基于关节联动特征的运动捕获数据分割方法

运动捕获数据分割中,针对关节角度或关节点中心距离作为描述人体姿态的特征所存在的局限性,提出一种关节联动特征。该特征从人体运动学角度对人体关节之间的联动关系进行建模,将关节角度与关节点中心距离作为一组关节联动特征点转换到极坐标空间表示。通过计算任意时刻的人体姿态与初始时刻人体姿态的关节联动特征点的偏移量来描述人体姿态的变化。提取每一帧捕获数据的关节联动特征,并使用主成分分析方法对运动序列进行分割。对CMU人体运动捕获数据库的实验结果表明,使用该特征得到的运动捕获数据分割结果要优于使用关节角度或中心距离特征的分割结果。     

基于路径变换的虚拟人行走捕获数据的重用

针对行走捕获数据的重用问题,本文提出了一种基于Petri网仿真框架的虚拟人行走动作模型.首先,根据人体生理特征和运动特征计算行走的时空参数;接着,以关节插值的方法从原始捕获数据中生成各帧的关节参数;进而,提出了一种基于路径变换的运动编辑方法,通过对人体基点运动轨迹的位置插值得到沿不同轨迹运动的动画.仿真实例验证了所提方法的可行性与有效性.     

基于关键姿态映射的运动重定向

提出一种基于关键姿态映射的运动重定向方法,实现不同角色之间运动序列的快速映射。首先,对源运动数据降维,在低维空间中做聚类分析,提取关键姿态;其次,参数化运动序列,计算运动权值;最后,自动求解目标角色的关键姿态,结合运动权值重构目标角色的运动。实验结果表明,该方法较为完整的保留了源运动序列的特征,且重定向得到的运动较为平滑自然。     

利用特征加权进行基于小波框架变换的红外目标检测

提出了一个基于背景纹理多分辨分析的红外目标检测方法。本方法通过对原始图像作小波框架变换提取不同分辨率下背景纹理的特征，利用特征加权技术（FWT），得到中心向量，求出每个象素点的特征向量到中心向量的距离。根据距离像统计直方图实现阈值判别。实验证明该方法取得了较好的效果。     

基于运动信息和相位一致性的运动目标提取

提出一种新的时空结合的运动目标分割方法。该算法首先在累积帧差图像上使用改进的高阶统计(HOS)算法检测出运动区域,用最大连通区域表示初始运动目标模板,利用基于Log-Gabor复小波变换的相位一致性边缘检测算法提取出每一帧的单边缘信息,结合初始运动模板与空域边缘图像得到更精确的运动目标模板,最后结合原图像分割出运动对象。实验结果表明该算法能从对比度较小和噪声较大的视频序列中精确地提取出运动目标,且不受光照变化的影响。     

基于加权局部复杂不变性的时间序列分类算法

为解决现有方法对较长、复杂度分布不均序列的错分类问题，提取序列复杂度的局部信息，提出了加权局部复杂度不变性距离（WLCID），包含复杂度局部表征和全局加权整合两个模型。利用滑窗分解序列，结合复杂度不变性距离表示方法提取局部复杂度信息；通过建立类表征模型，以类间距越大的子段对分类正确的贡献度越大为依据，通过归一化累积类间距来量化整合权重。与相似算法的对比实验表明：此方法不仅在复杂度分布不均的数据中表现突出，在大多数测试集也有较好的效果。在分类和聚类任务上精度的提升，说明方法在表示时间序列形态特征的复杂度信息上具有较好的能力。     

基于多尺度光流融合特征点视觉-惯性SLAM方法

为提高视觉-惯性导航系统在弱纹理环境下的鲁棒性和精度, 结合特征点法精度高和光流法速度快的特点以及惯性信息, 提出一种多尺度均匀化光流融合特征点法的视觉-惯性同时定位与地图(simultaneous localization and mapping, SLAM)构建方法。首先, 改进快速特征点提取和描述(oriented fast and rotated brief, ORB)特征提取过程, 采用多尺度网格化的方法提取ORB特征点并利用四叉树均匀分配特征点, 提高特征分布离散性。其次, 在帧间采用LK(Lucas and Kanade)光流法追踪特征点进行帧间的数据关联, 在关键帧对特征点进行描述子的计算和匹配从而实现关键帧间的数据关联, 保证算法速度的同时提高定位精度和鲁棒性。最后, 基于光流法建立的数据关联得到的初始位姿为后端优化提供初始值, 整合ORB特征点重投影误差、惯性测量单元(inertial measurement unit, IMU)预积分误差以及滑动窗口先验误差构建最小化目标函数采用滑动窗口非线性优化进行求解。实验表明, 所提方法相比单目视觉惯性系统具有更高的定位精度和鲁棒性, 定位精度平均提升16.7%。     

基于改进型经验模分解的陀螺漂移趋势提取

非线性,非平稳的时间序列经过经验模分解,可以得到一组内模函数和一个基本的趋势项。本文针对陀螺弱非线性、非平稳漂移时间序列的趋势项提取这一问题,引入了改进的经验模分解方法。该方法通过二拍自适应滤波对原经验模分解中局部均值的估计方法进行了改进,并利用自适应边界估值来抑制其边缘效应。给出了应用该方法的具体步骤,并对一组陀螺漂移序列进行了实际处理。实验结果表明,该方法有效提取了陀螺的漂移趋势项。     

基于几何特征的人体运动捕获数据分割方法

运动捕获在虚拟仿真中被广泛使用,为了实现捕获数据的自动分割,提出了一种基于几何特征的分割方法,将人体运动数据分割为具有特定语义的运动片断,以及连接语义片断的过渡片断。首先选择一组几何特征,然后通过PCA法构造出用于分割的综合特征函数和对应的评价函数;最后对特征函数进行归一化、低通滤波和幅度跳变检测,检测出所有的语义片断,从而实现对运动数据的分割。实验表明,该方法具有较好的分割效果,有助于提高运动捕获的效率。     

矢量脱靶量测量系统定位算法研究

提出了一种基于空间目标运动轨迹提取的矢量脱靶量参数估计新方法。该方法利用不同接收天线接收的目标回波信号之间的相位差得到距离差,基于距离差定位方法获得目标运动轨迹的空间定位点序列。通过建立目标运动模型,采用固定区间Kalman平滑滤波的方法获得目标运动的较精确轨迹。利用平滑滤波后的空间位置点,通过对一组线性方程进行求解得到矢量脱靶量参数的估计。仿真结果表明该定位方法可以得到满意的脱靶量估计结果。     

结合运动补偿的球体双边滤波视频降噪算法

提出一种结合了运动补偿的球体双边滤波（motion compensated sphere bilateral filtering, MCSBF）视频图像降噪算法。在受噪视频图像中,首先利用视频序列中的当前帧和前后多帧图像,通过运动补偿得到当前帧的参考帧。在当前帧和参考帧构成的三维空间中,构建滤波窗为球体的双边滤波器,对当前帧像素进行三维双边滤波、实现降噪。算法能够充分利用视频图像中的空时相关性,在保持视频图像细节的同时、有效地去除噪声。实验结果表明,在提升受噪视频图像主观视觉质量和峰值信噪比（peak signal noise ratio, PSNR）等方面,算法优于空时联合滤波（spatial temporal joint filtering scheme, JNT）、空时转换滤波（spatial temporal varying filter, STVF）、多假设运动补偿滤波（multi-hypothesis motion compensated filter, MHMCF）等经典视频图像降噪算法。     

基于混合概率主成分分析的HRRP特征提取

针对主成分分析(principal component analysis, PCA)等数据压缩方法用于雷达高分辨距离像(high resolution range profile, HRRP)的特征提取,只能反映固定方位帧内HRRP线性结构,而无法准确描述目标,导致识别性能下降的问题,提出了一种基于混合概率PCA的HRRP特征提取方法。该方法利用期望最大值(Expectation maximization, EM)算法求解HRRP的一、二阶统计参数,能够真实反映数据分布,以分布趋同的原则实现不同方位帧的聚类,减少模板数量。最后通过自适应高斯分类器和Kullback-Leibler距离分类器识别获取的统计特征,可进一步改善识别性能。仿真实验验证了该方法能够在降低数据维数的同时,实现HRRP统计特征的提取,能一定程度上削弱方位敏感性的影响。     

基于基本变量集的仿人机器人在线运动规划

仿人机器人在线规划方法对于其走向实际应用具有重要作用.通过对仿人机器人运动规划方法的调研以及实时性需求分析,提出了一种基于基本变量集的仿人机器人在线规划方法.该方法将运动规划问题转化为反映机器人运动状态的基本变量集的规划问题,通过对基本变量的规划和计算,得到基于关节空间的运动状态序列.该基本变量集包含零力矩点、仿人机器人重心(CoG)、髋部中心(CoC)、脚掌位置及相关关键姿态关系,所提方法结合仿人机器人动力学约束和物理约束,给出了关键变量集的规划和计算方法.最后,通过仿真实验,对规划结果的可行性进行了验证,实现了仿人机器人的稳定行走.     

基于多普勒频差的矢量脱靶量参数估计方法

提出了一种基于长基线条件下利用多普勒频差进行矢量脱靶量参数估计的方法。目标多普勒频率是矢量脱靶量参数的非线性函数,对此函数的求解是一个非线性优化过程,对应优化代价函数的估计参数为6维,寻优迭代过程较复杂,且结果受限于优化初值的选取。算法充分利用了目标的连续特性,将此非线性优化过程进行分步伪线性化处理,利用积分多普勒以及距离差定位方法得到参数估计值,并将此估计值作为非线性优化过程的优化初值,快速、准确地得到参数优化估计值。仿真结果表明该方法可以得到高精度的矢量脱靶量估计结果。     

快速仅测角相对导航初始相对轨道确定方法

针对线性化的测量模型和相对运动模型会导致仅测角相对导航星间距离不可观测的问题, 提出一种快速仅测角相对导航初始相对轨道确定(initial relative orbit determination, IROD)方法。首先, 采用相对轨道根数(relative orbit elements, ROE)建立非线性相对运动模型, 该模型可以将星间距离和相对轨道形状进行解耦。然后, 在线性理论获得的共线性解附近系统地改变星间距离大小, 并执行一系列最小二乘拟合, 随后采用二分法或牛顿迭代法快速在全局范围内找到最小拟合残差的最优解。最后, 通过搭建的半物理仿真平台对该方法在4种轨道场景中的性能进行仿真测试, 验证了所提方法的有效性。     

基于蔡氏电路和压缩感知的图像压缩加密方法

针对当前信号采集传输高效性和安全性的实际需求, 提出了基于蔡氏电路和压缩感知的图像压缩加密方法。首先利用SHA-256算法生成原始信号的消息摘要; 其次利用摘要生成蔡氏电路的初始值; 再次利用蔡氏电路生成的混沌模拟信号经过8位量化采集和数字移位差分生成伪随机序列, 从而构建出混沌观测矩阵并对信号进行压缩采样; 最后将压缩后的信号通过生成的伪随机序列进行置乱加密和灰度加密, 生成压缩加密后的信号。实验结果表明, 该方法生成的混沌观测矩阵性能优于传统的随机观测矩阵, 同时能够有效提高信号的传输效率及安全性。