面向人机协作系统的上肢姿态精准识别算法研究

在基于姿态识别协同控制灵巧手机械臂的任务中,会出现身体部位相互遮挡以及非操作人员身体干扰的问题。因此本文提出了一种面向人机协作系统的上肢姿态精准识别算法,能够有效排除遮挡和干扰问题。该算法首先基于Finger-YOLOv4算法框选出人体上肢区域;其次通过稀疏性目标提取算法排除非操作人员身体干扰;然后在设计的双特征条件随机场网络中进行深度学习,解决遮挡导致的类内模糊问题,精准定位人体上肢的48个关键点坐标;最后,根据关键点坐标进行人体上肢的姿态预测,将人体上肢的姿态与灵巧手机械臂的姿态进行映射,完成人机协作。实验表明,本算法平均检测速度33 FPS,关键点平均检测精度75.2%,协同操作完成度98%。满足实际需求。

基于LFM信号频域去斜和压缩感知的雷达距离超分辨

雷达经常发射线性调频(LFM)信号并对接收信号进行频域去斜以及傅里叶逆变换实现常规的目标距离分辨。基于雷达目标的稀疏性特征,数字回波信号经频域去斜后在傅里叶字典矩阵下可以稀疏表示,根据压缩感知理论,对去斜信号向量进行低维线性观测后可以将稀疏表示向量解算出来,其中非零元素的位置表征了目标距离,当两个非零元素之间的间隔小于瑞利限时,表明上述处理过程具有超分辨能力。基于此,文中提出了一种基于LFM信号频域去斜和压缩感知的雷达距离超分辨方法,对LFM回波信号进行频域去斜处理及稀疏表示,采用压缩感知技术解算稀疏表示向量以实现超分辨,并给出了仿真实例和分析。