机器人视觉中行人和车辆检测算法的研究

对车辆和行人进行快速且准确的检测是机器人视觉和自动驾驶领域的一个难题,为了解决这个难题,提出一种基于深度学习网络的行人车辆检测算法,这是一种端到端的单阶段检测方法。主要使用多级跳跃连接网络和多级特征融合网络。多级跳跃链接网络在特征提取阶段避免了反向传播过程中的梯度消失、爆炸和退化等优化问题,从而提高检测精度和模型的收敛速度。多级特征融合网络对来自不同层次的多尺度特征变化尺度后进行特征信息融合,可以提取到比较低层的信息以提高算法的精度。这里的算法在多个公开的数据集上进行实验,实验结果表明,与目前的一些主流算法相比,行人和车辆的平均检测精度大幅提高,在精度提高的情况下,具有更快的检测速度,有较高的应用潜力。     

基于能量最小准则确定驱动器位置及仿真

在研究智能结构振动主动控制驱动器的位置优化问题中,首先推导了压电传感方程和压电致动方程,然后根据控制信号能量的表达式,以控制能量最小为目标函数,压电驱动器的位置坐标为变量,对压电驱动器的位置进行优化。最后结合智能简支梁实例应用matlab软件计算出其粘贴压电驱动器的最优位置,并通过编写APDL(ansys parameter design language)程序对粘贴有压电材料的智能简支梁结构进行瞬态动力学分析,实现对智能梁的振动控制仿真。仿真结果表明,此种方法能有效地抑制智能梁的振动。