增强现实系统中电磁跟踪器注册精度校正研究

针对电磁跟踪器磁场空间数据之间的复杂的模糊关系,提出基于T-S模糊系统的BP神经网络和最小二乘支持向量机相融合的方法对电磁跟踪器的注册精度进行校正。方法首先采用K-means对空间数据进行聚类分析,随后在局部上采用T-S模糊系统进行预处理,再从全局上利用BP神经网络进行训练,根据最终校正精度动态调整BP神经网络的训练目标,初步校正后再采用最小二乘支持向量机进行求解。实验结果表明,该方法适用于非线性空间数据校正,能有效提高电磁跟踪器的注册精度,有助于提高增强现实系统的交互精度。     

增强现实系统中磁力跟踪注册的精确性研究

为进一步提高增强现实系统的三维注册精度,分析了磁力跟踪系统误差产生原因,在坐标变换校正法的基础上,提出了一种自适应网格线性插值校正法,对跟踪器进行校正.该方法首先将系统所用的整个三维空间划分为空间网格,再建立磁力坐标与真实坐标的对应表,然后对网格进行自适应重划分,最后利用线性插值法对实时磁力坐标进行校正.对该方法进行了详细的分析说明,进行了相关实验,实验结果表明,该方法能够显著提高增强现实系统的跟踪精确度,使虚实结合更自然.     

增强现实中基于视觉与磁力跟踪器的三维注册方法

讨论了如何实现了一种基于三个标志点的视觉式三维注册方法，对电磁式三维注册方法进行了必要的说明，给出了实验平台，同时对实验结果进行了必要的分析说明。实验表明，此方法比较有效。     

增强现实系统中磁力跟踪器互干扰抑制的研究

随着交互区域的扩大,采用磁力跟踪器的增强现实系统必然要求使用多台磁力跟踪设备,但如果发射器靠得过近,则会产生相互间的干扰,从而使头盔中的虚拟物体产生明显抖动。为抑制发射器相互间的干扰,提出了一种磁力跟踪器互干扰抑制方法,该方法根据交互时头和手各自的运动特点,在头、手的运动跟踪中,引入了以下不同的抗干扰处理策略： 1）对手的跟踪干扰采用粒子滤波; 2）对头的跟踪干扰,当头静止时,采用卡尔曼滤波,当头缓慢移动时,则采用改进了的内在几何量3维离散曲线光顺算法。该改进算法先使用准实时模型实现了对动态轨迹的滤波,同时使用双边滤波思想实现了对欧拉角的滤波,当目标快速运动时,则停止滤波,并通过引入临界阻尼来削弱进入快速移动状态时的突变。实验结果表明,采用该改进方法,能较好地抑制磁力跟踪器间的相互干扰。     

增强现实中的摄像机径向畸变校正

增强现实系统中,有效地进行摄像机镜头畸变校正对提高虚拟环境的精确性具有重要意义.首先提出一种基于成像几何的畸变校正方法,采用带有一阶径向畸变的摄像机模型,对镜头径向畸变进行校正,再根据校正后的图像计算摄像机投影矩阵.实验表明,基于成像几何的畸变校正算法具有较高的畸变校正精度,640×480的图像中,最大畸变量达90多个像素.与利用理想针孔摄像机模型得到的增强现实环境相比,畸变校正后得到的叠加结果更为精确.     

混合跟踪技术在增强现实系统中的应用

跟踪技术是增强现实的一个重要研究方向,它致力于解决虚拟信息与真实环境的精确配准问题,构建稳定、高效的增强现实系统。通过分析增强现实系统的跟踪需求,指出单一跟踪存在的不足,说明采用混合跟踪技术的必要性,论述了基于视觉一惯性的混合跟踪技术及其在增强现实中的应用,实现了一种基于VisTracker视觉-惯性混合跟踪器的增强现实实验系统,并给出调试结果。     

移动增强现实系统的关键技术研究

针对传统的增强现实系统在使用范围和可操作性等方面的局限性,首先介绍了一种基于移动便携设备的户外移动增强现实系统,并且分析了其主要的关键技术,然后重点阐述了该系统的体系构架和用于移动便携设备的3维图像渲染技术,通过北京圆明园部分场景的增强现实的实验结果表明,该移动增强现实系统不仅具有较强的实用性和可行性,并且还显示该移动增强现实技术具有广泛的应用前景和巨大的商业价值。     

移动增强现实框架系统

在已有的移动增强现实( MAR)系统中存在开发困难,虚拟现实( AR)效果观察缺乏通用性的问题,提出了一种MAR系统的通用框架,该框架包括三个部分：为智能移动设备用户所使用的通用MAR观察器、为MAR应用提供网络服务的MAR服务器,以及为开发人员提供了MAR应用定制器。该框架结合高通的Vuforia SDK针对平面图像实现了MAR的应用定制和通用AR效果浏览。框架为开发人员提供了无代码开发功能,为移动用户提供了遍览一类AR应用的通用观察器。实验结果表明该MAR框架系统降低了MAR应用的开发门槛与时间费用,大大提高了开发效率。     

户外增强现实系统的关键技术研究

增强现实技术,特别是户外增强系统,近年来已经成为一大研究热点。论文研究了增强现实中的主要技术,分析了户外增强现实系统的关键技术,就听觉增强方面的未来发展等提出了自己的见解。     

基于CCD星体跟踪器的舰船位置估计算法研究

CCD星体跟踪器作为舰船位置测量仪器，因其定位精度高、无位置积累误差、快速和智能化工作而受到重视。本文根据CCD星体跟踪器确定舰船位置的原理，介绍了一种用改进遗传算法来进行位置估算的新方法，仿真结果表明效果良好。     

电磁跟踪系统磁传感器性能的数值模拟研究

为了研究电磁跟踪系统磁性环天线型传感器性能,采用基于消息传递模式的网络并行计算系统和区域分割技术实现了并行时域有限差分(FDTD)算法.为了克服系统激励源频率较低难以模拟的困难,引入快速傅立叶变换(FFT)算法,分析了所需频段的传感器磁场特性.通过数值模拟结果验证了所提算法的正确性,分析了磁传感器线圈尺寸与磁芯材料导磁率对传感器性能的影响,分析了系统工作环境中存在金属物体时的磁场畸变规律,为系统的改进与误差机理的研究提供了理论基础.     

神经网络算法与机理模型融合的 冷连轧轧制力智能预报模型

冷轧带钢的生产模式正在向多品种、小批量、低库存转变,这直接导致了轧制过程中需要更频繁地切换品种规格。由于变规格过程中轧制工艺状态变化较大,传统机理模型加常规自学习和自适应方法很难保证规格切换后首卷产品设定精度。为提高变规格过程中轧制力预报精度,本文提出一种机理模型与轧制过程海量历史数据相融合的复合模型。该方法建立在轧制力理论模型的基础上,采用遗传算法优化BP神经网络的方法对模型轧制力进行校正。使用该算法进行轧制力预报,使变规格后首卷钢轧制力预报的平均相对误差控制在±5.5%内,远高于常规机理模型的设定精度,该方法具有现场应用价值。     

基于遗传神经网络的零件图像非线性校正

提出了基于遗传神经网络校正非线性失真图像的方法。首先,用遗传算法优化神经网络的权值,构成遗传神经网络。然后,从标准的矩形栅格的失真图像中提取特征样本,样本的坐标用于训练遗传神经网络,标准矩形栅格中的样本的坐标作为目标输出。最后,以失真图像所有像素的坐标作为遗传神经网络的输入;其输出的坐标经过灰度级插值,实现图像的非线性校正。实验结果表明,文中提出的方法是有效的。     

基于神经网络-遗传算法的双轴运动系统PID控制

提出了一种针对双轴运动系统的基于神经网络-遗传算法的PID控制器参数寻优设计方案。离线部分用遗传算法(GA)的寻优得到一组最优的PID参数Kp^ ，Ki^ ，Kd^ ，并将其作为存线调整部分的仞始值；在线部分用神经网络的BP网络调整系统的瞬态PID响应，同时利用插补器使双轴运动系统进行圆弧插补运动。通过计算机仿真可证明，此寻优方法具有良好的控制性能。     

基于改进遗传神经网络的入侵检测模型

本文针对目前基于BP神经网络的入侵检测已陷入局部极值和收敛速度慢等问题,提出一种基于改进的遗传算法和BP神经网络的混合入侵检测方法。仿真实验结果表明,此方法比单独使用BP神经网络的检测方法收敛速度更快,误差更小。     

改进BP算法在入侵检测系统中的应用

提出一种改进的BP算法,该算法中学习速率 不是凭经验给出的固定值,而是在学习过程中计算出的最优值αk。实验结果表明,与传统的BP算法相比,该算法可以减少学习时间,提高学习速度和网络入侵检测系统(NIDS)的检测率,可以解决当前NIDS普遍存在的虚警率过高问题。     

基于遗传算法优化神经网络的房地产评估模型及实证研究

针对房地产价格和影响因素之间存在复杂且非线性的关系,用传统评估方法预测房地产价格精度不高的缺陷,提出一种基于遗传算法(Genetic Algorithm,GA)和BP神经网络(BP Neural Network,BPNN)的房地产评估预测模型。该模型利用BPNN确定房地产价格影响因子与评估价格之间的函数映射关系,并采用GA优化BPNN的权值和阈值来提高BPNN的收敛速度,解决了算法陷入局部极值点的问题。最后,通过对100组实际交易样本数据的计算机仿真实验,证明了该方法对房地产估价的有效性和准确性。     

一种基于神经网络的入侵检测系统研究

提出在入侵检测系统模型设计中引入神经网络技术,建立了一个基于神经网络的入侵检测系统模型。针对传统BP算法存在的一些固有缺点,提出增加动量项与自适应调节学习速率相结合的改进算法,一定程度上克服了BP神经网络存在的问题。实验结果表明,基于改进的BP神经网络的入侵检测方法具有良好的检测性能。