通过肢体动作引导工业机器人运动

提出利用肢体动作引导工业机器人运动的新方法,肢体动作包括手势和四肢的运动,利用数据手套采集手势信息,利用惯性传感器采集四肢的运动信息。首先,基于模板匹配法对静态手势进行识别,通过支持向量机(SVM)算法对肢体动作进行识别;其次,对工业机器人进行运动学建模,构建肢体动作与工业机器人运动类型之间的映射关系;最后,搭建基于肢体动作引导工业机器人运动的实验系统。实验结果表明:通过肢体动作可以方便、高效地引导工业机器人按照操作者意图进行运动,定义的14条肢体命令,可满足大多数工业场景的需求。

基于深度学习的室内目标波达方向估计

目前,室内场景下诸如定位及追踪、人体活动检测等许多应用对感知的需求越来越大,为支撑高精度感知,高效快速的波达方向(Direction of Arrival, DoA)估计是关键能力之一。然而在具有多径和障碍的室内环境下,传统DoA估计方法存在局限。鉴于机器学习在解决复杂信号处理问题方面呈现的效能优势,对基于深度学习(Deep Learning, DL)的室内目标DoA估计方法展开研究。设计了专门的卷积神经网络应对未知多径信号带来的不利影响,同时训练了模型从多径分量中分辨提取视距径信号DoA特征的能力。基于此,利用公开的DeepMIMO数据集生成了室内目标DoA估计专用构造数据集来训练模型,提出了基于小样本学习(Few-Shot Learning, FSL)的在线快速学习机制,对提高模型泛化性和鲁棒性展开设计。对室内环境下的DoA估计进行了多种方法仿真对比,验证了所提方法的有效性。

探讨水利工程地质勘察中的斜坡勘察

水利工程是国民经济中一项重要的工程,涉及范围广,构建水利工程需要全面勘察其地质情况,而斜坡的稳定性对工程的安全性具有关键作用,是保障国家水资源利用、防洪防涝和农田灌溉等方面的重要基础设施.本文阐述了斜坡勘察的目的、勘察任务以及勘察重点,在此基础上分析了斜坡勘察的方法和斜坡稳定性的评价以及处治措施,旨在为水利工程地质勘察工作提供参考。

伴随式数据收集下大学生体商培养研究

大数据时代推动着各行各业的变化,在教育领域,每个学校每年都会产生大量的教育数据,与传统教育数据相比,伴随式数据收集具有更强的实时性、连贯性、全面性和自然性,正确、有效地提取这些数据,并从数据中提取知识用于指导实践,对在校大学生的体商教育做出一个正确性的指导,是一个非常有意义的研究问题。它对大学生体商的培养起到了积极的作用。