排序方式: 共有5条查询结果,搜索用时 15 毫秒
1
1.
情感对话技术着眼于对话机器人的“情商”,旨在让对话机器人具有像人类一样观察、理解和表达情感的能力.这项技术可以看作是情感计算和对话技术的交叉,兼顾对话机器人的“智商”和“情商”,从而实现对用户的精神陪伴、情感慰藉和心理疏导.结合对话中情感的特点,对情感对话技术进行全面解析:1)规划对话场景下的情感识别、情感管理、情感表达等3个重要的技术点,并拓展多模态场景下的情感对话技术. 2)介绍情感对话4项关键技术的最新研究进展,并总结这些技术面临的主要挑战和可能解决方案. 3)介绍情感对话技术的数据资源. 4)分析情感对话技术的难点,展望其未来发展方向与前景. 相似文献
2.
针对薄壁叶片的点云扫描采样会产生特征消失、三角重构会产生孔洞现象的问题,提出一种改进的点云精简以及重构的方法。首先,根据法向量夹角阈值和欧氏距离提取叶片外轮廓;其次,计算点云的平均曲率和高斯曲率,设定阈值对点云划分子集,采用索引空间法对点云数据进行精简;然后,采用贪婪算法针对距离阈值系数和三角形参数对叶片点云进行实验分析,得出没有孔洞的贪婪三角参数经验值;最后对距离阈值系数和点云平均间距拟合出关系式,实现贪婪重构的参数自动调节。实验结果表明,在总体精简率为90%左右时,相较于另外两种方法,标准偏差分别下降了26.45%和19.92%,外轮廓尺寸平均偏差分别下降了79.81%和47.97%。按照提出的方法设置重构参数,重构质量良好,对薄壁叶片实现在机智能加工检测具有良好的应用参考。 相似文献
3.
结合点云局部特征和Octree优化搜索,提出了用于薄壁零件加工过程测量的三维变形点云自动配准的算法,并有效计算出位移偏差量。首先,对薄壁零件点云模型进行数据预处理,去除主体中的无效点和噪声点,计算点云的法向量、3个特征元素作为PPFNET(point pair feature net)特征学习方法的输入,利用最大池化层将变形的局部特征聚合到全局特征中,通过全局和局部特征描述符的深度学习,找出无序点云间的对应关系,完成点云粗配准过程;然后,提出一种基于迭代就近点算法(iterative closest point,ICP)的改进精配准算法,通过增加阈值限定,过滤加工变形时颤振影响,使配准精度达到了98.58%,配准效率提高了10%;最后,采用Hausdorff进行距离计算,使用Cloud-Compare进行位移偏差分析,分析结果与实验结果比较表明,平均绝对百分比误差(mean absolute percentage error,MAPE)为2.32%。在机测量模拟结果表明,所提方法满足在机检测加工变形的实时性和测量精度要求。 相似文献
4.
5.
针对结构光测量时手工调节相机参数易导致图像质量的随机性,进而导致标定精度的下降及调参环节重复繁琐的问题,提出了一种结构光测量的相机标定自适应调参方法。首先,设计了一套相机自动调参装置,根据三个调参环调节时的图像变化机理,选取标定板面积占比、图像清晰度及图像对比度三个参数,分别定义焦距调节环、对焦环及光圈调节环。其次,为实现相机的高精度标定自适应参数调节,针对传统Brenner函数的缺陷,通过一种改进的Brenner自动阈值函数,实现对图像清晰度的精确快速对焦,并对标定板图像感兴趣区域的前景与背景进行分割,计算图像对比度,根据标定的重投影误差,确定标定相机的最优调节区间,以自适应调参搜索控制方法进行标定参数调节。最后,为提高自适应标定调参时电机的搜索定位速度,建立了调参函数模型,并通过物距及像素长度自适应计算焦距。三维测量调参实验表明,相比于手工标定,基于提出的调参方法能在5 s内实现自动调参,且重投影误差减少66.57%。 相似文献
1