遗传神经网络法及其在机器人误差补偿中的应用

针对某打磨机器人的位姿误差分析,提出一种采用二进制和实数值混合编码的遗传BP网络法,同时优化网络结构和权值矢量;网络结构采用二进制编码保留了粒度编码方法的优点,对连接权值系数的实数编码进行Solis&Wets运算使新的遗传算法具有进化规划和进化策略的优点;结合遗传算子和Solis&Wets算子生成后代的方法以及最佳个体保留策略使得遗传搜索空间的群体多样性更好,加快了遗传算法的收敛速度;采用动态参数编码方法替代Vittorio粒度编码方法,既提高了连接权系数的优化精度,又避免了Vittorio粒度变化所引起的适应度的剧烈不连续变化.仿真和实验结果均表明该算法能有效克服遗传算法的非成熟收敛,提高机...     

复合顺序形态变换在红外图像边缘检测中的应用

针对红外图像对比度低、边缘模糊、噪声大、空间相关性强的特点,提出了一种基于复合顺序形态变换的红外图像边缘检测方法·通过图像的局部均值和方差自适应的调节增强系数进行图像增强;采用形态学边缘锐化算法改善边缘清晰度·根据复合顺序形态变换相关概念及性质构造3种广义形态学边缘检测算子,可有效抑制红外图像中的噪声,提取目标边缘·实验结果表明,这种算法可以有效地克服红外图像的缺陷,保持图像边缘细节,优于传统边缘检测器·     

一种非接触式实时视线追踪系统的设计

为方便残疾人和老年人使用计算机进行信息交互,设计了一种非接触式低成本视线追踪系统.系统设计了一种双环形红外光源,通过交替照射用户脸部,用单CCD摄像机得到"亮瞳"和"暗瞳"的相邻两帧图像.将这两帧图像做差得到瞳孔的位置,使用椭圆拟合方式求得瞳孔中心,加之在"暗瞳"图像上得到的普洱钦斑中心,从而确定了局部视线的盯视方向.基于人类视线移动的特点,提出了使用神经网络和卡尔曼滤波相结合的方法进行瞳孔跟踪,最后给出了视线映射模型和校准方式.     

激光加工机器人标定的神经网络法

在分析原有机器人误差标定方法的基础上,给出了两种误差标定的神经网络法,并对激光加工机器人进行了精确标定。第一种方法通过前馈神经网络与机器人理想运动学模型结合,可把机器人位姿误差降低到初始值的1/5左右;第二种方法把前馈神经网络与标定好的实际运动学模型结合,进行神经网络-参数法混合位姿标定,并与参数法标定结果进行了对比。仿真结果表明后一种方法可以进一步提高机器人的位姿精度,且可以对参数模型中没有涉及到的因素进行补偿,方法简单且标定效果更好。     

基于模糊推理和柔性形态滤波的图像增强方法

根据柔性形态学的相关概念和性质,提出了一种基于模糊推理和柔性形态滤波的图像增强方法.该方法首先定义了方向性结构元素,在结构元素内引入模糊推理方法判别图像边缘方向,进而构造方向性柔性形态学滤波器对图像边缘进行滤噪增强,并根据局部均值和熵差自适应确定增强系数.实验结果表明该方法可以有效滤除噪声,增强图像边缘.     

一种优化的二维视线映射模型

提出一种基于主动红外光源的优化二维视线映射模型.在头部静止情况下检测相关的视线特征参数,并进行瞳距补偿.利用非线性多项式建立从平面视线参数到视线落点的映射模型.最后采用支持向量机对不同头部位置造成的视线偏差进行补偿,使非线性映射函数扩展到任何头部位置,从而在头部运动情况下进行精确的视线估计.实验结果显示了文中方法的有效性.