基于ZedBoard的SCA架构的设计与实现

Zed Board是Xilinx公司首款融合了ARM Cortex A9双核和7系列FPGA的全可编程片上系统,兼具ARM和FPGA两者的优势,是小型化SCA实现的最佳嵌入式平台之一。本文介绍了Zed Board平台的硬件结构,并针对SCA架构在专用硬件平台上无法实现的问题,通过分析研究MHAL硬件抽象层技术和OCP接口规范,设计了符合ZedBoard平台硬件环境的MHAL硬件抽象接口和FPGA波形组件容器,有效地解决了SCA架构在Zed Board平台上的实现问题,为在Zed Board上实现以SCA架构为核心的系统开发打下了基础。

直流分区配电系统--美国海军综合电力系统的基础(一)

尽管近年来人们对电力推进产生了相当大的兴趣，但大多数发电和配电系统退回到带多个独立电源的传统交流辐射式或分区配电系统上来。能否在舰船上应用，很大程度上取决于舰船的需求。因为军用舰船必须在战斗受损后还能完成任务，配电系统的生命力就成为关键之一。自电力引入舰船以来，美国海军舰船的基本结构似乎没有什么变化，最主要的惯例是安装辐射式450 VAC配电系统。该系统给来自两个区域独立电源的负载中心供电，由母线转换开关提供正常和备用电源之间的转换。现已在DDG 51级舰上采用交流分区配电系统。美国海军正在调查直流分区配电系统的实现情况，作为下一代水面舰艇配置的综合电力系统核心部分。

Attraction to physical activity of generation Z: A mixed methodological approach

The prevalence of obesity in Generation Z, which includes individuals born after the year 2000, has tripled that of Generation Xers of 1980 [1]. Rising levels of obesity have been associated with increased physical inactivity (PA) [2]. Attraction to physical activity can be grounded in the Self-Determination Theory (SDT) [3], which defines intrinsic and extrinsic motivation and the roles each type of motivation plays in social and cognitive development. The purpose of the current research was to use a mixed-methodological approach to understand attraction to physical activity of a Generation Z sample via semi-structured focus groups and the Children’s Attraction to Physical Activity (CAPA) assessment. Based on these results, the secondary purpose was to determine whether significant differences exist between attraction to physical activity and gender within the Generation Z sample. The focus groups revealed two overarching themes: attraction and aversion to physical activity, each with subthemes. The CAPA test revealed significant differences between males and females (t = 2.78, df = 63, p = < 0.05), indicating that males (3.39 ± 0.32) were significantly more attracted to physical activity than females (3.13 ± 0.40). The clinical relevance is discussed as being future research and program implementation sugges- tions.

基于双目视觉的作物点云获取与分割定位方法

为了提高农业视觉导航系统对作物定位的精确性,提出了一种基于双目视觉的作物点云获取与分割定位方法。该方法采用ZED双目相机采集作物左右视图,通过视差原理获取作物的3D点云数据,利用点云离散程度和体素化网格方法对初始点云数据的离散点和冗余数据进行去除,然后在预处理后的点云图中利用基于点云法线角度差的区域生长分割出每株作物的点云簇,用每个点云簇中所有点的平均坐标值作为该株作物的三维坐标,结合视觉系统坐标系,计算出作物与相机的水平距离以及水平偏角,从而实现作物定位。试验结果表明,该方法测得的作物平均距离误差为1.89%,平均角度误差为2.17%,该算法可以对作物进行准确定位,为基于双目视觉导航的路径规划提供可靠的定位信息。

基于双目视觉的人脸追踪方法

机械臂自动调节电脑屏幕位置以适应人脸,在一定程度上可以方便人们工作并缓解工作疲劳,准确地识别并获取人脸的位置及姿态成为关键所在。针对人脸追踪准确率低下的问题,提出首先使用ZED mini双目相机获取图像,用双边滤波对图像进行预处理,然后使用Cam Shift算法融合TLD框架实现人脸追踪,最后对左右相机的图像进行校准对齐,再使用SGBM算法进行立体匹配,从而获取人脸的位置和姿态。试验结果验证,人脸识别准确率提高了6%,同时成功获取了人脸位置和姿态信息,实现了实时人脸追踪,满足试验要求。

改进轻量型YOLOV4的目标监测系统

针对实施昏暗复杂环境下混合路况的目标监测任务,提出基于YOLOV4-tiny的改进算法,建立智能化目标监测系统。为提高目标检测精度,在原有骨架网络提取4层特征进行多层特征叠加。融合图像增强算法,提高系统的鲁棒性。将改进算法与zed双目相机结合进行多源数据采集,经数据决策实现异常数据的存储与自动控制。实验结果表明,在昏暗的复杂环境下,改进后的算法模型较YOLOV4-tiny模型MAP(均值平均精度)提高14.79%,较融合图像增强算法的YOLOV4-tiny模型MAP(均值平均精度)提高3.06%。所提算法应用于目标监测系统上检测精度以及鲁棒性都有所提高。

苹果采摘机器人目标识别与定位方法研究

【目的】在算力资源有限的嵌入式设备上对目标苹果进行快速、准确的识别与定位。【方法】研究小组对采摘机器人的目标识别与定位方法进行研究,以YOLOv4网络模型为基础,对YOLOv4进行轻量化改进,使用MobileNet V3作为特征提取的主干网络,减少模型的计算量,并结合ZED双目相机与定位算法在嵌入式平台上进行实验。【结果】实验表明:1)在目标识别方面,改进后模型的平均检测精度为87.32%,模型的大小为53.76 MB,较改进前降低了79%。2)采用ZED相机结合测距算法进行了苹果目标定位实验,ZED双目相机的测距误差可控制在0.02 m以内,同时改进的YOLOv4算法的平均检测速度在15FPS左右。【结论】改进后的YOLOv4网络模型更适合部署在算力有限的嵌入式设备中进行苹果采摘任务,且能够满足苹果采摘任务的实时性要求。因此,该方法可以为苹果采摘机器人的识别与定位提供技术参考。

新的基于双ZED摄像头的心肺复苏按压姿势检测模型

目的正确的胸外按压姿势(chest compression posture,CCP)是完成高质量心肺复苏(cardiopulmonary resuscitation,CPR)的重要基础,但目前关注CCP的研究十分有限。本研究设计新的CPR按压姿势自动分析程序,拟实现对CCP监测达到客观化、标准化和自动化的目的。方法本研究共招募15人参与现场试验,其中专业组11人,非专业组4人。分别于正前方和45度侧面用ZED双摄像头同时记录按压视频数据,所有参与人员均在Smartman模拟人上进行连续的120次持续胸外按压操作。3位专家对CPR视频进行独立标注,智能算法提取人体骨骼点用于后续分析和模型开发。专业组和业余组两组率的比较采用卡方检验进行统计分析。结果研究分析发现,腕部用力、手指未翘起、重心偏移、肘部弯曲是其中发生率最高的错误。通过专业组规范数据集共28800组人体骨骼点坐标数据计算手臂角度合理范围为左臂169.24°~180.00°,右臂角度为168.49°~180°。相同的方法,得到重心角度合理范围为0.00°~18.46°。在此基础上,构建的基于双ZED的CPR按压姿势检测模型可以较准确的识别出CPR的按压姿势错误(准确率91.31%,敏感度80.16%,特异度93.53%)。结论本研究创新性的提出对CPR按压姿势进行客观评价的方法,并且在此基础上构建了基于双ZED摄像头的CPR按压姿势检测模型,可以较准确的识别出CPR的按压姿势错误,以实现CPR培训质量控制可以更加的自动化和标准化。