排序方式: 共有39条查询结果,搜索用时 375 毫秒
11.
12.
毛型纤维双须光电测长法一般基于双端随机须丛的透光信号分析获得纤维的全部长度指标和曲线,为考察该法对其他毛型和棉型纤维长度测试的适用性,文章收集了毛型化学纤维、山羊绒条、棉型天丝纤维等15种非绵羊毛纤维试样,以现有标准测长法中Almeter法、OFDA法、手排法、AFIS法测试结果为基准进行对比实验,实验结果表明,测试常见毛型纤维时,毛型纤维双须光电测长法与现有测长法的测得的长度指标高度一致,短毛率指标高于Almeter法并呈现恒定规律,建立实验方程可实现二者短毛率间的转换。 相似文献
13.
基于单应矩阵的摄像机标定方法及应用 总被引:1,自引:0,他引:1
提出了一种基于单应矩阵的摄像机标定方法,并应用标定结果成功完成了移动机器人的视觉伺服任务。该方法首先根据图像平面和标定板平面之间特征点的对应关系,对单应矩阵进行了估计,进而利用旋转矩阵的单位正交性得到了其对摄像机内参数的约束条件。然后把摄像机内参数矩阵分解为有效焦距与主点位置两部分,并利用最小二乘法分别对其进行求解。针对镜头的径向畸变,恰当地选取了一种畸变模型,并由此得到了一种新的目标函数来对摄像机的所有参数进行非线性优化,从而使获得的畸变系数更适合于从二维图像信号中提取三维位姿信息。最后将标定结果成功应用于移动机器人视觉伺服系统之中,实验结果验证了该标定算法具有简单易用、精度较高等优良性能。 相似文献
14.
小型无人机地面目标跟踪系统机载云台自适应跟踪控制 总被引:1,自引:0,他引:1
本文针对小型无人机地面目标跟踪系统,提出了一种机载云台自适应跟踪控制算法.该算法在摄像机外参数未知的情况下,利用图像信息和机载传感器得到的无人机状态进行反馈,最终实现了对云台摄像机姿态的控制,使得无人机在跟踪目标飞行过程中,地面目标可以始终保持在摄像机的图像中心.为此,论文首先通过分析无人机、目标和摄像机三者的相对位姿关系,建立了目标点在图像平面的运动学模型.在此基础上,基于李雅普诺夫稳定性理论设计了自适应控制算法.理论分析与仿真结果表明本文所设计的摄像机姿态控制器在摄像机外参数未知的情况下,可以使被跟踪目标始终保持在图像中心. 相似文献
15.
气相色谱法测定茶叶中乐果残留量的不确定度评定 总被引:1,自引:0,他引:1
本文以测定茶叶中乐果的含量为例,评定了气相色谱法测定乐果的不确定度。建立数学模型,分析各不确定度分量,将不确定度分量合成,并计算其测定结果的扩展不确定度。为实验室在该类测量过程中不确定度的评定提供参考。 相似文献
16.
17.
18.
基于主成分分析法的安溪铁观音香气质量评价模型的构建 总被引:3,自引:0,他引:3
从4个季节(每个季节两个等级)共8个安溪铁观音茶样中提取并分离出74种香气组分。通过主成分分析法鉴定出安溪铁观音中的主要特征香气成分,它们分别是:橙花叔醇、法呢烯、吲哚、苯乙醇、反-2-己烯醛、壬醛、苯乙醛、亚油酸甲酯、亚麻酸甲酯、棕榈酸甲酯、顺-己酸-3-己烯酯、苯甲酸-3-己烯-1-醇酯、辛酸-2-苯乙酯、5-正丁基-δ-戊内酯、顺式茉莉酮、法尼基丙酮、棕榈酸、香叶基芳樟醇异构体。利用主成分分析法,基于综合评价函数F=β1F1+β2F2+…+βkFk构建了安溪铁观音香气质量的评价模型,以不同特征值的方差贡献率βi(i=1,2,…,k)为加权系数,利用所建立的模型计算各样本得分,然后进行排序评价各个茶样的香气质量。通过感官评价法进一步对模型评价结果进行了检验,结果显示两种方法具有很好的一致性,表明所建立的方法是可行的。 相似文献
19.
移动机器人自适应视觉伺服镇定控制 总被引:2,自引:0,他引:2
对有单目视觉的移动机器人系统,提出了一种自适应视觉伺服镇定控制算法;在缺乏深度信息传感器并且摄像机外参数未知的情况下,该算法利用视觉反馈实现了移动机器人位置和姿态的渐近稳定.由于机器人坐标系与摄像机坐标系之间的平移外参数(手眼参数)是未知的,本文利用静态特征点的位姿变化特性,建立移动机器人在摄像机坐标系下的运动学模型.然后,利用单应矩阵分解的方法得到了可测的角度误差信号,并结合2维图像误差信号,通过一组坐标变换,得到了系统的开环误差方程.在此基础之上,基于Lyapunov稳定性理论设计了一种自适应镇定控制算法.理论分析、仿真与实验结果均证明了本文所设计的单目视觉控制器在摄像机外参数未知的情况下,可以使移动机器人渐近稳定到期望的位姿. 相似文献
20.
在原子力显微镜(atomic force microscope,AFM)扫描样品时,控制参数调节困难,依赖于操作经验.本文基于在线动态模型辨识,提出了一种AFM系统广义预测自校正控制与成像方法.首先,利用CARIMA(controlled autoregressive and moving-average)参数模型来描述局部线性化后的AFM系统模型,并通过在线动态模型辨识得到线性化模型的参数;基于该模型,采用基于GPC(generalized predictive control)的优化方法,在线求解类PI(proportional integral)控制器的参数,进而得到一种具有控制参数自动调整功能的AFM成像方法.为了验证本文方法的有效性,进行了仿真与实验测试.结果表明,在AFM扫描速度不同或PI参数选择不恰当的情况下,该方法能够自动地调整控制器参数,从而减小控制误差,提高成像精度. 相似文献