基于Kinect的动态手势识别算法改进与实现

为解决隐马尔科夫模型(HMM)算法在动态手势识别中存在的准确率不高、容易受未定义手势的干扰、难以适应复杂背景等问题,本文提出了一种基于Kinect V2传感器改进的HMM动态手势识别方法。该方法进行手势分割后,以质心运动轨迹正切角的值进行均匀量化编码,通过设置概率阈值模型及编码的种类来排除未定义手势、进行动态手势识别,并对比不同实验环境下的识别效果。实验结果表明,改进后的HMM算法有效地排除了多种未定义手势,能够适应复杂背景和黑暗条件,而且能够提高对已定义手势的识别率。

基于超宽带室内定位联合算法的研究

针对超宽带室内定位系统中的测量误差较大问题,提出了一种基于双路飞行时间测距方法来减小时钟偏移误差的解决方案。本方案针对静态和动态的待测节点的运动特性,通过对待测节点的运动状态检测,提出了一种联合算法,其中,静态定位采用了最小二乘估算法来得出节点坐标,并通过MATLAB仿真显示该节点坐标位置;对于动态跟踪问题,由于物体遮挡和运动轨迹等因素导致最小二乘法无法准确估计节点位置,针对这一问题,利用扩展卡尔曼滤波算法跟踪预测待测节点位置,从而改善定位效果。仿真结果表明,静态定位误差可以控制在6%以内,对比静态定位采样,动态跟踪算法精度提高了20%。实验证明,该算法可靠有效,满足室内定位的基本需求。

沉浸式3D催化裂化培训系统的设计与实现

应用3DsMax,Photoshop软件完成三维工厂模型建模,通过Unity3D将系统仿真技术与虚拟现实技术相结合,并结合HTC VIVE VR头盔显示器(简称VR头显,下同)完成沉浸式催化裂化3D培训系统的设计。本系统彻底摆脱了实物装置限制,首次实现DCS仿真系统与虚拟现实技术的通信,将VR头显运用到其中,允许多人同时操作同一套设备;并在兰州某职业院校得到应用,取得了良好的培训效果。它能有效解决传统化工培训中存在的安全隐患、无法真正动手操作、培训场地、时间限制等问题,能缓解目前频发的化工生产安全问题并有效提高化工培训的质量。

AHP-TFN在反应-再生系统FTA模型定量分析中的应用

FTA(故障树)分析法是故障诊断领域的一种重要方法,但它在定量分析的过程中存在着基本事件(使用Xi代替,下同)故障概率不确定而无法直接获取的问题。为此本文引入层次分析法(AHP)和三角模糊数(TFN)理论,利用Xi的故障率(次/106小时)和评价者自身存在的模糊性,通过层次分析法得出Xi的故障概率基础数据,通过三角模糊数理论求得Xi的故障概率三角模糊数,从而解决了FTA定量分析中存在的问题,并将AHP-TFN应用到催化裂化装置中完成了反应-再生系统FTA模型的定量分析。