光学运动捕捉散乱数据处理的一种方法

阐述了一种适用于被动式光学人体运动捕捉散乱数据处理的方法,该方法基于模版匹配的原理,根据人体标示的特征点的局部相对刚性结构以及整体拓扑结构关系,利用刚性结构匹配、运动轨迹追踪、拓扑结构校验实现散乱数据的处理,从而得到人体运动参数及骨架拓扑结构。该方法解决了追踪算法在特征点重合时的追踪出错问题,处理方法经优化后数据处理过程能够满足运动捕捉的实时性要求,具备错误自动检测和纠正能力,处理过程无须人工干涉。     

风沙流中跃移沙粒轨迹参数分析

应用高速频闪摄影技术和理论分析相互印证的方法 ,揭示了沙粒起跃角 (α)与降落角( β)、跃移长度和最大跃高之比 (L/H)与α、沙粒运动方向和地面夹角 (θ)与时间 (t)之间均为非线性关系 .只有当沙粒粒径较大和垂直初速度较小时 ,可近似地将α与β看做线性关系 ;当Uz1<1m/s时 ,L/H≈ 4Ctgα ;当α <2 5°时 ,θ与t近似为线性关系     

一类径向基神经网络干扰观测器轨迹线性化控制

利用径向基神经网络(RBFNN)的逼近能力,研究了基于径向基神经网络干扰观测器(RDO)的鲁棒自适应轨迹线性化控制(TLC)策略,以解决空天飞行器复杂飞行条件下系统不确定及干扰的控制问题。分析了系统存在不确定性时轨迹线性化控制方法性能降低甚至失效的原因,设计了自适应调节律,并采用Lyapunov方法严格证明了在该自适应调节律作用下闭环系统所有误差信号最终有界。仿真结果表明,较当前TLC方法的控制性能,新方案在空天飞行器系统上具有更优异的控制性能和鲁棒性。     

改进多目标PSO算法优化机器人轨迹跟踪模糊PID控制器

为进一步提高模糊PID控制器应用于关节机器人轨迹跟踪控制的效果,本文提出了一种改进的多目标粒子群(PSO)算法优化机器人轨迹跟踪模糊PID控制器的方法.首先,设计了一种关节机器人轨迹跟踪模糊PID控制器;其次,考虑控制器输出力矩和轨迹跟踪控制偏差2个优化目标,设计了改进多目标PSO算法实现模糊PID控制器隶属函数与模糊...     

基于电子收费数据的车辆轨迹匹配

为充分利用电子收费(electronic toll collection, ETC)门架采集的数据对高速公路运营管理提供支撑,实现车辆轨迹地图匹配,结合图论理论,基于车辆ETC门架数据设计Floyd算法还原车辆行驶路径。首先,对路径匹配系统需求进行分析,介绍ETC联网收费系统的组成和功能,讨论ETC门架系统的组成、布局以及工作流程。其次,分析车辆行驶ETC门架数据,提取与研究相关的字段信息并进行数据预处理,从而将门架信息匹配到了实际路网地图上。再次,设计车辆路径匹配的算法,在路径信息不完整的情况下,根据Floyd算法得出最短路径矩阵,使用MATLAB运行程序,得到拟合的车辆行驶全程路径。最后,开展多场景下的基于ETC数据的车辆轨迹匹配案例验证。分别按照车辆经过的门架信息数据完整、经过门架信息数据在高速公路互通处缺失、不在互通处缺失、数据大量缺失4种类型的场景下,使用算法得到车辆行驶的完整路径,完成了多场景下车辆轨迹的地图匹配,从而实现后续的车辆完整路径下的计费。     

基于无模型自适应控制算法的机械臂轨迹跟踪控制

机械臂控制研究领域目前研究的热点分为目标点的位置控制和运动轨迹跟踪两方面.目标位置点的控制重点在于对末端执行器的位置点位的控制,对中间各个轴的运动过程并不关心;轨迹控制的重点在于通过各个轴的力矩控制来使其运行过程更加连续,更好地实现工作要求.针对机械手控制过程中总是存在不确定的情况,利用基于紧格式无模型自适应控制算法分...     

基于多特征融合的停车场行人异常行为识别

视频异常行为检测对保障公共安全至关重要。针对停车场视频监控中行人异常行为识别准确率低的问题,提出一种基于轨迹-骨架多特征融合的异常目标识别方法。首先根据停车场的环境要求定义异常行为类型;然后对停车场区域进行行人识别,对行人进行图像跟踪,得到其运动轨迹,并对人体姿态进行分析,计算相应关节点的图像坐标;最后融合轨迹特征和骨架特征,对正常行为和异常行为进行分类,实现对目标异常行为的识别。在行为分析数据库上的试验结果表明,本算法的准确率达到87.08%,与单一特征识别方法相比,提高了异常行为的检测效率。本方法能够有效地识别停车场行人的异常行为,在实际工程中具有参考价值。     

基于干扰观测器的非奇异快速终端滑模控制方法

针对多关节机械臂难以实现对目标轨迹的高精度跟踪控制的问题,提出了一种基于非线性干扰观测器的非奇异快速终端滑模控制方法.首先,结合了传统的快速终端滑模控制和非奇异终端滑模控制,不仅可以使跟踪误差在有限时间快速收敛至零且对机械臂建模误差和外界干扰具有强鲁棒性.其次,针对控制输入抖振严重的问题,通过引入非线性干扰观测器技术和...     

基于LSTM的四旋翼无人机轨迹预测方法

实时、准确、高效的轨迹预测是对四旋翼无人机进行有效管控的重要前提.基于深度学习理论,提出一种基于长短期记忆神经网络(LSTM)的四旋翼轨迹预测方法.在LSTM基础上,使学习速率自动调整,基于四旋翼无人机位置坐标与速度参量,对轨迹数据进行训练与预测,其经度、纬度、高度误差分别为6.04、6.45、2.33 m.分析历史时间步长对于预测精度的影响,结果表明历史学习步长为40～45时,LSTM预测结果最佳;比较不同预测步数的预测误差,结果表明一步预测、两步预测误差结果较好,三步预测误差显著增大.     

无人驾驶汽车离散优化的轨迹规划算法

针对双向两车道无人车行驶场景,基于离散优化的方法,提出一种新的轨迹解耦规划算法.该算法将带有时间戳的三维轨迹规划问题解耦成分别对路径和速度规划,速度规划时引入ST图,用以描述无人车与障碍物之间的运动关系.通过分层采样的方法构建路径Lattice图搜索初始路径,并基于多目标A?搜索算法在ST图中规划出初始速度剖面,减少算...