点云目标检测残差投票网络

高精度的三维目标检测是实现物体感知的关键技术,对自动驾驶、机器人控制等应用的落地具有重要意义。为提高三维目标检测的精度,对算法Vote Net改进,提出了一种基于残差网络的端到端的高精度三维点云目标检测网络Res Vote Net。具体来说,设计了适用于点云数据的残差网络骨架,提出了残差特征提取模块以及残差上采样模块,并集成进Vote Net框架。残差网络结构的引入增强了网络对点云数据的特征提取和学习能力,并且提高了模型的鲁棒性。该算法在公开的大规模点云数据集SCANNET和SUN-RGBD上进行实验,平均检测精度m AP分别达到61.1%和59.9%,超越了当前最先进水平的其他算法。

全息脑控阿凡达机器人系统设计

"阿凡达"是美国科幻电影中构想出来的一种能利用人的意识控制克隆生物体的脑电系统。为实现此套系统功能,提出了全息脑控阿凡达机器人系统设计方案,由可穿戴脑电设备及人形机器人组成。基于ARM Cortex m3的可穿戴脑电设备集成了μV级别高速高精度脑电采集放大电路,实现脑电信号精确解析。基于STM32的智能人形机器人集成了音视频和温湿度等多种传感器,可实现环境信息的实时采集反馈。两者通过无线通信,实现远程脑控。经实验测试,基于稳态视觉诱发和运动想象两种脑电现象的平均识别准确率分别可达93%和78%,并能正确控制机器人执行相应动作,且各传感器参数能正确反馈。分析可知,本方案合理可行,实现了预期功能,是国内第一个实现的具有完整自主知识产权的全息脑控阿凡达机器人系统。