基于雅可比矩阵条件数的并联机构参数优化

提出一种基于并联机构雅可比矩阵条件数全域参数优化方法。以并联机构6-pss为研究对象,根据机构的结构形式推导出机构的速度数学模型、建立雅可比矩阵,并用范数的形式建立雅可比矩阵条件数的数学模型;对并联机构进行参数归一化处理后,以条件数的平均值与波动值的综合值作为目标建立目标函数、给出约束条件,最后通过数值计算得到机构雅可比矩阵条件数的平均值、波动值曲线和优化目标函数值的曲线图,优化出最佳参数值,为该机构尺寸优化提供重要依据。     

平面五杆可控机构运动性能和误差的研究

应用平面五杆机构的雅可比矩阵，分析输出运动的灵巧性。计算雅可比矩阵的条件数，通过对雅可比矩阵的微分，研究机构运动的速度误差。最后基于机械制造的工艺理论，对误差综合问题提出优化目标函数和约束条件。     

基于图像矩的视觉伺服控制及应用

传统的基于图像的视觉伺服控制中,雅可比矩阵的奇异性将影响到控制系统的稳定性和鲁棒性,利用图像矩作为特征可以保证矩阵为满质的,并且由于该雅可比矩阵为上三角型,能够将平移和转动运动部分解耦,因此简化了控制器设计。在视觉控制器的设计中,基于遗传算法优化的最优PD控制策略能够获得比常用的P控制策略更好的综合动态特性。在物体平面和图像平面平行时,通过微轴孔的精密对准试验验证了上述基于图像矩的视觉伺服控制的有效性。     

基于图像特征偏差的姿态调整策略研究

为了实现对泡沫柱空间姿态的调整,研究了基于双路视觉的泡沫柱空间位姿调整策略,建立了系统的运动学模型,在此基础上,提出了基于图像特征偏差的位姿调整策略。在仿真分析中,推导了基于Broyden方法的图像雅可比矩阵在线估计方程,建立了系统的运动学模型与视觉成像模型,设计采用了比例控制器。仿真结果表明,采用的图像雅可比矩阵估计方法可以很好地跟踪目标图像特征,图像特征偏差可以快速收敛到设定要求。     

新型并联机器人ROBO_003的雅可比矩阵研究

运用反螺旋理论对ROBO_003三自由度并联机器人的雅可比矩阵进行了研究。采用简单的方法找到支链关节螺旋的反螺旋,从而得到了约束雅可比矩阵、驱动雅可比矩阵和完全雅可比矩阵,导出动平台的运动速度到驱动关节速度之间的映射。该方法亦可用于其他三自由度并联机器人的雅可比矩阵研究。     

基于无标定视觉伺服机器人的运动物体跟踪

介绍机器人视觉伺服的一般原理,然后选取图像的全局特征描述子-图像矩来描述图像的特征信息,推导出基于图像矩特征的图像雅可比矩阵,并按李雅普诺夫稳定性方法推导出模型无关的无定标视觉伺服控制律.最后通过运动物体轨迹跟踪的仿真试验,验证了摄像机固定和eye-in-hand两种结构下算法的正确性和有效性.     

PSS型冗余输入并联机构静力学与运动学分析

提出一种8-PSS型冗余输入并联机构,建立了相应的静力学平衡方程,得出了其力雅可比矩阵;用矢量运算方法建立了其速度雅可比矩阵,验证了PSS型冗余输入并联机构的力雅可比矩阵与速度雅可比矩阵的转置关系,并且与冗余输入的数目无关,通过实例表明了上述结论的正确性。     

3-PRPS并联机器人机构参数优化研究

基于机构的雅可比矩阵条件数,考虑其波动的基础上对并联机构的全域性能指标进行分析,建立了以全局条件数的平均值与波动值的综合值为目标函数的优化模型;并以3-PRPS并联机器人机构为研究对象,根据该机构的结构特点在已知位置反解基础上利用旋量法建立雅可比矩阵;同时在给定约束条件的基础上运用matlab进行数值计算,得到机构全局雅可比矩阵条件数的平均值和优化目标函数值的曲线图,从而优化出最佳参数值,最后对所得结果进行了分析验证。     

冗余度机器人雅可比矩阵求导方法及应用

雅可比矩阵导数求解是进行冗余度机器人动力学优化分析的基础。基于旋量理论,提出了求解雅可比矩阵导数的改进方法。该方法利用运动旋量指数积易于求导的特点,避免了直接代入关节变量符号计算雅可比矩阵并依次求解关节变量偏导数的繁琐过程,在保持计算准确性的同时,极大地简化了雅可比矩阵求导运算。通过9自由度冗余度机器人优化关节力矩的拉抽屉操作实验,验证了算法的正确性和实用性。     

五轴加工奇异区域的检测和处理

为解决五轴加工在奇异点附近产生过大非线性误差、易对工件和机床造成损害的问题,以AC双转台五轴机床为研究对象,提出一种基于雅可比矩阵的奇异区域检测和处理算法.建立了五轴机床雅可比矩阵的参数式,代入相邻点机床各轴的运动变化量,通过检查雅可比矩阵的条件数来判断当前加工是否处于奇异区域内.对于雅可比矩阵“病态”程度严重的路径区间,结合刀位数据和各轴运动量构造新刀位点进行了递归插值.通过仿真验证了该检测处理算法的有效性.     

Gradient based intensity normalization

Intensity normalization is important in quantitative image analysis, especially when extracting features based on intensity. In automated microscopy, particularly in large cellular screening experiments, each image contains objects of similar type (e.g. cells) but the object density (number and size of the objects) may vary markedly from image to image. Standard intensity normalization methods, such as matching the grey-value histogram of an image to a target histogram from, i.e. a reference image, only work well if both object type and object density are similar in the images to be matched. This is typically not the case in cellular screening and many other types of images where object type varies little from image to image, but object density may vary dramatically. In this paper, we propose an improved form of intensity normalization which uses grey-value as well as gradient information. This method is very robust to differences in object density. We compare and contrast our method with standard histogram normalization across a range of image types, and show that the modified procedure performs much better when object density varies between images.     

一种合成孔径声呐图像目标分割方法

合成孔径声呐图像的信噪比低于普通光学图像,使图像分割成为合成孔径声呐图像处理中的重要环节。本文研究了表示合成孔径声呐图像数据分布的瑞利混合模型,结合马尔科夫随机场模型,将其应用于声呐图像水下目标(亮区)分割;通过最大期望算法分别估计目标和背景的瑞利混合模型参数,并利用该参数使用Graph cut方法进行马尔科夫随机场图像分割,通过重复迭代,最后形成稳定的目标分割结果;对实际的声呐图像进行了数据分析及目标分割,结果表明瑞利混合模型在描述合成孔径声呐声图上有良好的性能,可以改善目标分割的效果。     

基于图像语义分割的物体位姿估计

为提高机器人在复杂场景中对物体的辨识与定位能力,提出一种基于图像语义分割技术的物体位姿估计方法。将RGBD传感器拍摄的RGB图像放入语义分割网络中,完成对图像的分割与物体分类;将分割出来的目标物体与深度图配准,得到目标物体点云图;将点云图与模型库中的模型运用ICP算法完成对物体的位姿估计。研究结果表明,该方法分割准确率可达82.26%,完成一次位姿估计时间1.35 s。     

基于图像处理的机器人目标识别与定位系统

为实现移动机器人对目标的导引,提出了一种简单有效的方法。机器人视觉系统的关键技术是对目标实时、准确的提取,而目标提取的实质是图像分割。该文介绍了一种基于色彩空间参照表的适用于机器人视觉系统目标提取的图像分割算法,通过图像处理计算出主动目标图像特征的质点来实现对目标的定位,利用神经网络建立了目标从图像空间到摄像机空间的坐标对应关系,从而对空间运动目标进行了定位。仿真结果也验证了该方法的有效性和可行性。     

视觉显著目标的自适应分割

基于视觉注意模型和最大熵分割算法,提出了一种自适应显著目标分割方法来分离目标和复杂背景,以便快速准确地从场景图像中检测出显著目标。首先,通过颜色、强度、方向和局部能量4个特征通道获取图像的显著图;通过引入局部能量通道来更好地描述了显著目标的轮廓。然后,根据显著图中像素灰度的强弱构建不同的目标检测蒙板,将每个蒙板作用于原图像作为预分割的结果,再计算每个预分割图像的熵。最后,利用最大熵准则估计图像目标熵,根据预分割图像的熵和目标熵判断选取最优显著目标分割图像。实验结果表明：本文算法检测的显著目标更为完整,分割性能F-measure达到0.56,查全率和查准率分别为0.69和0.41,相对于传统方法更为有效准确,实现了在复杂背景下对显著目标的有效准确检测。     

基于立体视觉与激光雷达的车辆目标外形 位置融合算法研究

环境感知技术是智能汽车的关键技术之一,单独使用视觉传感器或激光雷达在目标检测和目标定位方面存在局限性。本文在图像和激光雷达目标检测的基础上,提出了一种基于立体视觉与激光雷达的车辆目标外形位置融合算法。首先,采用深度学习方法对图像和点云数据进行目标检测,再通过基于目标三维点和目标种类的目标外形位置估计方法确定目标的外形和位置,最后在数据关联后对同一时刻的图像目标及点云目标进行融合处理,获取目标的外形和位置。在KITTI数据集以及实际道路场景上验证了本文算法,实验结果表明,本文方法在检测精度上分别比YOLOv3网络、Point-GNN网络提高了5.72%和1.8%。另外,在20 m内目标外形及位置平均误差分别为4.34%和4.52%。     

空间目标图像的非凸稀疏正则化波后复原

现有的空间目标图像波后处理方法多直接套用自然光学图像的复原技术,效果并不理想。本文通过分析空间目标图像的近似稀疏性和灰度值服从超拉普拉斯分布的独有特点,提出了一个采用正则化方法的非凸稀疏正则化空间目标图像复原模型。在数值计算过程中,根据交替方向乘数法将复原模型分解为两个子问题,对凸优化子问题采用快速傅里叶变换求解,对非凸优化子问题采用固定点迭代方法求解。文中设计了非凸稀疏正则化空间目标图像波后复原的完整算法流程,并针对模拟图像和真实空间目标图像进行了对比验证。结果显示:相对于最近的流行算法,提出方法的最大峰值信噪比提高了2dB,最大平均结构相似度提高了0.17,最大信息熵提高了3.85,图像清晰度提高了2.65。     

浅地层探地雷达目标探测和定位新方法

提出基于模板匹配的探地雷达目标自动探测与定位新方法，和图像分割方法相结合以减少模板匹配的计算量。将雷达图像分割成可能存在目标的区域和背景数据区域，对可能存在目标的区域进行模板匹配计算。模板根据待匹配点的深度生成。如果探测到金属目标则对模板倒相，实现金属目标的准确定位。所提方法包括图像分割、模板生成、匹配算法、金属目标识别和模板倒相算法。对实测数据处理的结果表明，所提方法探测和定位准确、鲁棒性好。     

基于Faster R-CNN的工件螺纹孔目标检测

为了提高螺纹孔目标检测的准确率,结合双相机视觉系统与Hough变换圆检测算法,提出了一种基于Faster R-CNN的螺纹孔目标检测方法。首先建立了由双相机组成的图像获取系统,通过安置在高处的工业相机采集工件整体图像,利用Hough变换圆检测算法初步筛选出工件上的疑似螺纹孔的位置,并驱动第二个工业相机逐个在近处采集经Hough变换检测出的疑似螺纹孔的局部精确图像。然后,在自建的螺纹孔数据集上训练以ResNet50为基础网络的Faster R-CNN目标检测模型。最后,将螺纹孔处局部图像输入训练好的Faster R-CNN目标检测模型进一步识别并进行定位。实验结果表明,该方法能有效地避免螺纹孔小目标检测,相对于单独使用Hough变换方法或者Faster R-CNN目标检测方法检测螺纹孔,具有更高的识别和定位精度。     

面向挤出中聚合物形态的层析图像处理方法的研究

依据光学信息论中的多维随机变量的联合熵、条件熵、平均互信息之间关系和互信息的链式法则,提出了面向挤出中聚合物形态的层析图像处理方法.它包括层析图像中的背景与分离、目标标度变换、亚像素插补的图像预处理和多模式目标特征图像的提取和测量.实验表明,通过该方法不仅能将目标形态从目标与背景之比为1∶9的层析图像中分辨出来,而且能提高目标图像的空间分辨率30%,解决了由于目标图像信息量小、对比度差而使得层析图像测量方法难以在工程中应用的问题.