排序方式: 共有18条查询结果,搜索用时 15 毫秒
1.
基于IEEE802.15.4a标准的工业无线网络节点设计 总被引:2,自引:0,他引:2
针对工业自动化领域对无线数据通信的需求以及国内基于切普扩频技术(CSS)的无线短程网络研究太少的现状,从实际应用角度出发,设计了一种基于IEEE802.15.4a标准的工业无线短程网络节点,给出了硬件设计电路图和软件流程图.在所设计的硬件平台基础上,采用CSMA/CA的介质访问控制策略进行组网通信测试,在强电磁干扰的环境中所设计的无线节点能够稳定运行,实时性能满足设计要求,可将该无线节点应用于实际的无线工业现场. 相似文献
2.
3.
针对人机交互、医疗康复等领域存在的人体姿态分析与评估问题,本文提出了一种基于 Transformer 的三维人体姿态估
计及其动作达成度评估方法。 首先,本文定义了人体姿态的关键点及关节角,并在深度位姿估计网络(DPEN)的基础上,提出
并构建了一个基于 Transformer 的三维人体姿态估计模型(TPEM),Transformer 的引入能够更好的提取人体姿态的长时序特征;
其次,利用 TPEM 模型对三维人体姿态估计结果,设计了基于加权 3D 关节角的动态时间规整算法,在时序上对不同人物同一动
作的姿态进行姿态关键帧的规整匹配,并据此提出了动作达成度评估方法,用于给出动作的达成度分数;最后,通过在不同数据
集上进行实验验证,TPEM 在 Human3. 6 M 数据集上实现了平均关节点误差为 37. 3 mm, 而基于加权 3D 关节角的动态时间规
整算法在 Fit3D 数据集上的平均误差帧数为 5. 08,展现了本文所提方法在三维人体姿态估计与动作达成度评估方面的可行性
和有效性。 相似文献
4.
根据人手结构设计一种五指仿人灵巧手。该灵巧手共有5根手指,总计16个自由度。灵巧手的手指关节虚拟化,手指更加轻量。灵巧手采用欠驱动方式,并将驱动系统内置,整体结构集成度高,易于安装到不同的机械臂平台。在理论研究上,通过齐次变换矩阵得到灵巧手的运动学模型,进而得到五指的运动轨迹,并进而对灵巧手控制策略进行探讨,之后对灵巧手进行手势与抓取实验,实验表明灵巧手能完成夹、捏、握等10种动作。把灵巧手应用在不同的机械臂平台上,验证了灵巧手的抓取范围广及其在不同环境下的抓取能力。 相似文献
5.
针对生产线上金属板表面光照不均匀和白、灰细颗粒相间的特点,将一维、二维Wellner自适应阈值算法应用到这种场景,并结合高斯加权距离,将算法推广,提出了一种针对金属板表面图像分割的高斯加权自适应分割算法.该方法首先通过计算区域内像素间的高斯加权距离,形成一张加权距离图,然后利用Wellner的“中心-周围比较思想”直接求算二值图像.最后对实际产线上采集的图片进行了实验,将二维otsu算法、均匀性度量算法、一维、二维Wellner自适应算法和最后改进的算法在分割效果进行比较.实验结果表明,相对于其他算法,最后应用的算法在分割效果上具有明显的优势. 相似文献
6.
面向人-机器人交互共融环境对机械臂仿人运动规划的重大需求,本文提出了一种基于强化学习的机器人手臂仿人运
动规划方法。 首先,基于人体手臂的结构特征,设计了体现机械臂运动特性的肩夹角、肘夹角和腕关节运动角,并采用正态性和
相关性分析方法,对 VICON 运动捕捉系统获取的人体手臂运动数据进行分析,以获取人臂运动特性规则。 然后,根据不同的运
动特性规则,设计对应的回报函数,并采用强化学习方法进行机械臂仿人运动模型的训练。 最后,搭建机械臂仿人运动平台,实
验统计仿人运动的成功率为 91. 25% ,验证了所提规划方法的可行性和有效性,可用于提高机械臂运动的仿人性。 相似文献
7.
8.
随着虚拟现实(VR)技术的发展,作为其核心技术之一的眼球追踪越来越受到人们的重视。在传统3D视线估计技术的基础上,提出一种通过卷积目标检测恢复目标区域深度信息的3D眼球追踪实现方法。基于头戴式眼球追踪设备Pupil的世界摄像头采集到的图像信息,利用TensorFlow卷积目标检测框架实现对目标的识别和宽度测量,通过建立检测出的宽度值和实际测量的距离值之间的函数关系,来达到实时估计深度信息的目的。实验数据表明该方法在采样图像分辨率为1 080p的6组定点测试中的平均相对误差只有1.17%,而且实时处理速度可达15 f/s,能够对实时的深度信息做出较为准确的预测。在眼球追踪技术越来越成熟、眼动仪等设备成本逐渐降低的背景下,该研究为眼球追踪技术的进一步发展和应用打下了坚实的基础。 相似文献
9.
为有效解决移动机器人重定位问题,提出一种融合深度学习和粒子滤波的机器人重定位方法。首先,提出了3自由度移动机器人重定位方法架构,主要包含重定位模型构建和机器人在线重定位两个递进阶段;其次,在PoseNet基础上提出并构建了针对3自由度移动机器人的重定位网络模型GPoseNet,并将由GPoseNet预测的位姿结果作为粒子滤波定位算法的初始化状态,支撑后续重定位过程;然后,提出了一种基于数据模型的机器人绑架状态判定方法,以确定是否启动重定位过程;最后,在公开数据集上与实际环境中做了大量实验验证了此方法,结果表明:GPoseNet模型能够保证一定的位置预测精度并提升了姿态角预测精度,机器人重定位成功率达到87%。 相似文献
10.