面向桌面交互场景的双目深度测量方法

基于视觉的虚拟现实交互方式在桌面书写应用场景中尚未有针对性的解决方案,书写交互中精细动作准确识别的实现,需要一种全新的高精度手笔联合三维识别技术,其中深度准确度是影响三维识别精度的重要因素。为此提出一种高精度双目深度测量方法,该方法针对书写交互采用了高分辨率、近距离的图像对作为输入,并在算法上提出全局与局部重要信息交叉融合的思想以提升速度与精度,减少计算成本。算法使用区域检测模块提取图像对中的手部和笔尖关键区域以重要程度分尺度输入;并且引入区域特征金字塔结构结合多尺度语义信息;同时利用视差级联模块缩小匹配范围,提高网络实时性。实验证明,提出的深度测量方法在手部和笔尖交互区域精度高,实时性好,能够有效辅助提高手笔联合三维识别精度以提供更好的虚拟书写交互体验,具有广泛的应用前景。

基于深度学习的交互笔关键点估计研究

虚拟现实技术应用领域广泛,但现有交互方式不能满足使用者精细化操作的需求。通过交互笔可实现三维空间的精确输入,提升生产力效率。设计基于单目RGB图片的两阶段交互笔关键点估计模型PKPD-Net。通过CBAM-SHN网络得到二维关键点信息,利用笔的二维姿态特征进一步回归出关键点三维位置信息。该模型使用CBAM模块改进融合方式、基于Offset的关键点亚像素定位、辅助手部关键点预测等方法,实现高精度的笔上关键点三维估计,为通过交互笔进行精细化操作提供准确的位置信息。在大规模数据集上进行实验和验证,结果表明,相较于Minimal-hand与HOPE-Net模型,该模型预测关键点的mean_EPE分别降低0.882和0.710 mm,PSF@4分别提升31.38和32.31个百分点。最后,为探索产业级应用,结合PKPD-Net进行应用开发,通过时序关联实现操作轨迹的复原。

不同截面形状抗滑桩承载性状对比试验研究

通过3组横截面积相同、形状不同的抗滑桩加固边坡的室内模型试验,对比研究了圆形、方形和T形截面抗滑桩的承载特性。结果表明,其它条件相同的情况下,T形截面桩的桩顶位移最小;T形桩能承受的极限荷载最大,圆形桩与方形桩能承受的极限荷载相近。不同截面模型桩桩身弯矩最大值位于滑动面与模型桩交界处,随荷载持续增加,弯矩最大值点有下移趋势。T形截面桩桩后土体内应力分布较均匀,值较小,有利于桩后承载土拱的形成。

等加荷速率固结试验研究

目前,大体积建筑物逐渐增多,例如大坝、高层建筑等,连续加载固结试验可以模拟这些建筑物地基的受力环境。本文根据等加载速率固结理论,利用GDS高级固结系统对软土进行了CRL固结试验,并分析了土体的固结压缩特性。