【摘 要】
：
研究了根据点、线混合特征进行单目视觉定位问题,在给定物体坐标系中共面的两个特征点和一条特征直线的条件下,根据它们在像平面上的对应计算相机与物体之间的位姿参数。根据三个特征之间的几何位置关系,分两种情况给出问题求解的具体过程,最终将问题转换成求解一个二次方程问题,真实的工件定位实验验证了方法的有效性。该结果为应用单目视觉进行工件定位提供了一种新方法。
【机 构】
：
中国科学院沈阳自动化研究所,沈阳理工大学信息科学与工程学院,中国科学院研究生院,中国科学院光电信息处理重点实验室
【基金项目】
：
国家自然科学基金资助项目（51005229）
论文部分内容阅读
研究了根据点、线混合特征进行单目视觉定位问题,在给定物体坐标系中共面的两个特征点和一条特征直线的条件下,根据它们在像平面上的对应计算相机与物体之间的位姿参数。根据三个特征之间的几何位置关系,分两种情况给出问题求解的具体过程,最终将问题转换成求解一个二次方程问题,真实的工件定位实验验证了方法的有效性。该结果为应用单目视觉进行工件定位提供了一种新方法。
其他文献
为降低用户寻找旅游资源时的负担,更好地处理用户的需求和偏好,从用户角度出发,提出了一种基于本体的二次推荐方法。该方法引入本体来描述旅游资源,实现了用户的直接需求及偏好兴趣信息与推荐中过滤条件的关联,用户可对推荐结果进行评价。理论分析和实验表明,该方法可行,推荐结果能够覆盖绝大部分用户的选择,具有较好的效果。
为了对MFJSSP进行优化,给出了改进的基于蚁群算法的MFJSSP解决方法。改进后的算法根据工件数量确定子集数量。给出了可选工作集的构建方法及在寻优过程中的邻域搜索策略,并对蚁群算法的参数选择问题进行了讨论。完成了MFJSSP中蚁群算法的改进,并将改进后的蚁群算法应用于解决4×5和8×8问题,取得了较理想的结果。实验结果证明所提出的算法在解决MFJSSP上是一种可行、有效的解决方法。
为了提高QChat业务质量,提出了基于用户感知的QChat业务质量评价方法。该方法通过对QChat业务呼叫过程的分析,构建了在用户感知体系下的QChat业务质量评价指标体系,然后将基于层次分析的模糊综合评价法应用于该评价指标体系。通过对样本数据进行评价,结果表明该方法能够反映业务质量等级,并能给出指标在不同评价等级上的隶属度。
为了提高HLA(high level architecture,高层体系结构)仿真联邦的时间管理性能,研究了时间管理性能的影响因素。首先,提出了着色交互Petri网,建立了HLA的时间管理模型,并在该模型的基础上应用Stateflow建立了HLA时间管理性能测试平台;然后,应用该测试平台研究HLA步进联邦中计算负载、前瞻量、步长等几个主要因素对时间管理性能的影响,获得了提高HLA步进联邦时间管理性
在支持向量机(support vector machines,SVM)中,如何衡量SVM的分类能力,最小化风险泛函是一个重要的指标。根据支持向量机小样本特点,给出了支持向量机分类能力的一个量化标准:最优超平面的可靠度β。详细讨论了β的下界和置信区间,并给出了在实际应用中,如何根据样本数据估计β的下界和置信区间。实验也证明了β的下界估计和置信区间的合理性、有效性。
在图像边缘检测过程中,针对滤除噪声及有效保留图像边缘信息这对矛盾点进行了研究,给出一种基于多尺度轮廓结构元素的多形状边缘检测算法。该算法通过多次使用轮廓结构元素的开最大和闭最小运算操作滤除噪声,运算次数通过比较图像峰值信噪比确定,降低结构元素对边缘信息的影响;然后采用多形状多尺度结构元素提取图像边缘,并利用图像峰值信噪比控制结构元素尺度的选取。与经典边缘检测算法相比,该算法具有更强的去噪声能力,且
介绍了蚁群优化算法利用粗搜索及精搜索过程获得多维有约束函数优化的基本思想,分析了影响蚁群优化多维有约束函数问题的关键参数,给出了获得较好的蚁群函数优化性能在优化过程中动态地自适应地调整蚁群优化算法的关键参数及α、β和ρ的指导性结论,且调整规则是α与β的值由大到小地调整,而ρ的值将由小到大地调整。建立了α、β及ρ的模糊动态调整器,给出了三个模糊控制器的参数调整过程、控制器的执行策略及控制过程。采用起
针对红外图像的自动调焦问题,提出了基于灰度分割的图像清晰度评价函数,对比传统的图像清晰度评价算法,新算法满足无偏性和单峰性,并且具有更高的灵敏度和较快的计算速度。
自适应细分已经被广泛应用于曲面细分领域以减少不需要的细分次数和细分面数。但是目前自适应细分都存在不同细分层次之间的裂缝拟合问题,造成了不同细分层次之间的曲面无法光滑连接,对此提出一种基于中分面的约束应细分方法。该方法的主要思想是通过对深度较高区域的1邻域三角形平分,根据产生裂缝的个数,将插入点与其1邻域的网格相连,从而降低高细分区域与低细分区域的深度差,达到不同细分程度光滑过度的细分效果。
针对Apriori算法扫描数据库的I/O代价和候选项集数目较多等问题,提出一种基于矩阵的强关联规则生成算法。该算法通过将事务数据库转换为0-1矩阵后对项集按照支持度计数非递减顺序排列,从而减少了候选项集的产生,同时实现置信度的高效计算。通过对实例和大数据量数据库的分析表明,该方法是有效的。