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.     

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.     

基于内容的视频压缩改进算法

由于时间的连续性,视频前后帧图像有很大的相似性,视频图像前后帧存在着很大的时间冗余.针对视频图像的帧间冗余,在传统的视频编码算法基础上,提出一种基于匹配内容的视频压缩改进算法,根据实际视频图像的不同,选取不同的编码策略,并采用零树小波变换算法,使压缩比和实时性得到很大的提高.     

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.     

输入向量控制细胞神经网络全局指数稳定

利用输入向量来控制细胞神经网络的稳定性.所得结果表明,当输入向量的绝对值大于某个仅仅只与细胞神经网络的物理参数有关的值时,不附加其它任何条件,细胞神经网络是全局指数稳定的.也讨论了输入向量的部分分量的绝对值大于某个仅仅只与细胞神经网络的物理参数有关的值时,细胞神经网络的全局指数稳定性,所得结论推广和改进了某些已有文献的相应结果.     

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。     

一种对亮度变化鲁棒的局部特征描述子及其快速生成算法

在不同的时间、从不同的视角、以不同的摄像机参数所拍摄的同一场景的图像间存在非线性亮度变化,这种非线性亮度变化给图像间的鲁棒匹配带来困难.为了解决这个问题,提出一种用于构建鲁棒局部特征描述子的新方法.该算法引入灰度相对次序的思想,在得到特征点归一化支撑区域以后,将区域内各点分割为多个组,并以区域中心和各点连线为Y轴,分别建立直角坐标系,计算中心对称局部二值模式,得到二维的统计直方图;据此,经归一化处理后可形成所需的兴趣点描述子.实验表明,本文算法构造的描述子在复杂亮度变化下的区分度更好,测试性能优于传统描述算子.同时,算法本身具有旋转不变性,并以插值计算替代了传统描述子构造过程中的梯度统计,具有描述子构造简单和快速的特点.     

基于前馈网络的盲分离算法

本文基于盲定位(Blinlind Surce Localization,BSL)指导盲分离(Blind Source Separatton,BSS)的思想,提出了一种用无限冲激响应(IIR)滤波器来构造前馈分离网络的盲分离算法.该算法不仅解决了传统盲分离算法不能估计信号源数目和不能确定分离输出信号与源信号之间的对应关系的问题,还能在实施信号分离处理之前判断所构造前馈分离网络的稳定性.对语音信号的仿真实验验证了该算法的有效性.     

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。