基于NAO机器人的目标识别方法

针对NAO机器人识别目标准确率过低的问题,为降低光照对识别的影响,提出一种基于HSV颜色空间的轮廓信息特征识别的算法,通过融合颜色特征和轮廓特征识别图像中的目标。利用HSV空间模型,通过颜色阈值分割对图像进行预处理,提取红绿色目标;根据目标规则的多边形轮廓,对其形状信息加以约束;利用二值图像的轮廓特征矩加以判决,得到识别目标及其在图像中的中心坐标,实现目标的精确识别。利用NAO机器人采集图像进行模拟实验,改变NAO与目标的相对位置并多次测量,成功定位的准确率可达到92.67%。实验结果表明,NAO机器人采用该算法可以快速稳定地实现目标识别,提高了准确率。

多特征融合匹配的霍夫森林多目标跟踪

针对目标遮挡、形变等复杂环境中多目标跟踪准确性低的问题,提出了一种多特征融合匹配的霍夫森林多目标跟踪算法.首先,该算法根据目标检测响应进行初步关联,在线选取正负样本,通过融合颜色直方图、方向梯度直方图特征以及光流信息构建目标的特征模型;然后利用霍夫森林学习,形成可靠的长轨迹;最后采用多特征融合的轨迹匹配算法,引入颜色直方图的相似性度量和基于Gabor滤波器的特征点匹配两种方式,形成加权融合的概率矩阵,将长轨迹逐级关联为目标的完整轨迹.实验表明,该算法在多个复杂环境的视频序列中,可以有效解决目标形变、相互遮挡等问题,能实现多目标的鲁棒性跟踪.

安全阀(立式火管炉)手柄延伸器设计与应用

目前我们油田开采过程中立式火管炉是普遍采用的一种加热设备之一,而我们在现场进行加水和安全阀手动校验是一件又费时又费力的事,为了解决这个问题我设计了一种安全阀手柄延伸器的装置,使用后效果十分显著。使用过程中我发现它不仅节约了生产时间,而且降低安全事故的发生。

有杆泵故障诊断技术研究及现场应用

油田开发初期,依靠地层能量油井进行自喷生产,随着地层能量的消耗,自喷开采不能满足油田开采需要,这时需要进行机械采油,有杆泵采油技术是目前国内最重要的机械采油技术,其有着成本低、操作简单等优点,正确诊断有杆泵故障对生产现场有非常大的应用价值。目前油田现场应用中主要以示功图分析为主,结合油井生产情况及其他资料做出综合判断。本文着重分析造成有杆泵故障的原因、现场诊断方法及故障排除办法,避免因故障诊断失误而造成决策失误、成本浪费,对生产实践有重要的指导意义。

油井悬点载荷随沉没度变化规律研究与调整措施

通过对抽油机井最小载荷随含水和沉没度变化规律及杆管摩擦磨损规律的实验研究,找出了含水、沉没度对杆管偏磨的影响规律。高含水抽油机井在低沉没度条件下运行时,抽油泵因严重供液不足而产生液击,会加剧抽油杆柱振动,降低抽油机悬点最小载荷,从而减少抽油杆柱的轴向分布力与杆管产生偏磨的临界轴向压力,加大下冲程时抽油杆柱下部受压段的长度,易造成抽油杆柱屈曲而导致杆管偏磨。高含水是导致杆管偏磨速度加快的主要原因。

基于时空渐进特征模型的抗遮挡多目标跟踪

针对多目标跟踪过程中存在目标相互遮挡的问题,提出一种基于时空渐进特征模型的抗遮挡多目标跟踪方法.该方法根据目标的关联状态、重叠情况、深度顺序构建遮挡推理模型,在线识别被遮挡目标,并对其进行基于时空渐进特征模型的目标再检测.首先,利用目标特征模型中的空间位置参数确定搜索区域;然后,计算目标模型与检测响应之间的表观特征相似度,引入一种自适应阈值,并选择相近程度较高的检测响应为候选量测;最后,采用时间特征匹配的方式获得目标真实检测响应,完成多目标跟踪的任务.通过MOT15和MOT17数据集中的实验结果表明,所提出方法能够有效地识别被遮挡目标,可在多种复杂场景下实现相互遮挡目标的鲁棒性跟踪,相对于现有方法具有较高的准确性、精度和轨迹完整性.