文摘表情合成研究是虚拟现实技术领域一项富有建设性和创造性的课题。使用双线性模型(Bilinear Model)分离出人的身份因素和表情因素来进行表情合成。在计算双线性模型的转移(Translation)问题时需要重复进行矩阵的逆运算来得到人的身份和表情信息,而当观测数据具有相关性或存在噪声信息时,该过程可能会不稳定。针对双线性模型在表情合成中的稳定性问题,通过在双线性模型转移过程引入改进迭代最小二乘法(Modified Iterative Least Square,MALS),使得该过程的计算具有更强的稳定性。设计实验进行验证,实验结果证明了方法的有效性。
文摘现有的机器人参数辨识的方法所能提高的绝对定位精度有限,是由于关节和连杆柔度等非几何因素造成误差在空间中分布不均匀.为此,本文提出了一种变参数误差模型.由于各轴之间耦合,为了便于求解,提出采用空间网格来处理该变参数误差模型,同时提出了一套规则的参数辨识采样点选取方法.利用改进型的Levenberg-Marquardt迭代最小二乘法求出各网格对应的参数误差的全局收敛解.最后,利用激光跟踪仪在KUKA工业机器人上进行运动学标定验证补偿效果.验证结果表明:能将机器人的绝对定位精度平均值从0.901 mm提高到0.115 mm.
