检索结果-内蒙古大学图书馆

电子技术应用 2019年第2期45卷 88-92页

作者：蒋华强蔡勇张建生李自胜西南科技大学制造科学与工程学院四川绵阳621010 制造过程测试技术省部共建教育部重点实验室四川绵阳621010

针对现有运动恢复结构算法重建模型存在点云稀疏等问题,提出一种利用不同匹配数据进行模型重建的算法。首先通过对比上下文直方图(CCH)生成匹配数据,利用M估计抽样一致(MSAC)估算图像基础矩阵,进而分解得到平移和旋转矩阵,并根据相机内... 详细信息

针对现有运动恢复结构算法重建模型存在点云稀疏等问题,提出一种利用不同匹配数据进行模型重建的算法。首先通过对比上下文直方图(CCH)生成匹配数据,利用M估计抽样一致(MSAC)估算图像基础矩阵,进而分解得到平移和旋转矩阵,并根据相机内参计算投影矩阵,然后利用KLT匹配算法更新匹配数据,最后三角化生成三维点云。该算法匹配精度高,图像基础矩阵易于收敛,通过位移实现特征点匹配,弥补了图像低频区域匹配数据不足的缺陷。实验结果表明,与现有算法相比,该算法生成的点云更致密;在真实环境下,该算法可用于物体三维重建。

关键词：三维重建改进运动恢复结构对比上下文直方图 M估计抽样一致 KLT算法三角化

来源：评论

学校读者我要写书评

暂无评论

Mecanum轮结构特征参数建模方法研究

引用

机械设计与制造 2018年第11期 245-248,252页

作者：李义蒋刚杨剑锋西南科技大学制造科学与工程学院四川绵阳621010 西南科技大学制造过程测试技术教育部重点实验室四川绵阳621010

针对目前Mecanum轮设计的近似方法无法一次性确定辊子设计参数的问题,通过解析麦克纳姆轮棍子的工作原理,建立一种R-N辊子空间轨迹参数设计方法求解轮子的理论参数方程;并运用该方法实现直径为500mm的Mecanum轮模型设计。首先通过讨论... 详细信息

针对目前Mecanum轮设计的近似方法无法一次性确定辊子设计参数的问题,通过解析麦克纳姆轮棍子的工作原理,建立一种R-N辊子空间轨迹参数设计方法求解轮子的理论参数方程;并运用该方法实现直径为500mm的Mecanum轮模型设计。首先通过讨论辊子个数的设计对辊子设计参数的影响,在给定半径的轮子设计中得出辊子数为8个时辊子具有最大临界半径。然后通过传统椭圆弧近似建模方法与提出的方法建立两种模型,进一步提取出轮子包络线与理论圆周的误差值进行对比分析,实验验证表明Mecanum轮结构特征参数建模方法建模精度优于传统近似建模方法,500mm直径的实例模型建模精度达到0.055%,解决了Mecanum轮设计时辊子个数设置与辊子参数一次性确定的问题,有助于提高轮子的设计效率和可靠性。

关键词： Mecanum轮空间轨迹特征参数包络线近似建模建模精度

来源：评论

学校读者我要写书评

暂无评论

改进CaffeNet模型在水面垃圾识别中的应用

引用

传感器与微系统 2019年第8期38卷 150-152,156页

作者：向伟史晋芳刘桂华徐锋黄占鳌西南科技大学制造科学与工程学院四川绵阳621010 西南科技大学制造过程测试技术省部共建教育部重点实验室四川绵阳621010 西南科技大学特殊环境机器人技术四川省重点实验室四川绵阳621010

为了提高水面垃圾识别的准确率,提出一种改进CaffeNet的卷积神经网络模型对水面垃圾进行识别。模型改进了卷积核的大小、卷积核的数量以及增加了一层稀疏结构,进而增强了网络模型特征提取的能力,降低了网络复杂度。实验结果证明:改进的C... 详细信息

为了提高水面垃圾识别的准确率,提出一种改进CaffeNet的卷积神经网络模型对水面垃圾进行识别。模型改进了卷积核的大小、卷积核的数量以及增加了一层稀疏结构,进而增强了网络模型特征提取的能力,降低了网络复杂度。实验结果证明:改进的CaffeNet模型将水面垃圾的识别率提高到95. 75%,能减少水面波纹、物体倒影和桥梁等复杂环境对水面垃圾识别的影响,具有较好的水面垃圾识别效果。

关键词：深度学习卷积神经网络 CaffeNet模型水面垃圾识别

来源：评论

学校读者我要写书评

暂无评论

基于SVM的多足机器人故障诊断系统

引用

西南科技大学学报 2018年第1期33卷 86-90页

作者：王委蒋刚留沧海西南科技大学制造科学与工程学院四川绵阳621000 西南科技大学制造过程测试技术教育部重点实验室四川绵阳621000

足式机器人常被紧急调用于地震、海啸等恶劣环境或人类无法到达的环境中执行任务,因此机器人自身应具备自我诊断和应对自身故障的能力。针对大型重载六足机器人腿部展开研究,首先针对不同损伤情况进行三维建模,之后进行多次仿真实验,得... 详细信息

足式机器人常被紧急调用于地震、海啸等恶劣环境或人类无法到达的环境中执行任务,因此机器人自身应具备自我诊断和应对自身故障的能力。针对大型重载六足机器人腿部展开研究,首先针对不同损伤情况进行三维建模,之后进行多次仿真实验,得到足够的原始数据,将其进行特征提取,并采用SVM(支持向量机)方法进行该机器人腿部的多类型故障识别,最后与RBF神经网络进行对比。实验表明,在小样本情况下,SVM方法比RBF神经网络具有更好的识别性能。

关键词：多足机器人故障诊断支持向量机(SVM)

来源：评论

学校读者我要写书评

暂无评论

自适应K-means聚类的散乱点云精简

引用

中国图象图形学报 2017年第8期22卷 1089-1097页

作者：陈龙蔡勇张建生西南科技大学制造科学与工程学院绵阳621010 西南科技大学制造过程测试技术省部共建教育部重点实验室绵阳621010

目的点云精简是曲面重建等点云处理的一个重要前提,针对以往散乱点云精简算法的精简结果存在失真较大、空洞及不适用于片状点云的问题,提出一种自适应K-means聚类的点云精简算法。方法首先,根据k邻域计算每个数据点的曲率、点法向与邻... 详细信息

目的点云精简是曲面重建等点云处理的一个重要前提,针对以往散乱点云精简算法的精简结果存在失真较大、空洞及不适用于片状点云的问题,提出一种自适应K-means聚类的点云精简算法。方法首先,根据k邻域计算每个数据点的曲率、点法向与邻域点法向夹角的平均值、点到邻域重心的距离、点到邻域点的平均距离,据此运用多判别参数混合的特征提取方法识别并保留特征点,包括曲面尖锐点和边界点;然后,对点云数据建立自适应八叉树,为K-means聚类提供与点云密度分布相关的初始化聚类中心以及K值;最后,遍历整个聚类,如果聚类结果中含有特征点则剔除其中的特征点并更新聚类中心,计算更新后聚类中数据点的最大曲率差,将最大曲率差大于设定阈值的聚类进行细分,保留最终聚类中距聚类中心最近的数据点。结果在聚类方面,将传统的K-means聚类和自适应K-means聚类算法应用于bunny点云,后者在聚类的迭代次数、评价函数值和时间上均优于前者;在精简方面,将提出的精简算法应用于封闭及片状两种不同类型的点云,在精简比例为1/5时fandisk及saddle模型的精简误差分别为0.29×10^(-3)、-0.41×10^(-3)和0.037、-0.094,对于片状的saddle点云模型,其边界收缩误差为0.030 805,均小于栅格法和曲率法。结论本文提出的散乱点云精简算法可应用于封闭及片状点云,精简后的数据点分布均匀无空洞,对片状点云进行精简时能够保护模型的边界数据点。

关键词：点云精简八叉树 K—means聚类片状点云边界点

来源：评论

学校读者我要写书评

暂无评论

基于SVM的铆接件识别及特征参数研究分析

引用

机械设计与制造 2017年第1期 65-68页

作者：陈健飞蒋刚杨剑锋李自胜西南科技大学制造科学与工程学院四川绵阳621000 西南科技大学制造过程测试技术教育部重点实验室四川绵阳621000

针对武器装备中铆接结构损伤检测的问题,提出了支持向量机(SVM)机器视觉识别方法。首先,采集铆钉图像样本并对其进行图像预处理,提取了铆钉头四个相关特征参数。其次,在小样本条件下,采用SVM算法对铆钉的样本特征进行训练并建立视觉识... 详细信息

针对武器装备中铆接结构损伤检测的问题,提出了支持向量机(SVM)机器视觉识别方法。首先,采集铆钉图像样本并对其进行图像预处理,提取了铆钉头四个相关特征参数。其次,在小样本条件下,采用SVM算法对铆钉的样本特征进行训练并建立视觉识别模型,分析了特征参数与最终模型之间的关系。最后,将SVM视觉识别方法与Hough变换和独立判断方法进行对比分析。对比结果表明:SVM视觉识别方法较后二者的识别速度更快,识别准确率更高,证明了该方法的可行性和有效性。

关键词：铆接件 SVM 计算机视觉识别

来源：评论

学校读者我要写书评

暂无评论

基于多判别参数混合方法的散乱点云特征提取

引用

计算机应用研究 2017年第9期34卷 2867-2870页

作者：陈龙蔡勇张建生向北平西南科技大学制造科学与工程学院四川绵阳621010 西南科技大学制造过程测试技术省部共建教育部重点实验室四川绵阳621010

针对以往散乱点云特征提取算法存在尖锐特征点提取不完整以及无法保留模型边界点的问题,提出了一种多个判别参数混合方法的特征提取算法。对点云构建k-d tree,利用k-d tree建立点云K邻域;针对每个K邻域计算数据点曲率、点法向与邻域点... 详细信息

针对以往散乱点云特征提取算法存在尖锐特征点提取不完整以及无法保留模型边界点的问题,提出了一种多个判别参数混合方法的特征提取算法。对点云构建k-d tree,利用k-d tree建立点云K邻域;针对每个K邻域计算数据点曲率、点法向与邻域点法向夹角的平均值、点到邻域重心的距离、点到邻域点的平均距离,据此四个参数定义特征阈值和特征判别参数,特征判别参数大于阈值的点即为特征点。实验结果表明,与已有算法相比,该算法不仅可以有效提取尖锐特征点,而且能够识别边界点。

关键词：点云特征提取 K邻域边界点

来源：评论

学校读者我要写书评

暂无评论

疏水溶胀泡沫的制备及其吸油性能的研究

引用

塑料工业 2017年第9期45卷 128-134页

作者：张正才刘海东何琦西南科技大学制造科学与工程学院制造过程测试技术省部共建教育部重点实验室四川绵阳621010 中蓝晨光化工研究设计院有限公司四川成都610041

以氯铂酸为催化剂,通过五甲基二硅氧烷与端羟基聚丁二烯的硅氢加成反应,首次合成出以聚丁二烯为主链、侧链含硅氧烷的改性端羟基聚丁二烯。研究了硅氧烷改性的端羟基聚丁二烯作为聚氨酯软段对泡沫疏水性及吸油性能的影响。结果表明,硅... 详细信息

以氯铂酸为催化剂,通过五甲基二硅氧烷与端羟基聚丁二烯的硅氢加成反应,首次合成出以聚丁二烯为主链、侧链含硅氧烷的改性端羟基聚丁二烯。研究了硅氧烷改性的端羟基聚丁二烯作为聚氨酯软段对泡沫疏水性及吸油性能的影响。结果表明,硅氧烷接枝聚丁二烯作为聚氨酯软段可以有效地降低聚氨酯弹性体的表面能从而提高其疏水性,聚氨酯弹性体与水的接触角从未改性的84.6°提高到108°,硅氧烷接枝聚丁二烯制备的聚氨酯泡沫的与水的接触达到了158°;由于硅氧烷接枝聚丁二烯与甲苯、汽油和柴油的相容性较好,泡沫在吸附甲苯、汽油和柴油的过程中伴随着孔的填充的同时致使基体溶胀,从而可以有效地提高泡沫的吸附倍率。

关键词：泡沫单端含氢硅氧烷端羟基聚丁二烯硅氢加成疏水性吸油

来源：评论

学校读者我要写书评

暂无评论

数控机床进给轴综合误差解耦建模与补偿研究

引用

机械工程学报 2016年第1期52卷 184-192页

作者：要小鹏殷国富李光明西南科技大学制造过程测试技术教育部重点实验室绵阳621010 西南科技大学制造科学与工程学院绵阳621010 四川大学制造科学与工程学院成都610065

为建立高精度的数控机床综合误差补偿模型,提出一种针对机床定位误差的解耦分离建模方法。通过对数控机床温度场与定位误差进行测量,研究机床在不同工况下温度场与定位误差的变化规律,基于该规律定义机床定位误差敏感度的概念,采用灰色... 详细信息

为建立高精度的数控机床综合误差补偿模型,提出一种针对机床定位误差的解耦分离建模方法。通过对数控机床温度场与定位误差进行测量,研究机床在不同工况下温度场与定位误差的变化规律,基于该规律定义机床定位误差敏感度的概念,采用灰色关联度算法建立定位误差敏感度矩阵并优化了测温点。根据机床定位误差变化规律,利用多元回归和GM(1,n)算法对机床几何基准误差和热误差进行解耦分离建模,并将上述模型进行线性叠加构建机床定位误差综合模型。在不同工况条件下对一台VXC-560型加工中心进行在线补偿,试验结果表明机床x轴在冷态条件下的定位误差从11.1μm降低到4.5μm,降幅为59.5%,在热态条件下的最大定位误差由34.9μm降低到8.2μm,降幅为76.5%,并验证了采用误差模型直接驱动机床硬件进行补偿的新思路,具有一定的工程应用前景。

关键词：定位误差敏感度机床进给轴解耦分离误差模型补偿

来源：评论

学校读者我要写书评

暂无评论

仿人机器人交互行为设计评估方法

引用

西南科技大学学报 2017年第1期32卷 78-84页

作者：钟翔伟留沧海蒋刚西南科技大学制造过程测试技术省部共建教育部重点实验室四川绵阳621000 西南科技大学制造科学与工程学院四川绵阳621000

研究目的在于为仿人机器人的交互行为设计制定评估方法。将动作捕捉系统采集的真人动作数据与采用虚拟现实技术设计的机器人动作数据进行了对比,并将两者制作成动画视频作为评估试验对象,采用语义分析法确定进行评估的感性量,采用层次... 详细信息

研究目的在于为仿人机器人的交互行为设计制定评估方法。将动作捕捉系统采集的真人动作数据与采用虚拟现实技术设计的机器人动作数据进行了对比,并将两者制作成动画视频作为评估试验对象,采用语义分析法确定进行评估的感性量,采用层次分析法确定感性量的权值,组织志愿者观看所制作的动画视频并对视频中的交互动作的感性量打分,对打分结果进行计算,通过对计算结果的分析完成评估。为仿人机器人的交互行为设计提供了一套定量评估方法,实验分析了评估方法的效果。

关键词：仿人机器人交互设计层次分析法语义分析法感性

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：