基于Kinect的机器人臂手系统的目标抓取

为了实现机器人臂手系统的目标抓取, 采用Kinect对目标信息进行实时检测. 首先,采用张正友棋盘标定法完成对Kinect内外参数的标定. 其次, 利用深度信息进行深度分割, 滤除大部分干扰背景, 再通过颜色与形状特征实现目标的识别与定位. 将识别对象的3维坐标通过以太网发送至机械臂控制台, 随后机械臂移动至目标位置. 最后采用变积分PID算法控制灵巧手接触力, 保证响应的快速性及精密性, 实现灵巧手的精细抓取. 通过设计一套完整的实验系统验证了该方法的有效性.     

交叉平面电阻抗成像模型分析

该研究针对传统平面电极阵列电阻抗成像系统问题,构建了一个交叉平面电极阵列的电阻抗断层成像系统。此系统由65个电极组成4个水平和8个轴向相交叉的成像空间。仿真及水槽实验采用了Tikhonov正则化算法,重建结果与原物体的比较表明,该成像方式在空间中能够提供更高的分辨率和定位精度。此外,这种方法能有效地减少计算量,在临床检查和监护上显示出很大的应用前景。     

改进Softmax分类器的深度卷积神经网络及其在人脸识别中的应用

提出了一种有效的特征学习方法,构建了9层结构的卷积神经网络,利用Softmax回归算法进行人脸分类识别.卷积神经网络在输出层利用改进的Softmax进行分类,在隐藏层采用修正线性单元作为激活函数,并在网络中加入局部响应归一化处理,有效避免了梯度消失问题.利用大量人脸图像数据对网络进行预训练,得到较好的网络初始权重.在针对YALE,FERET,LFW-A等人脸数据库进行人脸识别实验中,与现有的几种人脸识别方法 SDAEs,RRC,MPCRC,CRC,SRC等进行对比表明,该方法在各人脸数据库的识别中均得到较高的识别率.     

基于优化 ROI 的医学图像分割与压缩方法研究

为了满足无线医疗应用对于图像传输的需求,提出一种有效的医学图像分割方法.该方法使用多点区域生长法分割图像各区域,从图像边界开始遍历搜索多个种子点,结合梯度变化值、全局阈值和局部阈值来提取感兴趣区域(region of interest,ROI)并滤除背景区域.区域预处理阶段,进一步对区域掩模平滑去噪,并给出手动分割的方法.根据预定义的优先级顺序,分别对ROI和非感兴趣区域(region of not interest,RONI)进行JPEG2000近无损压缩和有损压缩,并依次进行传输.重构后图像ROI区域峰值信噪比(peak signal to noise ratio,PSNR)能够达到45 dB,图像整体压缩率约在2.8-6.5.算法优化了区域轮廓的检测,增强了对图像噪声的抑制,较好地满足了医学图像的高压缩率和图像质量之间的矛盾,能够很好地应用于无线医疗领域.     

基于转发节点的无线体域网动态信道研究

无线体域网(wireless body area network,WBAN)的信道特性对于传输速率、传输质量以及连接鲁棒性有很大影响.当前的研究主要是假设人体处于理想状态(静止状态)时的信道特性,这与实际情况中的动态信道不相符合,理想状态下的信道特性也不能反映人体真实的信道特性.为了使WBAN的研究能够更好地应用于实践,建立了步行和跑步两态三维成年男性的人体动态模型,在人体不同部位部署传感器节点模拟无线信道,并在适当部位引入转发节点,在2.4 GHz时计算对比不加转发节点和加入转发节点对动态信道特性的影响.仿真结果显示,人体姿势变化对无线信道特性有很大影响,姿势变化幅度越大对信道特性的影响越大;基于转发节点的信道路径损耗要小于未进行转发的信道路径损耗,合理部署转发节点的位置能极大改善人体处于动态环境下的信道特性,提高通信可靠性.     

蒸气压缩式制冷机性能测试虚拟实验台的建立

根据蒸气压缩式制冷机性能实验台的原理、结构，编程仿真，利用软件对其进行模拟。从而使学生在电脑上就可以进行实验，提高了开放实验的效果。     

生物电阻抗复合检测及成像系统设计

根据临床应用中对疾病快速检测及定位的需求,提出了磁感应结合电阻抗的复合检测方式,利用磁感应方式无须直接接触,测量效率高.而采用加密和交叉测量的电阻抗测量方式,检测深度大,定位准确.实现了便携的一体化硬件设计,稳定的双恒流源激励,可加密的复合检测方式,交叉平面数据获取,三维图像重构成像等,通过复合电阻抗成像物理模型分析两种方式相结合后场域内电导率、分辨率、相对位置误差等,结合灵敏度关系分析该方式的特点,形成了包括精准前端采集、高效图像处理、适用范围广的软硬件系统,能够获得微弱的生理信号采集,满足床旁实时动态监测,快速医疗诊断,以及社区医疗初步筛查等需求.     

三维电阻抗成像中混合正则化算法

为解决三维电阻抗成像(electrical impedance tomography,EIT)逆问题的病态性和改善重建图像质量,在对比研究Tikhonov正则化和一步牛顿法(Newton’s one-step error reconstructor,NOSER)的基础上,提出基于这2种算法的混合正则化算法。采用归一化均方距离判据和归一化平均绝对距离判据,为判断重构图像和原始图像的差异提供一种量化的客观标准。仿真计算和物理模型实验结果表明：混合正则化算法与Tikhonov正则化、NOSER正则化相比,不仅降低了雅克比矩阵的条件数,使逆问题由病态转为良态,还提高了目标物体的空间分辨率,有效改善了图像质量。该混合正则化算法对三维EIT的图像重构是有效的、可靠的。