线圈骨架注射模设计

针对塑料线圈骨架薄壁、有悬臂的特点 ,设计了1副具有多分型面的模具 ,并介绍了该模具的结构及工作过程 ,对类似塑件的生产有一定的参考作用     

涤/锦织物与橡胶粘合效果的研究

本文提出在用于浸渍锦纶织物的RFL粘着剂中,加入芳香族化合物类的水杨酸钠(S)的方法,以增加涤纶和锦纶交织物与橡胶的粘合。试验优化了浸渍剂组分配方,使最终的橡胶制品能很好地满足产品标准的规定。文中阐述了涤/锦织物/RFLS粘着剂/橡胶体系的粘合机理,且发现,在RFL粘结的基础上,水杨酸钠能起很好的增粘作用。     

基于3D骨架和RGB图片的时空动作识别

基于3D骨架的动作识别技术现已成为人机交互的重要手段。为了提高3D动作识别的精度,文中提出一种将3D骨架特征和2D图片特征进行融合的双流神经网络。其中一个网络处理3D骨架序列,另一个网络处理2D图片。最后再将二者的特征进行融合,以提高识别精度。相较于单独使用3D骨架的动作识别,文中所使用的方法在NTU_RGBD数据集以及SYSU数据集上都有了很大的精度提升。     

利用张量投票的机载LiDAR点云道路骨架线提取

针对机载LiDAR数据中道路骨架线检测存在的噪声干扰问题,结合道路多层特征显著性,提出了一种基于道路最大宽度快速确定最小尺度因子的张量投票道路骨架线提取方法。将预处理后三维道路点云转化成二维强度图像,最小尺度因子参与图像球张量投票,利用极性特征分割道路边缘点;为了进一步增强道路线状特征,利用新的最小尺度因子再次进行球张量投票和棒张量投票,填补道路空洞,顺滑道路边界;细化处理获取道路骨架线。与数学形态学方法相比,该方法在噪声背景的道路数据中提取的道路线精度更高。     

一种改进的运动模糊图像参数准确估计方法

模糊角度(方向)和模糊长度是对运动模糊图像进行恢复处理的两个关键参数.针对通过运动模糊图像频谱图像的中心亮条纹获得模糊角度存在角度检测精度不高、角度检测范围受限制等缺陷,在分析Radon变换的数学原理和十字亮纹形成原因及其造成干扰的基础上,根据频谱图像的特点,提出采用模糊频谱图像的暗条纹获得运动模糊角度的方法:在获得频谱图像暗条纹的二值图像后,通过骨架化变换,缩小暗条纹宽度,再经过Radon变换获得模糊角度和模糊长度.实验结果表明,所提出的方法能避开频谱图像中十字亮线的干扰,提高模糊角度检测精度和稳定度,扩大角度检测范围,模糊角度的检测误差小于0.5$^\circ$,角度检测范围达$0^\circ \sim 180^\circ$,优于传统算法的效果     

拟合复杂形状主骨架的颜色渐变填充

针对复杂形状的颜色渐变填充无法较好拟合形状的延伸方向问题,提出了形状主骨架颜色渐变填充算法（SMSCGFA）。引入骨架路径视觉显著性评价向量,针对主骨架设计了整体优选及局部几何优化相结合的方法,对复杂形状抽取主骨架进行简化;骨架提取时结合了基于约束Delaunay三角剖分（CDT）的三角形中线法骨架提取和基于骨架二叉树的骨架路径双栈跟踪提取;对主骨架进行颜色渐变计算,通过局部的主骨架颜色信息,完成形状整体沿延伸方向的颜色渐变填充。实验验证表明,采用该方法后,骨架路径的优选比可达5.5%,消除了较多的骨架冗余分枝;与颜色线性渐变填充相比,基于骨架的颜色渐变填充,拟合形状延伸变化趋势较好。     

基于多目标骨架粒子群优化的特征选择算法

针对在分类问题中,数据之间存在大量的冗余特征,不仅影响分类的准确性,而且会降低分类算法执行速度的问题,提出了一种基于多目标骨架粒子群优化（BPSO）的特征选择算法,以获取在特征子集个数与分类精确度之间折中的最优策略。为了提高多目标骨架粒子群优化算法的效率,首先使用了一个外部存档,用来引导粒子的更新方向;然后通过变异算子,改善粒子的搜索空间;最后,将多目标骨架粒子群算法应用到特征选择问题中,并利用K近邻（KNN）分类器的分类性能和特征子集的个数作为特征子集的评价标准,对UCI数据集以及基因表达数据集的12个数据集进行实验。实验结果表明,所提算法选择的特征子集具有较好的分类性能,最小分类错误率最大可以降低7.4%,并且分类算法的执行时间最多能缩短12 s,能够有效提高算法的分类性能与执行速度。     

基于骨架模型的船体结构快速建模

针对当前我国船舶结构设计中迭代次数多、设计存在异地性的问题,提出一种船 体结构快速建模方法。以“自顶向下”为设计思路,以骨架模型为实现载体,对船体结构特点进 行分析、总结后构建了面向船舶结构的骨架模型,给出船体结构骨架模型的定义。通过船舶结 构的骨架模型与参数坐标系实现船舶总体的快速布局设计;建立参数坐标系与船体板架之间的 关联关系实现船体结构的快速建模与快速调整,并给出相应算法;给出设计信息的组织方式并 将设计信息集成到骨架模型实现船体结构模型的完整性定义与快速建立。最后基于 CATIA V6 平台开发快速建模系统,并通过纵骨架式船体结构验证了方法的可行性。     

基于机器视觉的带送煤炭体积测量方法研究

在分析现有带送煤炭动态计量方法特点及其应用现状的基础上,针对激光胶带秤计量精度较低的问题,提出了一种基于机器视觉的带送煤炭体积测量方法。该方法采用三角测距原理建立体积测量模型,通过一套适合于煤矿环境的图像获取装置完成图像采集;利用基于梯度优化的快速骨架抽取算法获取激光条纹中心,并基于距离阈值插值算法实现激光断线修补;通过计算激光条纹中心偏移量,根据体积测量模型实现煤炭体积测量。试验结果表明,该方法的体积测量误差低于常用激光胶带秤,更适用于带送煤炭动态计量。     

线性动态系统反演模型在人体行为识别的应用

目的 人体行为识别在视频监控、环境辅助生活、人机交互和智能驾驶等领域展现出了极其广泛的应用前景。由于目标物体遮挡、视频背景阴影、光照变化、视角变化、多尺度变化、人的衣服和外观变化等问题,使得对视频的处理与分析变得非常困难。为此,本文利用时间序列正反演构造基于张量的线性动态模型,估计模型的参数作为动作序列描述符,构造更加完备的观测矩阵。方法 首先从深度图像提取人体关节点,建立张量形式的人体骨骼正反向序列。然后利用基于张量的线性动态系统和Tucker分解学习参数元组（A_F,A_I,C）,其中C表示人体骨架信息的空间信息,A_F和A_I分别描述正向和反向时间序列的动态性。通过参数元组构造观测矩阵,一个动作就可以表示为观测矩阵的子空间,对应着格拉斯曼流形上的一点。最后通过在格拉斯曼流形上进行字典学习和稀疏编码完成动作识别。结果 实验结果表明,在MSR-Action 3D数据集上,该算法比Eigenjoints算法高13.55%,比局部切从支持向量机（LTBSVM）算法高2.79%,比基于张量的线性动态系统（tLDS）算法高1%。在UT-Kinect数据集上,该算法的行为识别率比LTBSVM算法高5.8%,比tLDS算法高1.3%。结论 通过大量实验评估,验证了基于时间序列正反演构造出来的tLDS模型很好地解决了上述问题,提高了人体动作识别率。