压气机叶片的磨削路径生成算法

针对当前航空发动机压气机叶片的打磨过程繁琐且路径生成算法普遍未适配压气机叶片的几何形貌和加工姿态等问题,提出一种基于压气机叶片的点云数据并自适应压气机叶片的加工姿态和形貌的磨削路径生成算法。以面结构光扫描获取叶片的3维点云信息,对叶片点云进行位姿矫正并在叶片待加工区域创建一系列间距适宜且相互平行的切平面进行切片处理,获取切片数据后计算切平面与叶片点云的交点,拟合所有切片所得交点并计算磨削抛光路径的路径点及刀具姿态。结果表明:通过计算对不同姿态下不同压气机叶片的路径信息进行了仿真,验证了所提出的算法具有自适应压气机叶片加工姿态和形貌的特性,避开了传统逆向工程中的曲面重构误差,证明了算法的可行性与有效性,可进一步应用于后续实际磨削抛光加工作业。

基于多层次特征融合的Transformer人脸识别方法

卷积神经网络中的卷积操作只能捕获局部信息,而Transformer能保留更多的空间信息且能建立图像的长距离连接.在视觉领域的应用中,Transformer缺乏灵活的图像尺寸及特征尺度适应能力,通过利用层级式网络增强不同尺度建模的灵活性,且引入多尺度特征融合模块丰富特征信息.本文提出了一种基于改进的Swin Transformer人脸模型——Swin Face模型.Swin Face以Swin Transformer为骨干网络,引入多层次特征融合模块,增强了模型对人脸的特征表达能力,并使用联合损失函数优化策略设计人脸识别分类器,实现人脸识别.实验结果表明,与多种人脸识别方法相比,Swin Face模型通过使用分级特征融合网络,在LFW、CALFW、AgeDB-30、CFP数据集上均取得最优的效果,验证了此模型具有良好的泛化性和鲁棒性.

视觉图神经网络的人脸识别方法

目前,大部分人脸识别方法依赖CNN,通过级联融合局部特征实现特征提取,却忽视全局语义空间信息且训练代价巨大。基于Transformer的方法相较于CNN,参数更少且能有效表征全局特征信息,但对全局各特征区域相对空间依赖关系表征不足。针对以上问题,提出了一种视觉图神经网络的人脸识别方法,引入GCN作为特征提取网络,捕获邻近特征关系并建立全局特征区域的依赖性;结合ECA模块,提高模型对人脸特征感知能力。此外,基于Triplet Loss与Center Loss,构建联合损失函数作为目标函数,约束类内特征,提高模型泛化能力。本方法在LFW、CFP和AgeDB⁃30基准测试集上取得较好的效果,且模型参数量与计算复杂度更少。

基于EACN模型的高精度测温误差修正算法

针对红外热像仪测温精度不足以及速度较慢的问题,提出了一种融合通道注意力机制的温度修正模型EACN(Efficient Attention Compression Networks Module)。该模型首先通过1×1卷积实现特征降维压缩,以此减少模型参数。其次引入通道注意力机制ECA,在特征映射模块阶段增强通道间特征显著性表达,以此弥补降维压缩所损失的特征信息,且进一步提高模型特征表征能力。最后,通过跳跃连接,在特征重建阶段结合浅层特征信息与语义空间信息,从而提高温度修正精度。本实验采用两种数据策略在自建数据集上进行实验。实验结果表明,与SRCNN和VDSR模型相比,EACN模型无论在修正精度方面,还是速度方面表现均最优。

基于双尺度时间特征的步态识别方法

当前,多数步态识别方法关注于步态序列单一时间尺度建模,忽略了不同时间尺度的信息交互。基于此,提出了一种双尺度时间特征表示网络。该方法聚合两个时间尺度特征来获取步态的运动表示,并将两个时间尺度上特征进行融合,实现信息交互。通过多视角识别实验验证,该方法在数据集CASIA-B上的性能超越了主流的步态识别方法,在NM、BG和CL条件下Rank-1准确率分别达到97.8%、93.1%以及80.6%。

基于联动空间拓扑关系的步态识别研究

目前,大多数基于骨骼的步态识别方法通过改善时空关系表征来提高步态识别的准确率,但却忽略了人体物理结构节点之间的联动性。基于上述问题,探究步态识别的空间拓扑联动关系。提出一种基于局部分区的新策略方法,划分人体非结构化区域并构建区域之间的邻接关系表示人体姿态的相对变化。其次,设计多尺度时间模块以时间为轴关联局部分区的节点变化提取多尺度时间特征。通过实验验证,该方法在步态数据集CASIA-B上超越了主流的步态识别方法,在不同行走条件下Rank-1准确率分别达到87.6%、77.6%以及72.8%。

LSFP下的机器人视觉定位技术研究

针对当前点云的定位算法中,多平面分割效果差、误匹配以及定位精度不够高等问题,提出LSFP的定位思想和C-S分割算法,对目标物体进行定位。在深度相机场景下,利用点云处理算法初步获取目标的位姿,经手眼标定后,进行初步引导;再使用3D扫描仪进一步定位目标物体。结果表明:(1)C-S分割算法对多平面分割效果良好,能更准确地去除多余平面,减少点云数量。(2)在垂直于Z轴且Z轴坐标值为171 mm和-10 mm的平面上,仅PrimeSense的定位距离的均方根误差为7.3 mm和8.2 mm,LSFP下的定位距离的均方根误差为2.6 mm和3.2 mm。(3)LSFP定位思想能扩大场景定位的范围,提高物体的定位精度,具有良好的准确性。

飞机蒙皮激光除漆的路径规划算法

针对传统路径规划算法不适应复杂曲率变化及实现复杂等问题,提出一种可适用于飞机蒙皮表面加工的路径规划算法,通过3D扫描仪测量获取飞机蒙皮的三维点云数据,设置多个平面截取点云数据,采用对三次样条曲线拟合与多项式曲线拟合结合改进的曲线拟合算法,获取路径点坐标及姿态信息,进而完成蒙皮除漆的路径规划。实验结果表明,所提算法拟合的路径与点云偏离的标准偏差值为0.027 mm,相较于单独的三次样条曲线拟合与多项式曲线拟合,其误差最小,且可规避非加工区域,算法具有可行性及有效性,可应用于后续除漆任务。