基于深度学习的单目视觉水下机器人目标跟踪方法研究

介绍了一种基于深度学习的单目视觉水下机器人目标跟踪新方法,采用该方法能够使自主水下机器人(AUV)在水下复杂环境中实现图像增强处理与目标识别跟踪,对于视频图像中的每个图像,使用预先经过训练的深度卷积神经网络计算图像传输图,图像传输图提供了图像深度信息的相关估计,该方法能够识别水下目标区域,并标明水下目标运动及跟踪方向。实验表明:该方法能够更精确、更稳定地获取水下环境中的定位数据。

协助站起机器人的数据采集及协助力分析

对协助站起机器人的数据采集及协助策略进行了研究.采用基于单目视觉的站起动作无标志测量方法,用单摄像头取代需佩戴在用户身上的传感器或标记,获取站起动作过程中的人体关节点坐标及角度变化,为关节转矩计算提供输入数据.对减轻关节负担协助策略中的协助力进行了合理改进,同时考虑站起过程中关节转矩变化特点,建立了模糊系统.该系统以大腿与水平方向夹角作为输入,以便区分站起动作的完成程度,以两种协助站起策略在整个站起过程中的权重为输出,用以帮助用户在整个站起过程中减轻关节负担并保持身体稳定.