和时间优先级等因素下建立目标函数,以智能体的目标效用函数最优为策略选择依据,引入博弈论中的Nash均衡理论对问题求解,并对该决策框架进行了实验验证。实验结果表明:在该决策框架下任务的分配相比同类分布式任务分配算法能够得到全局最优解,具有较强的可扩展性、良好的鲁棒性、收敛性能,同时对动态任务分配同样具有良好结果表现。     

梯度空间下的丝饼表面缺陷检测

为解决工业生产中人工检测丝饼表面缺陷效率低、漏检率高的问题,提出了一种在梯度空间下根据图像信息熵变化和能量分布的差异来检测丝饼表面缺陷的方法。首先设计一套基于机器视觉的丝饼图像采集装置,用于获取传输过程中的丝饼表面图像;然后将丝饼图像转换到梯度空间域,构建一个信息熵和能量的组合特征用来表征缺陷,选择适当的临界阈值区分丝饼缺陷区域与正常区域;最后对分割出的丝饼缺陷利用形态学处理得到最终的检测结果。实验结果表明,该方法对丝饼表面污渍、压痕、起毛等缺陷具有较好的检测效果,缺陷识别准确率高、速度快,可满足工厂对检测准确性和实时性的要求,实现丝饼表面缺陷的自动化检测。