非线性转子系统碰摩现象的仿真研究

针对一个简单的具有质量偏心的JeffcotI转子系统，建立了该系统发生碰摩时的数学模型，并利用非线性振动谐波平衡法的基本原理，对该数学模型进行了近似周期解的求解，在此基础上。利用一种面向对象的仿真软件Dymola，对碰摩现象进行了仿真；通过对轴心轨迹以及频谱的分析，揭示了碰摩引起的倍频、分频现象，并研究了转子转速及质量偏心距这两个影响碰摩的因素。     

高温钢坯三维尺寸在线测量的研究

首次提出用一台面阵ＣＣＤ摄像机测量运动高温钢坯的三维尺寸，建立了测量系统的数学模型，分析了系统误差与结构参数之关系，求出俯视角θ的最佳值范围。     

嵌入式足球机器人视觉系统的硬件设计

为实现足球机器人设计不受Pc机或PCI04软硬件限制的视觉系统，实现FIRA(国际足球机器人联合会)比赛系统的视觉功能。综合运用了FPGA、FIFO和DSP等实现足球机器人的硬件，利用VHDL语言和汇编语言实现软件编制。足球机器人视觉系统包括CCD摄像头、sAA7113、AIA22B、EPM7128及TMS320VC5402，该系统不涉及软硬件版权问题，而体积只有PCI04系统的五分之一。实验表明系统很好实现了FIRA的ROBOSOT(自主式足球机器人)视觉系统的功能。     

基于计算机视觉的驾驶员疲劳状态检测实验台架设计

得益于视觉识别技术的快速发展,公共交通安全技术领域也快速发展。该研究根据目前在主动安全方面的人脸识别技术、驾驶员状态监测,结合车辆智能网联技术,设计了可用于智能网联课程中的实验台架。台架设计主要采用图像处理开源库实现对驾驶员面部的特征定位与追踪,进行实时比对,计算眨眼频率、闭眼次数、眼睑闭合时长以及打哈欠频率等反映驾驶员疲劳状态的指标。使用数学方法进行指标统计和计算,根据所得的数值对驾驶员疲劳状态进行分级,最终将生成的结果反馈在实验台架上。     

知识驱动的SSVEP刺激界面序贯式实验方案优化

为解决传统实验设计方法中稳态视觉诱发电位(SSVEP)刺激界面优化设计时存在实验次数多、成本高、周期长的问题,提出一种知识驱动的SSVEP刺激界面序贯式实验方案优化方法.以SSVEP刺激界面参数为设计变量,SSVEP响应性能作为优化目标.利用概率模型表征刺激界面参数的先验知识,通过概率积分变换翘曲实验样本空间,缩小最优...     

基于视觉注意力融合的表面微小缺陷检测

在生产过程中手机等智能设备的屏幕表面可能出现的微小缺陷与灰尘等脏污很相似,传统检测方法易将脏污误检为缺陷。为了提高产品表面微小缺陷的识别准确率,本文提出一种基于视觉注意力融合的检测方法。首先利用金字塔下采样初步识别出潜在目标,以减少图像数据量及提高计算效率,然后将角点检测、伽马变换和Otsu阈值分割等传统检测方法与3种显著性提取方法(布尔图显著性模型BMS、谱残差模型SR和频率调谐模型FT)相结合,建立了融合检测模型。实验结果表明,所提出的融合模型能够较为准确地区分出缺陷与脏污,F₁值可达到0.73,与其他几种显著性检测方法相比,本文方法在对脏污的识别上具有明显优势。     

基于机器视觉技术的体育网球错误技术动作识别研究

为了提升体育网球错误技暦动作识别能力,提出了基于机器视觉技暦的体育网球错误技暦动作识别方法.根据人体五大部分的划分结果,建立了人体的躯干、左臂、右臂、左腿、右腿在三维空间坐标内的肢体向量,依据人体五部分骨骼关节之间的距离,提取体育网球错误技暦动作特征,利用机器视觉技暦跟踪网球运动目标,获取网球运动员的活动区域,结合体育...     

基于ESP32及MQTT协议的视觉追踪机器人设计

设计了基于高性能控制器ESP32和MQTT协议的视觉追踪机器人,由AI摄像头获取被追踪物体的表面特征及位置坐标,经控制器分析处理后输出控制指令,指导机器人作出响应和决策.在需要网络控制的特定场合,可通过ESP32的板载WiFi模块及物联网技术对机器人进行远程控制.实验结果表明,该机器人响应灵敏,控制精度高,能够准确、快...     

基于DSP的自动驾驶系统硬件体系的设计与算法研究

提出了一种以DSP为主要运算设备的汽车自动驾驶智能控制系统,并对硬件体系和图像分析算法进行了研究.对汽车自动驾驶系统的硬件结构进行了设计,采用车载PC和DSP—PCI卡的形式进行构建,并在该硬件结构基础上完成了算法的设计.对传感器采集到的数字图像信号进行灰度化、去噪、二值化、边界提取等处理后得到符合判断算法条件的图像.应用模式识别技术与GPS技术的结合,对图像中的车道、道路上的障碍、其他车辆、交通指示标志等物体进行识别和判断,并对下一步动作作出正确判断.对于前后方车辆和障碍物等采用激光雷达进行测距.     

基于视觉注意力和深度随机配置网络的高速公路团雾认知

团雾生成区域的气象环境较为复杂,对团雾的检测效率和精度有较大影响。针对这一问题,探索了一种基于视觉注意力和深度随机配置网络的高速公路团雾系统模型。首先,采用图像通道转换和高斯模糊滤波对输入图像预处理,构建归一化高质量的高速路面样本图像集合。其次,基于视觉注意力机制的构建团雾图像深度特征空间,以多层次差异化表征团雾气象特征信息。最后,基于深度随机网络构造团雾等级分类器,以获取快速高准确率分类模型。为验证方法的有效性,使用行车记录仪高速行驶图像样本构建训练及测试样本空间,并将此方法与其他模型方法进行对比实验。实验结果表明,此方法在模型认知精度和计算速度综合评价方面具有较大优势,能够有效适用于高速行驶过程的团雾气象预测预警。