基于机器视觉的抓握状态模型及其适用性

为了实现手部功能障碍患者在抓握康复训练中手部状态的数字化,提出采用抓握状态模型对手部状态进行识别,并通过实验分析模型的适用性与鲁棒性。首先,提出一种手部抓握状态模型,抓握对象,手部抓握类型以及手部抓握状态判定的流程。然后,采用Leap Motion对5名受试者抓握ARAT(Action Research Arm Test)标准物时的动作进行跟踪,分析抓握状态模型的适用性。最后,通过实验中抓握状态模型参数的离散度分析抓握对象尺寸、手部差异和抓握角度对抓握状态模型稳定性的影响。实验结果表明:实验中抓握状态模型参数的平均相对标准偏差为0.637,且该抓握状态模型具有良好的适用性和鲁棒性。采用基于机器视觉的抓握状态模型对手部状态识别基本满足对手部运动跟踪精度高、处理速度快等要求。     

基于可变速率LPPT的下垂控制的微电网光伏 系统的运行频率控制

本文的目的是改善光伏(PV)系统组成的孤岛微电网系统的频率调节。光伏系统运行在有限功率点跟踪(LPPT)模式下使光伏系统的有功功率应用下垂控制,反过来改善了微电网频率的调节。LPPT是用于从光伏系统获得可能比最大功率小的期望功率值的控制技术。可变速率LPPT是可用的LPPT控制中的最好控制技术,在工程中使用的技术。本文中使用的下垂控制器为基于母线频率与标称值(50Hz)的偏差的光伏系统运行在有限功率处提供指定的参考功率设定值。提出了一个案例研究来验证该方法的有效性。     

Mocha结合AE处理形变镜头跟踪

在影视后期制作中,经常会遇到需要跟踪替换画面的工作。对于一般的平面追踪替换,例如:形变镜头、画面质量不高、前景遮挡、跟踪区域出画入画等。本文将对上述特殊镜头,讲解Mocha提供的完美跟踪解决方案。