VR环境下的虚拟手自然交互方法研究

针对当前基于VR的虚拟仿真系统存在的沉浸式交互体验感较差、物理效果较难模拟等问题,提出一种VR环境下基于物理属性的虚拟手自然交互方法.将虚拟物体物理属性与启发式交互方法相结合,避免了交互过程中虚拟手与虚拟物体相互穿透,实现了虚拟物体位姿随虚拟手接触点变化实时调整与自适应.最后,借助HTC VIVE虚拟现实套件以及Leap Motion体感控制器所搭建的沉浸式人机交互环境,对各类虚拟物体的交互操作进行实例验证并测试计算效率,验证了该方法的可行性.     

基于变邻域蚁群算法的自动光学检测路径规划

在确定取像窗口最少数量及其约束移动范围的前提下,为解决蚁群算法用于自动光学检测路径规划存在的问题,提出一种基于变邻域蚁群算法的自动光学检测路径规划方法。针对蚁群算法收敛速度慢、易陷入局部最优解的问题,提出含有3种邻域结构的变邻域路径搜索方法,改进蚁群算法以快速获得质量优异的可优化路径;针对取像窗口位置可调整的问题,提出变邻域窗口位置调整方法,进一步改善可优化路径,获得最短路径。实验结果表明,该算法比基本的蚁群算法具有更高的求解效率和求解质量,有效提升了自动光学检测系统的在线检测效率。     

基于粗糙集的矩形件优化填充排样方法研究

为了使排样方案更能满足设计者设计意图,符合企业设计规范,研究了一种基于粗糙集的矩形件优化填充排样方法。在实际的排样工作中,综合考虑工件成本、加工时间、施工效率与设计偏好度这些因素的情况下,提出了一种基于粗糙集理论的矩形件综合价值计算方法,将排样多边形区域划分为多个矩形子段,建立矩形件优化填充排样数学模型,采用基于最优子段排样的动态规划算法求解最大价值,以获取最优布置方案。最后,将其成功应用于铝模板智能排摸设计系统开发中,结合实例验证了该方法的有效性。     

基于边缘计算的疲劳驾驶检测方法

现有疲劳驾驶检测方法通常将驾驶过程中采集的数据传输至云端进行分析,然而在车辆移动过程中网络覆盖范围、响应速度等因素会造成检测实时性差。为在车载嵌入式设备上对驾驶人疲劳状态进行准确预警,提出一种基于边缘计算的疲劳驾驶检测方法。通过改进的多任务卷积神经网络确定人脸区域,根据人脸的面部比例关系定位驾驶人的眼部与嘴部区域,利用基于Ghost模块的轻量化AlexNet分类检测眼部与嘴部的开闭状态,并结合PERCLOS和PMOT指标值实现疲劳检测。在NHTU-DDD数据集上的实验结果表明,该方法在树莓派4B开发板上的检测准确率达到93.5%且单帧平均检测时间为180 ms,在保障检测准确率的同时大幅降低了计算量,能较好地满足疲劳驾驶的实时检测需求。     

数字孪生驱动的车间自动导引车路径规划

针对车间物流配送中的自动导引车(AGV)路径规划问题，以某企业自动化总装车间为研究对象，提出一种数字孪生驱动的AGV路径规划方法。建立了车间数字孪生环境模型，设计了基于环境地图孪生模型的无冲突路径规划算法。对于车间内实时到达的配送任务订单，采用改进的A^*算法结合环境地图孪生模型中的动态邻接矩阵和时间窗矩阵，按任务优先级顺序为相应的AGV规划无冲突路径，并实时更新孪生模型中的数据。所提方法使AGV配送的任务完成时间和冲突调整时间分别平均减少13.4%和17.54%。