基于救援机器人的人体关节点检测方法

为了使救援机器人在危楼环境下能够精确的检测人体关节点,以代替救援人员进入危险现场。本文提出一种基于救援机器人的人体关节点检测方法。首先,本文通过Kinect相机获取人体关节点检测数据,采用归一化的方法对关节点数据进行平滑预处理。然后对预处理数据加入人体关节长度约束和关节旋转角约束,从而生成每个人体关节点空间位置。最后,采用Tsai方法进行手眼标定,得到机械臂和伤员之间的距离。实验结果表明该方法在危楼救援环境下准确测量伤员关节点位置,验证了所提出检测方法的有效性。     

基于孤岛划分约束的有源配电网故障恢复策略

为提高供电恢复效果,更好地应对当前有源配电网信息-物理耦合程度不断加深的形势,提出了一种考虑信息流、能量流、业务流多流融合以及智能软开关(soft open point,SOP)作用的孤岛划分算法,基于该算法实现供电恢复策略。首先,为保证负荷的可靠恢复,该策略深入研究信息-物理耦合并建模,对节点信息重要度排序,讨论其对负荷恢复的影响;其次,构建了SOP的稳态模型,分析了SOP的工作原理及控制模式;接着,为了更大程度、更加灵活地恢复负荷,考虑SOP的作用,建立考虑光伏时变性及负荷运行特性的有源配电网孤岛划分模型;最后,算例仿真验证所提策略的有效性。     

多策略集成的改进技能优化算法及应用

针对技能优化算法(Skill Optimization Algorithm,SOA)寻优精度不高、收敛速度慢等缺点,本研究提出一种多策略集成的改进技能优化算法(Multi Strategy integrated Skill Optimization Algorithm,MSSOA)。MSSOA采用佳点集策略初始化种群,提高初始种群在解空间内的分布质量;根据算法特点在全局搜索阶段采用自适应权重,改进个体行进的步长;根据不同个体采用不同的t-分布扰动方式,平衡全局搜索和局部搜寻的关系,增强算法后期局部搜寻能力。通过12个测试函数、2个工程应用问题对其性能进行测试,测试结果表明MSSOA有着理想的寻优精度和收敛速度,能够解决复杂的工程问题。     

Banach空间一阶非线性混合型积微分方程正解的存在性

通过构造一个闭凸集合并利用全连续算子的不动点理论,对Banach空间中混合型一阶非线性奇异脉冲积微分方程进行了研究, 获得了正解的存在性结果。     

创业团队风险决策的参照点机制

考虑到创业团队风险决策过程中存在参照点效应,探讨了创业团队风险决策的参照点机制.基于创业团队风险决策参照点机制的特点,综合运用集对分析理论和博弈理论,建立了创业团队风险决策参照点机制的集对博弈模型,并探讨了集对博弈模型求解的三个条件.同时,就集对博弈模型进行实证研究,结果表明:集对博弈模型能充分利用研究问题所包含的不确定性信息,将辩证认识与定量描述有机结合起来,是研究群决策的一种有效方法.     

引战配合可视化仿真命中点参数精确计算

在传统的引战配合仿真中一般采用简化目标模型通过概率密度积分的方法求命中点参数,计算精度和实时性较差,而且无法计算各命中破片的落速、落角、命中部位等具体参数。推导了一种精确计算命中点参数的算法,可以有效克服传统命中点参数计算方法的不足,能够满足引战配合可视化仿真的需要。本算法已成功应用于多种引战系统的可视化仿真软件中。     

利用极小割计算随机流网络可靠度的一种算法

对随机流网络可靠度的计算问题进行了研究.提出了网络元件(边和结点)容量下确界的概念,在求基于每个极小割集的每个元件的容量向量时,对其满足的约束条件进行了改进,使其可行解集合大大减小.同时给出了两个引理,根据这两个引理,使得求基于极小割集的所有d-上界点变得非常简单,从而得到了一个计算随机流网络最大流量不少于给定需求流量d+1的可靠度的有效算法.最后,通过实例验证了该方法的有效性.     

三角模糊数上的完备度量及其在决策中的应用

借助三参数区间数,利用三角模糊数的截集信息定义了三角模糊数之集上一个新的距离.证明了该距离具有完备性.利用这种距离,针对三角模糊数上的多属性决策问题,给出一种基于理想点的决策方法.对属性权重的"归一化"处理使得这种方法具有简单易行的优点,并且克服了属性权重对决策产生双重化影响的问题.最后以实例说明该方法的有效性.     

基于自适应初始搜索点预测的目标跟踪算法

为了得到恰当的初始搜索点以使得目标跟踪算法避开背景干扰并缩短搜索距离,提出了一种自适应初始搜索点预测的算法。该算法通过对坐标变换参数的变化率进行Kalman滤波来更好地预测初始搜索点;更重要的是,该算法有效地在线估计Kalman滤波器中的模型噪声功率,而非先验地对它们的取值做出假设,因而能够在没有任何人工干预的情况下动态地根据不同的目标运动状况和搜索精度进行实时调整。大量实景视频流上的实验结果均证实了该算法显著提高了跟踪稳定性,并且大幅降低了计算量。     

SIFT特征匹配算法改进研究

为了适应于景象匹配导航及制导等实时性要求较高的领域,对SIFT特征匹配算法进行改进,提出了基于D^2OG特征点检测算子的改进的SIFT特征匹配算法。改进算法用D^2OG金字塔的过零点检测代替DOG金字塔的极值点检测提取尺度不变特征点,巧妙简化高斯金字塔的结构,降低了算法复杂度和时间代价。以标准测试图库中大量不同几何和灰度畸变图像为基础的仿真实验表明,基于D^2OG特征点检测算子的改进的SIFT特征匹配算法在保持原算法鲁棒性和精度的前提下,较大的提高了算法实时性。

Abstract：

An improved Scale Invariant Feature Transform algorithm was proposed based on D^2OG interest point detector for better real time performance in the application of scene matching navigation and so on. In order to detect the scale invariant interest point, a D^2OG pyramid is built and extreme detection in the DOG pyramid was replaced by zero detection in the D^2OG pyramid, which simplified the structure of DOG pyramid, so as to lower the complexity of algorithm, lessen the running time. Numerous experiments were carried out on standard testing images under various shooting conditions such as geometric distortion, illumination variation and so on. The result shows that the method has a big progress in the real time performance compared to the original one, with equally robustness and precision.