基于计算机视觉和DNN的运动姿态检测算法

针对传统人体运动姿态检测算法存在鲁棒性较差及准确率偏低的问题,文中基于改进的深度图卷积网络提出了一种运动姿态检测算法。该算法将图卷积网络的时域和空间域模型相结合,提升了模型的感受野,并从时、空两个维度提取人体特征点的数据,再利用残差网络将时域和空间域卷积相连接,进而改善了模型拟合能力较差的不足。同时,对于模型因卷积核固定而导致无法适应多种类数据的缺陷,使用多头注意力机制来增强其自适应能力。在实验测试中,所提出的模型改进项相较原算法性能有一定提升,且与最优算法相比,该模型的误差指标降低了1.14 mm,准确率则提升了1.3%,证明了所提方法的有效性及优越性。

人体姿态检测系统的开发及智能服装的设计

针对人体久坐易影响心脏等器官、跌倒救助不及时容易危及生命等姿态异常带来的健康安全问题,采用单片机STM32F103C8T6和六轴运动处理传感器MPU6050等模块设计了一款能够进行姿态检测的智能服装,通过卡尔曼滤波对MPU6050采集的数据进行处理,采用合加速度、角度的阈值处理方法判断用户的身体姿态,为了提高姿态检测的准确性,同时采集用户手机内置的加速度、角速度传感器检测的数据进行辅助判断。实验结果表明,结合手机传感器的数据后,该智能服装对久坐和跑步的姿态识别准确率达到了99.3%和96.7%;对跌倒和下蹲的识别准确率为98%和95.3%,对姿态的识别具有很高的准确性,且健康提醒和安全报警及时,能够有效保障穿戴者的身体健康。

煤矿综采工作面液压支架位置与姿态检测技术研究

煤矿综采工作面智能协同技术亟须解决基于复杂井下条件的采煤机精准定位和自适应作业、刮板输送机自动调直、液压支架自动跟机等系统协同控制问题,其中,液压支架位置与姿态检测技术是实现智能协同的关键技术之一。提出了1种基于多维传感的液压支架姿态检测方案,其可以采用基准光电跟踪器、局部光电跟踪器、双轴水平仪等设备获取绝对坐标系下液压支架的绝对位置和姿态,为更加精准地实现综采工作面地理信息系统及液压支架的纠偏、调直、控制等奠定了基础。该方案已在综采工作面开展试运行,运行结果显示,其有效实现了综采工作面液压支架绝对位置的精准检测,而且综采工作面系统的协同精度和效率均得到了显著提升。

多功能姿态检测预警设备的设计

当需要关注的社会群体(如老人、司机等)发生意外时,及时告知相关人员并获得救助显得尤为重要。针对此类情况,研发了一款多功能姿态检测预警设备。该设备可实现人体异常姿态检测、语音识别、语音通话、实时定位和轨迹显示等功能。为进一步提升性能,系统通过改进语音硬件电路,在减少噪声干扰的情况下提升了通话质量;在人体姿态传感器算法改进方面,通过对原始数据进行互补滤波和平滑处理,提高了检测精度。多次仿真实验证明,该设备功能齐全,通话质量好,检测精度高,实用性强。

基于国产化平台的三轴姿态检测系统设计

目前缺芯、版权、系统禁令等问题加剧,为保障高校工科实践教学的可持续性,以大学生创新实验项目为例,设计一种基于国产化平台的三轴姿态检测系统。该系统由硬件检测装置和软件系统组成。硬件检测装置通过国产微处理器检测传感器三轴姿态信息,并将检测结果发送至软件系统,完成三轴姿态信息的解析与数据可视化。实验结果表明:相比国外平台,基于国产化软、硬件平台设计的三维姿态检测系统虽然在曲线渲染任务中,内存占用略高5.5%,但基本满足实验设计过程要求。该系统设计不仅有助于锻炼学生自主创新、思考和动手能力,也在其他专业的课程实验、实践等环节中具有一定借鉴作用。

基于改进YOLOv4模型的群养生猪姿态检测

为了提升猪舍环境下生猪姿态检测的速度和性能,在YOLOv4模型的基础上提出一种改进的Mini_YOLOv4模型。首先,该模型将YOLOv4的特征提取网络改为轻量级的MobileNetV3网络结构,以降低模型参数量;其次,在检测网络的CBL_block1、CBL_block2模块中使用深度可分离卷积代替传统卷积,避免了复杂模型导致的内存不足和高延迟问题;最后,将原YOLOv4网络每个尺度的最后一层3×3卷积改为Inception网络结构,以提高模型在生猪姿态检测上的准确率。应用上述模型,对生猪的站立、坐立、腹卧、趴卧和侧卧5类姿态进行识别。结果显示,Mini_YOLOv4模型较YOLOv4模型在检测精度上提升了4.01百分点,在检测速度上提升近1倍,在保证识别精度的同时提升了实时性,可为生猪行为识别提供技术参考。

基于Kinect的六轴工业机器人异常姿态检测方法

工业机器人异常姿态检测是保障工业机器人安全作业的重要手段。针对已有方法存在检测准确率低和时效性不足的问题,提出了一种基于Kinect相机的六轴工业机器人异常姿态检测方法。该方法使用Kinect相机采集工业机器人彩色图像和深度图像,通过YOLOF目标检测算法得到彩色图像中工业机器人关节轴的信息,结合深度图像转换为对应三维坐标,参考工业机器人结构特性,构造机器人关节向量,提取角度特征,进行工业机器人姿态特征表示,基于欧式距离和余弦相似度进行姿态匹配,检测工业机器人异常姿态。本文的方法结合了工业机器人关节轴三维信息可对姿态进行更加精确的匹配。构建了六轴工业机器人作业视频数据集并进行了异常姿态检测。实验结果表明,本文的工业机器人异常姿态检测方法准确率为96.6%,单帧图像检测时间为43 ms,满足机器人安全监控实际应用需求。

可穿戴式头部摆动姿态检测系统

为解决传统人机交互方式对于部分重度残疾人士或在某些特定场合不适用的问题,设计了一种可穿戴式头部摆动姿态检测系统.首先,由头部摆动姿态检测模块采集头部的原始姿态数据;其次,在时域上分析三轴加速度数据,并利用四元数姿态解算三轴角速度数据;然后,结合三轴加速度和角速度数据确定5种头部摆动姿态相对应的阈值范围,通过滑动窗口法区分指令动作和无意识动作,完成头部摆动姿态检测;最后,采用蓝牙无线通信方式将指令传输至蓝牙子系统模块,并通过串口在上位机显示结果.试验结果表明,该系统可以准确检测头部摆动姿态、区分无意识头部动作,头部摆动姿态检测平均正确率达96%.该头部摆动姿态检测系统具有结构简单、准确率高、成本低、阈值可调等优点.

基于视频处理技术的运动目标姿态检测与控制

为了解决运动目标姿态检测常出现判定背景动态细节为运动目标的问题,提出了基于视频处理技术的运动目标姿态检测与控制方法.通过贝叶斯决策方法与帧间差分法相结合,划分视频图像为候选前景与候选背景,并设置该背景为主成分分析方法的初始值,获取目标姿态实时检测结果,依据检测结果设计PD控制器,进而通过控制参数实现目标检测和控制.结果表明,本文检测距离误差小于3 mm,角度误差小于1°,对比方法的误差分别为3~5 mm之间和3.2°~4.0°之间,高于本文方法.所提出的方法具有较高的检测精度,可实现运动目标姿态的有效控制.

自动化改造轨道吊吊具姿态检测技术方案

1自动化改造轨道吊作业中存在的问题传统轨道吊吊具为四绳制,其倾转、侧移等功能均通过小车架倾转油缸或吊具自身配备的倾转油缸来实现,并且对箱和对位主要依靠人工观察和操作,系统控制精度较低且无检测反馈。经自动化改造的传统轨道吊在作业过程中易出现吊具水平旋转、20英尺集装箱与40英尺集装箱作业跑位等问题,从而导致担箱、刮箱等安全事故。

基于MEMS惯性传感器的机器人姿态检测系统的研究

提出了一种基于MEMS惯性传感器的机器人姿态检测系统,并对检测系统的原理,组成以及数据采集进行了研究.并对陀螺仪和加速度计的影响因素进行说明,利用硬件对采集的数据进行滤波处理.通过卡尔曼滤波方法实现数据融合,充分地利用惯性传感器的信息,从而有效地提高姿态检测系统的检测精度.仿真试验表明了卡尔曼滤波方法对于提高检测精度是切实有效的.在实际的试验中也取得了很好的效果,并应用于实际的机器人姿态检测.

MPU9250传感器的姿态检测与数据融合

设计了基于MPU9250多轴姿态传感器和MSP430F149单片机的姿态检测系统。利用传感器内部的陀螺仪、加速度计和电子罗盘,可以对3个轴的角速度、加速度、磁感应强度进行测量,进而解算成角度姿态。利用优化的卡尔曼滤波算法对解算的姿态角度进行了融合处理,融合后的数据有效地抑制了噪声,提高了角度姿态检测的准确性。设计的姿态检测系统每秒钟可以完成100次姿态检测与计算,具有体积小、响应快等特点,并应用于自平衡小车的姿态检测。

基于虚拟仪器的肢体姿态检测系统研究

针对汽车驾驶过程中驾驶员随机、多变的肢体动作,设计一种基于虚拟仪器的肢体姿态检测系统,对驾驶员肢体进行实时追踪,识别、分析肢体运动过程进而应用于驾驶舒适性客观测评。使用多个传感器动态获取数据,根据多传感器数据及串口通信特点,提出一种新的传感器数据同步算法,取得了较好的同步效果;依据所测数据,运用改进四元数算法进行姿态更新;以Lab VIEW为平台绘出肢体运动的实时三维动态图。测试结果表明,所开发的肢体姿态检测系统性能稳定可靠,能够实时、准确的再现肢体运动过程,适用于驾驶操纵姿态检测及驾驶舒适性分析测评。

基于Kinect相机的猪体理想姿态检测与体尺测量

为提高基于机器视觉的猪体体尺测量研究中的图像利用率和体尺测量效率,以长白猪和大白猪为研究对象,基于Kinect相机获取的猪体视频数据,提出了一种猪体理想姿态检测算法。该算法利用最小外接矩形法调整猪体为水平方向;利用投影法和差分法识别头部和尾部位置,通过头部边界标记法判断是否耳部缺失;利用骨骼化算法结合霍夫变换算法检测猪体头部是否歪斜。在此基础上,设计了猪体体尺测量算法。针对养殖场获取的103组视频数据、俯视和侧视各52 016帧图像,进行了理想姿态检测及体尺测量。结果表明,检测出理想姿态2 592帧、漏报432帧、误报0帧,误报率较低;每帧图像的体长偏差与本组体长均值小于2. 3%,组内理想姿态帧之间差异较小,一致性较好;体宽测量的平均精确度为95. 5%,体高测量的平均精确度为96. 3%,体长测量的平均精确度为97. 3%,测量的平均准确度较高。本研究成果应用于基于机器视觉的猪体体尺测量,可提高图像利用率和体尺测量效率。

单轴双轮自平衡车姿态检测方案设计

针对单轴双轮自平衡车介绍一种基于惯性传感器的姿态检测系统,分析比较各惯性传感器在姿态检测系统中的性能优劣以及功能互补的特点。提出一种简易互补滤波算法对陀螺仪和加速度计进行数据融合,并对实际应用中可能出现的几个问题进行了探讨,从而有效地提高了系统的检测性能。通过系统实际测试得到的数据绘制了曲线图,表明滤波算法对于提高系统精度是切实有效的。

STM32的多传感器融合姿态检测

采用STM32微控制芯片作为主控芯片,搭载MPU6050传感器、HMC5883L磁场传感器,以四旋翼飞行器为平台进行载体姿态检测的实验.对比单一传感器和多传感器姿态检测的实验结果,结果表明:基于多传感器融合的姿态检测能弥补单一传感器检测姿态的不足,提高姿态信息的精确性.

基于多传感器融合的柔性机械臂姿态检测与末端定位研究

柔性机械臂在竖直平面内受重力作用会发生弹性变形,严重影响臂架末端定位精度,采用变形补偿末端位置反馈控制需要检测柔性臂变形后姿态和末端位置。根据假设模态法小变形理论,提出一种基于应变传感器、正交编码器和姿态传感器的低成本测量方法,采集数据并计算得到柔性臂变形后姿态及末端竖直方向变形量。搭建了两自由度柔性机械臂实验系统,对提出的测量方法进行验证。结果表明该测量方法可较为准确地测量柔性臂变形姿态,实验中臂末端竖直方向绝对变形量达8.4 cm,相对于臂长变形为9.5%,测量计算误差为7%,满足柔性臂控制时的测量精度要求。

基于卡尔曼滤波的两轮自平衡车姿态检测方法

针对单一传感器在两轮自平衡车姿态检测中存在噪声干扰和测量误差的问题,给出一种基于卡尔曼滤波实现对陀螺仪和加速度计数据融合的姿态检测方法,该方法以加速度计X、Z轴数据反正切运算得到的倾角值作为观测量,通过对陀螺仪时间累积产生的漂移误差进行估计,不断地反馈校正最终得到姿态信息的最优估计。仿真结果表明,该方法解决了单独使用陀螺仪或加速度计的漂移问题,拥有良好的噪声抑制能力,在多种环境下都能有效提高车体姿态检测的精度。

基于MEMS加速度计和陀螺仪的姿态检测系统

本文根据微机电系统(MEMS)加速度传感器的工作原理和特点,对姿态检测系统的原理、组成以及数据采集进行了研究。提出了一种基于MEMS三轴加速度传感器和陀螺仪的倾角检测系统的实现方法。采用加速度计和陀螺仪的数据融合,有效地提高姿态检测系统的检测精度。

四旋翼姿态检测及数据处理系统优化设计

姿态角作为四旋翼飞行器重要飞控参数,对稳定飞行起着至关重要作用。针对姿态的检测问题,搭建了以STM32F407VG、MPU6050和AK8975组成的姿态检测系统。采取四元数法描述飞行器姿态,通过共轭梯度法对加速度计和电子罗盘测量数据做最优处理,得出的数据融合参数修正陀螺仪累积漂移误差,从而达到最佳融合效果。结果表明该检测及数据处理系统简单可靠,性能稳定,计算量小,能够满足四旋翼飞行器对精度和实时性的要求。