用于金属板图像分割的自适应阈值算法

针对生产线上金属板表面光照不均匀和白、灰细颗粒相间的特点,将一维、二维Wellner自适应阈值算法应用到这种场景,并结合高斯加权距离,将算法推广,提出了一种针对金属板表面图像分割的高斯加权自适应分割算法.该方法首先通过计算区域内像素间的高斯加权距离,形成一张加权距离图,然后利用Wellner的“中心-周围比较思想”直接求算二值图像.最后对实际产线上采集的图片进行了实验,将二维otsu算法、均匀性度量算法、一维、二维Wellner自适应算法和最后改进的算法在分割效果进行比较.实验结果表明,相对于其他算法,最后应用的算法在分割效果上具有明显的优势.     

SHU-II五指仿人灵巧手的运动学及抓取分析

根据人手结构设计一种五指仿人灵巧手。该灵巧手共有5根手指,总计16个自由度。灵巧手的手指关节虚拟化,手指更加轻量。灵巧手采用欠驱动方式,并将驱动系统内置,整体结构集成度高,易于安装到不同的机械臂平台。在理论研究上,通过齐次变换矩阵得到灵巧手的运动学模型,进而得到五指的运动轨迹,并进而对灵巧手控制策略进行探讨,之后对灵巧手进行手势与抓取实验,实验表明灵巧手能完成夹、捏、握等10种动作。把灵巧手应用在不同的机械臂平台上,验证了灵巧手的抓取范围广及其在不同环境下的抓取能力。     

基于强化学习的机器人手臂仿人运动规划方法

面向人-机器人交互共融环境对机械臂仿人运动规划的重大需求,本文提出了一种基于强化学习的机器人手臂仿人运 动规划方法。 首先,基于人体手臂的结构特征,设计了体现机械臂运动特性的肩夹角、肘夹角和腕关节运动角,并采用正态性和 相关性分析方法,对 VICON 运动捕捉系统获取的人体手臂运动数据进行分析,以获取人臂运动特性规则。 然后,根据不同的运 动特性规则,设计对应的回报函数,并采用强化学习方法进行机械臂仿人运动模型的训练。 最后,搭建机械臂仿人运动平台,实 验统计仿人运动的成功率为 91. 25% ,验证了所提规划方法的可行性和有效性,可用于提高机械臂运动的仿人性。     

基于IEEE802．15．4a的无线测控网络协议

为满足工业现场测控任务对网络通信实时性的要求,提出一种基于IEEE80215．4a的无线测控网络协议,其中的令牌控制子层采用令牌机制管理各站点对无线信道的访问,克服了CSMA／CA机制无序竞争的缺陷,保证数据传输的时间确定性,介绍协议栈模型、逻辑令牌环动态建立过程以及令牌故障的自恢复机制,并在硬件平台NanoNET上加以实现。实验结果表明,该协议能够在强电磁干扰环境中稳定运行,具备实时特性。     

基于IEEE802．15．4a标准的工业无线网络节点设计

针对工业自动化领域对无线数据通信的需求以及国内基于切普扩频技术(CSS)的无线短程网络研究太少的现状,从实际应用角度出发,设计了一种基于IEEE802.15.4a标准的工业无线短程网络节点,给出了硬件设计电路图和软件流程图.在所设计的硬件平台基础上,采用CSMA/CA的介质访问控制策略进行组网通信测试,在强电磁干扰的环境中所设计的无线节点能够稳定运行,实时性能满足设计要求,可将该无线节点应用于实际的无线工业现场.     

基于图像处理的激光束宽测量方法

传统的激光束宽测量方法多采用光学仪器和衍射、干涉等方法,在精度和速度上都存在特定约束,而鲜有采用图像处理的方法对激光束宽检测.通过激光束积分模型获得相应的激光束宽度获取方法,并采用Sobel边缘提取高斯滤波获激光束光强特征分布函数,再由Hough拟合圆积分区间计算出激光束宽在x轴和y轴上的像素宽度.测试结果表明,这种结合了机器视觉的图像处理算法对激光束宽测量的数据实用可靠,测量效果相比于传统测量方法具有直观性和便捷性.     

基于卷积目标检测的3D眼球追踪系统深度估计EI北大核心CSCD

随着虚拟现实（VR）技术的发展,作为其核心技术之一的眼球追踪越来越受到人们的重视。在传统3D视线估计技术的基础上,提出一种通过卷积目标检测恢复目标区域深度信息的3D眼球追踪实现方法。基于头戴式眼球追踪设备Pupil的世界摄像头采集到的图像信息,利用TensorFlow卷积目标检测框架实现对目标的识别和宽度测量,通过建立检测出的宽度值和实际测量的距离值之间的函数关系,来达到实时估计深度信息的目的。实验数据表明该方法在采样图像分辨率为1 080p的6组定点测试中的平均相对误差只有1.17%,而且实时处理速度可达15 f/s,能够对实时的深度信息做出较为准确的预测。在眼球追踪技术越来越成熟、眼动仪等设备成本逐渐降低的背景下,该研究为眼球追踪技术的进一步发展和应用打下了坚实的基础。     

融合深度学习与粒子滤波的移动机器人重定位方法

为有效解决移动机器人重定位问题,提出一种融合深度学习和粒子滤波的机器人重定位方法。首先,提出了3自由度移动机器人重定位方法架构,主要包含重定位模型构建和机器人在线重定位两个递进阶段;其次,在PoseNet基础上提出并构建了针对3自由度移动机器人的重定位网络模型G_PoseNet,并将由G_PoseNet预测的位姿结果作为粒子滤波定位算法的初始化状态,支撑后续重定位过程;然后,提出了一种基于数据模型的机器人绑架状态判定方法,以确定是否启动重定位过程;最后,在公开数据集上与实际环境中做了大量实验验证了此方法,结果表明:G_PoseNet模型能够保证一定的位置预测精度并提升了姿态角预测精度,机器人重定位成功率达到87%。     

摄像头智能车调试系统的设计与开发

智能车竞速比赛是以迅猛发展的汽车电子为背景的,该比赛涵盖了自动控制、计算机软件技术、嵌入式编程、系统调试等多个交叉学科的知识。摄像头智能小车以摄像头为传感器提取赛道引导线,并在规范的赛道内自主循线。提出一种新的摄像头智能车调试解决方法,即调试时先让小车在赛道上运动一圈,将采集到的图像和车辆状态记录在SD卡中,单片机端UI配合拨码开关和按键调整参数,提高整定效率。实际证明,这套系统完整地记录下小车运行时的图像,提高了调试小车的效率。     

面向INS数据分类的鲁棒性无监督聚类方法

针对惯性导航系统(INS)中加速度计、陀螺仪测量误差随时间积累的问题,提出了一种基于内核模糊C均值的无监督广度优先搜索聚类算法(RUCM),用于INS模块采集数据的去噪及其运动阶段的分类划分。RUCM通过广度优先搜索方法遍历相邻的数据,使用阈值确定聚类数目,同时引入高斯核函数提高RUCM对噪声和异常点干扰的鲁棒性,并验证了其收敛性和鲁棒性。最后,在基于MEMS的INS模块实物系统中验证了该算法,结果表明所提出的方法能够提高随机采样INS数据的聚类性能,抑制了噪声干扰,使其INS运动阶段的聚类划分更加清晰与明确。