基于脑电节律能量与模糊熵的VR诱发晕动症水平检测研究

晕动症一直是影响虚拟现实用户体验及限制虚拟现实行业发展的一个关键因素。为解决这一问题,本文研究了虚拟现实晕动症对大脑神经活动的影响,并利用脑电特征对晕动症水平进行检测。为得到可度量眩晕水平的特征,记录受试者在体验眩晕测试场景前及过程中的脑电信号,计算节律能量和模糊熵,并利用统计分析进行特征选择,最后分类验证该特征的有效性。结果表明,受试者产生晕动症时,CP4和Oz的θ、α频段能量及C4的β、γ频段能量显著降低(p<0.01);在模糊熵方面,δ频段有FC4、Cz模糊熵值显著升高(p<0.0001),β频段有O1模糊熵值显著降低(p<0.0001)。对比线性判别分析(Linear discriminant analysis,LDA)、逻辑回归(Logistic regression,LR)和支持向量机(Support vector machine,SVM),K最近邻(K-nearest neighbor,KNN)算法的分类效果较好,它在节律能量和模糊熵上的分类准确率分别为89%和91%。本研究表明脑电节律能量及模糊熵有望成为晕动症水平检测的有效指标,为研究虚拟现实晕动症成因及缓解方案提供客观依据。

基于Marker-SLAM的视触觉增强现实交互算法

视触觉增强现实是将触觉感知加入到增强现实中的一种新技术。不仅可以融合真实场景和虚拟对象,还能实现视觉和触觉的同步感知。基于3D Systems Touch触觉设备提出一种新的视触觉交互算法。首先,基于Marker-SLAM算法搭建增强现实环境,用于实时获得相机在地图中的位姿;其次,为了将触觉信息融入到增强现实环境中,提出基于无跟踪器的触控笔尖端姿态优化算法;最后,分别采集测量点在触觉和世界坐标系中的三维信息,通过确定两个坐标系间的刚性变换,将触觉设备的正向运动模型映射到增强现实空间中。所提出的跟踪注册方法的注册准确率均达到90%以上,与基于跟踪器的方法相比,所提出的姿态优化算法获得的校正位置的平均误差为2.3±0.2 mm。

基于触摸屏交互的指套式盲文再现系统

在当今信息时代,传统的纸质盲文书籍在传播知识方面存在很多不足,逐渐无法满足视障人士的盲文阅读需求。受可穿戴装置的启发,提出了一种基于触摸屏交互的指套式盲文再现系统。根据标准盲文的结构特点、视障人士感知盲文的方式,以及指套式装置对小型化要求,设计了一种新型的盲文点执行器,并通过有限元分析对其结构和参数进行了优化。性能分析和用户实验的结果表明,提出的盲文点执行器具有刷新频率高、功耗低和体积小等优点,并能够实现在最高位和最低位的锁止操作。提出的盲文再现系统将便携的指套式装置与数据可刷新的触摸屏相结合,并利用4个压电陶瓷执行器的振动触觉反馈引导手指在触摸屏上的运动方向,为视障人士提供了一种便捷阅读盲文的新途径。

基于脑电样本熵功率谱的VR诱发晕动症分析

如今,虚拟现实(VR)技术已在各个领域得到广泛应用,但很多VR系统在带给用户沉浸式体验时会使其产生一种不适症状——虚拟现实晕动症。为弄清虚拟现实晕动症对大脑神经活动的作用,本研究招募被试者利用头戴式VR体验虚拟现实晕动症诱发场景,记录体验前及过程中被试者的脑电信号。采用样本熵及功率谱方法提取不同状态下被试者脑电特征,并进行显著性检验。从全频段来看,在电极F8、F12、CZ、CPZ及OZ处的样本熵均值具有显著性差异,在电极F7、T7及T8处的功率谱均值具有显著性差异(P<0.01);从分频段来看,在Delta及Theta频段的样本熵均值及功率谱均值同时具有显著性差异(P<0.01)。研究结果表明,样本熵与功率谱分析结果可能与虚拟现实晕动症有关,有望成为度量虚拟现实病的有效指标。

基于梯度差自适应学习率优化的改进YOLOX目标检测算法

目标检测一直都是计算机视觉领域最具挑战的问题之一,其广泛应用于人脸识别、自动驾驶和交通检测等任务中。为更进一步提升当前主流目标检测算法的性能表现,提出了基于YOLOX的目标检测改进算法,并在标准的PASCAL VOC 07+12和RSOD数据集上进行实验验证。针对YOLOX目标检测算法主要通过数据增强、改进网络结构和损失函数3方面做出改进,同时提出基于梯度差的自适应学习率优化算法用于训练改进后的YOLOX算法,该优化算法同样适用于其他神经网络优化。在PASCAL VOC 07+12标准数据集上进行实验,与原YOLOX-S进行比较,改进后的YOLOX-S算法的AP由61.63%提升到66.35%,提升效果明显。同时在RSOD标准数据集上进行实验,并与其他主流的YOLO系列算法进行了比较,改进后的YOLOX-S算法在RSOD数据集的AP由69.4%提升到73.2%,提升效果显著。实验表明:针对YOLOX的目标检测做出改进是有效的。