国家自然科学基金(60375026)
- 作品数：7 被引量：53H指数：3
- 相关作者：原魁周庆瑞邹伟宋卫国张怀相更多>>
- 相关机构：中国科学院自动化研究所西安交通大学更多>>
- 发文基金：国家自然科学基金国家高技术研究发展计划更多>>
- 相关领域：自动化与计算机技术更多>>
- 一种基于投影不变量的目标跟踪方法被引量：2
- 2007年
- 提出了一种基于平面投影不变量的目标跟踪算法.算法从图像中提取直线边缘计算投影不变量,用于对目标建模并跟踪.为提取直线边缘,使用改进的序列细化算法将边缘细化为单像素宽,而后用一种快速曲率估计方法估算边缘点的曲率,并保留估算值很小(约等于零)的点拟合直线.在所得直线族中按照邻近规则或者窗口规则挑选直线计算投影不变量.图像处理实验给出了用文中提出的图像预处理算法获得的直线边缘效果,并通过使用所得直线计算不变量的值衡量了所得不变量的稳定性和视角不变性.跟踪实验检验了跟踪算法的鲁棒性和实用性.
- 梅树起原魁张怀相
- 关键词：投影不变量目标跟踪视觉伺服
- 一种用于自由活动动物的微型多模式遥控刺激器被引量：14
- 2006年
- 本文采用集成有射频功能的片上系统(nRF24E1),研制了一种用于自由活动小动物的微型多模式遥控刺激器。刺激参数的设置及结果分析均由10 m外的个人计算机进行。通过离体实验,即刺激蛙坐骨神经干时产生动作电位并可观察到伪迹;及在体大鼠的训练操作性条件反射的行为学实验,即在Y臂迷宫中训练大鼠听到不同声音完成左右运动,如果完成正确给予前脑内侧束以电刺激,我们观察到5 d内大鼠的正确率增加3倍,达到93．5％。上述实验都验证了该刺激器的有效性与稳定性。本系统具有体积小(18 mm×28 mm双层线路板)、重量轻(不含电池5 g)、简单、实用、可靠等特点,能有效地用于自由活动小动物的实验研究。为基于电刺激的小动物行为训练(动物机器人)及相关神经生理学实验研究,提供了新的实验条件和实验手段。
- 宋卫国柴洁韩太真原魁
- 关键词：电刺激电生理动物机器人
- 一种基于FPGA的实时彩色图像目标分类方法被引量：1
- 2006年
- 提出了一种基于FPGA的实时彩色图像目标分类算法.为了在不同光照条件下标定目标颜色,算法采用了一种统计椭球模型;该算法在YUV空间只用18位而非24位数据建立了3D颜色查找表.这样解决了以往算法中存在的目标颜色体重叠和占用存储空间大的问题,并且提高了算法的分类准确性.同时,为了进一步减轻机器人主CPU的运算负担,利用FPGA技术对该算法进行了硬件实现,极大地提高了视觉系统的性能.该方法在智能移动机器人和工业计算机视觉系统研究领域具有广泛的应用前景.
- 周庆瑞原魁邹伟王辉
- 关键词：图像分类FPGA移动机器人
- 一种新型的动物机器人遥控训练系统被引量：3
- 2007年
- 设计了一种用于训练动物机器人的新型无损试验平台.该平台可用于分析外部电刺激与动物运动行为之间的关系,为进一步研究动物行为的可控性、动物机器人训练的可行性提供了一种便捷的试验平台和试验手段,同时也为生物医学、人工智能和认知科学的研究提供了新的研究思路.该试验平台主要包括两部分,即动物所背负的基于单片机控制的无线遥控多功能电刺激器和基于数字摄像机的动物运动行为分析测控系统.用此平台对家兔和新西兰兔进行了体表刺激,对成年雄性SD大鼠进行了开颅MFB区刺激试验,验证了本系统的有效性和稳定性.试验证明本系统可以精确、实时地用于动物行为试验,具有很好的抗干扰性.
- 王永玲原魁李剑锋宋卫国
- 关键词：动物机器人电刺激视觉跟踪脑机接口
- 移动机器人视觉导航控制研究被引量：22
- 2005年
- 该文研究了移动机器人视觉导航的控制问题。针对导航中的图像畸变以及视野有限易造成导航线丢失等问题,提出了一种简单的单目视觉目标定位算法和一种新的控制策略。在导航时,首先利用定位算法精确地获取地面目标的深度信息,然后控制机器人沿一系列切线方向平滑接近导航线(或目标),并根据实施控制的时间间隔控制速度,以保证机器人视野中导航线(或目标)不丢失。实际的应用证明了该定位算法和策略的有效性。
- 周庆瑞原魁刘俊承
- 关键词：移动机器人视觉导航控制策略
- 一种拟全方位多尺度分布式视觉系统被引量：2
- 2005年
- 针对机器人视觉系统中算法的高复杂度与实时性难以兼顾的问题,设计了一种拟全方位多尺度分布式视觉系统。该系统实现了多个摄像机图像采集和处理的分布式工作,可以满足机器人对视野的全方位要求,并且为高复杂度算法的运行提供了可能。采集处理模块软硬件可随时定制,实现了多尺度的视觉算法,并增加了系统的灵活性和通用性。该系统可作为通用视觉平台应用于各种全自主移动机器人,具有较强的应用价值。
- 周庆瑞原魁邹伟路鹏
- 关键词：机器人视觉多尺度分布式
- 基于迭代学习控制的PID控制器设计被引量：12
- 2006年
- 针对传统的经验PID整定方法,提出了一种新的PID参数整定算法。该算法首先利用PD型迭代学习控制来进行期望轨迹的跟踪控制,然后根据迭代学习控制的输入输出数据序列,通过强跟踪滤波器来进行参数辨识,可获得对应于期望轨迹的优化的PID控制参数。给出了迭代学习控制的收敛条件,以及如何利用强跟踪滤波器来进行参数辨识。仿真和实验结果表明,采用该算法设计PID控制器,被控系统可以获得较佳的动态性能和较强的鲁棒性。
- 张怀相原魁邹伟
- 关键词：迭代学习控制强跟踪滤波器
