机器人视觉引导中标定参数同步求解方法

在分析机器人视觉引导中各坐标系转换关系的基础上,提出一种基于最大似然估计的非线性机器人视觉引导标定参数的计算方法,该方法根据最大似然估计构造计算过程中矩阵变换测度函数,采用Levenberg-Marquardt算法求解非线性最小二乘问题,可一次性求解出摄像机标定参数和手眼标定参数。通过数值仿真和真实机器人标定实验,将计算结果与经典标定方法的计算结果进行了比较。结果表明:提出的算法相对于经典算法在估计误差、对噪声的敏感度和稳定性方面均有所提高。     

一种新的感度试验与分析方法

介绍了一种新的感度试验设计与分析方法，即Ｎｅｙｅｒ法。它利用最大似然估计来选择下一个试验水平，利用似然比试验可计算任意置信区间，并以Ｃｒａｍｅｒ－Ｒａｏ理论为基础，可以分析所有感度试验结果。     

飞行器电磁窗耐雨蚀复合涂层的制备

研制了电磁窗用耐雨蚀底漆和耐雨蚀面漆，介绍了该配套涂料体系的制备工艺，并列举了其性能指标。讨论了耐雨蚀面漆中聚酯树脂、多元醇和颜料对其性能的影响，施工工艺对耐雨蚀涂层与底涂层之间配套性能的影响。     

基于间歇测量的状态估计稳定性和精度研究*

针对分布式控制系统状态估计过程出现的测量值丢失问题,本文量化分析测量值丢失对估计稳定性和精度的影响。首先,根据随机测量模型重新推导带测量值丢失的卡尔曼滤波器,得到估计误差协方差迭代式。然后,将随机误差协方差迭代式建模为修正的黎卡提微分方程,提出了估计稳定性和精度分析方法。最后,列举不同的系统实例,证明临界包到达率的存在性,当测量值到达率大于临界值时,平均误差协方差从发散过渡到有界,进而得到估计精度与包达率之间的函数关系。     

用于虚拟现实的360度视频编码技术新进展*

随着虚拟现实技术不断发展,360度视频编码开始成为研究热点。应用于虚拟现实的360度视频与传统的视频相比分辨率更高,编码数据量更大,在实际应用中面临传输带宽有限的瓶颈,编码效率问题有待解决。归纳分析了国际标准组织联合视频研究组（joint video exploration team, JVET）正在制定的360度视频编码投影变换技术及其编码优化方法,综合对比了各变换技术的编码性能。根据当前最新研究成果,对下一步研究需要解决的问题进行了探讨总结,给出未来的研究方向和思路。     

年最大洪峰流量群居蜘蛛优化投影寻踪预测模型

年最大洪峰流量预测,受较多的复杂因素的影响,不确定性较强,用常规统计方法做出准确预报具有较大困难。从水文序列本身出发,提出将投影回归模型应用于年最大洪峰流量预测,为了更好获得投影寻踪模型参数和预测精度,提出了运用延迟相关系数法确定回归预测因子、群居蜘蛛算法优化投影寻踪模型最佳投影方向参数a、利用最小二乘法确定多项式的权系数c、岭函数个数M的群居蜘蛛优化投影寻踪年最大洪峰流量预测模型,结合长江宜昌站(1882年-2004年)的年最大洪峰流量资料进行实例预测,训练阶段平均绝对相对误差为8.61%,预测阶段平均绝对相对误差为10.51%,该模型预测效果较好,模型结果稳定,可有效应用于年最大洪峰流量预测。     

知识窗

硫化氢 硫化氢（Hydrogen sulfide）为无色气体，具有臭蛋气味。分子式为H2S，分子量为34．08，相对密度为1．19，熔点为-82．9℃，沸点为-61．8℃，易溶于水，易溶于醇类，石油溶剂和原油中。可燃上限为45．5％，下限为4．3％，燃点为292℃，燃烧时可产生蓝色火焰。     

一种基于深度卷积网络的鲁棒头部姿态估计方法

针对头部姿态估计方法受特征提取限制导致姿态估计效果不佳的问题,提出使用深度卷积网络自动学习有效特征并进行分类的头部姿态估计方法。首先,利用DCNN非线性映射和自动提取图像结构信息的能力,设计一个深度卷积网络实现对姿态鲁棒特征的提取;然后再将提取的特征用于分类器训练并最终实现头部姿态估计。在Pointing’04和FacePix数据库上的测试结果表明,本文设计的深度卷积网络能有效的进行特征学习,避免了人工设计特征的不足,与现有的基于人工设计特征方法相比,本文方法在两个数据库上达到的预测平均绝对误差分别为4.05〫和2.04〫,充分证实了本文算法的稳定性和可靠性。     

生物发酵过程中SSVIP-NNI软测量方法

生物发酵过程中关键生化变量难以直接检测,提出了一种利用基于敏感性与特异性的变量投影重要性(SSVIP)方法优化神经网络逆系统(NNI)的软测量方法。根据逆系统理论建立软测量模型,采用VIP变量优选方法,对软测量模型中的辅助变量进行优化。为了进一步提高VIP方法优选变量的性能,利用模型敏感性与特异性的概念,重新定义了VIP筛选阈值,确定最优的发酵过程软测量模型的变量。构造神经网络近似最优逆系统软测量模型,实现对发酵过程中关键过程变量的估计。通过Pensim仿真平台进行实验研究,结果表明经过辅助变量优选的神经网络逆系统软测量模型具有更高的估计精度和泛化能力。     

基于一次投影子空间追踪的压缩感知信号重构

为了降低信号重构算法的复杂度,实现对稀疏度未知信号的重构,提出了一种基于一次投影子空间追踪(OPSP)的信号重构方法。首先根据约束等距性质确定信号稀疏度的上下界,并将最接近上下界中值的整数作为稀疏度的估计值;然后在子空间追踪(SP)算法的框架下,去掉了迭代中观测向量在支撑集上的投影过程,降低了算法的复杂度。为了更准确地衡量算法的重构性能,提出用完整信号的重构概率作为衡量算法重构性能的指标。与传统的SP算法相比,所提算法可以重构稀疏度未知的信号,且重构时间短,重构概率高。仿真结果验证了该算法的有效性。