基于支持向量机的机器人多指手预抓取模式分类

机器人多指手的抓持分类是抓持规划的一个主要问题。提出了一种基于支持向量机和二叉树聚类的分类方法来实现机器人多指手的抓持模式分类。根据多指手预抓取物体的几何特征，对机器人多指手的预抓取模式进行识别与分类，仿真结果表明该方法能快速而有效地实现机器人多指手的抓取模式分类。     

面向任务和基于几何特征的机器人多指手抓取模式规划

针对机器人多指手自身的特点,通过分析人手的抓取特性,对其可能具有的抓取模式进行分类。考虑被抓取物体的几何特征和任务要求,采用基函数为高斯核函数的RBF神经网络来表示被抓物体的样本特征和抓取模式之间的复杂非线性映射。将抓取模式分为10类,对于新的被抓物体,利用训练好的神经网络自动生成抓取模式,并利用VC++/OpenGL建立了可视化仿真平台,进行了抓取模式分类仿真实验,结果表明对于新的物体,机器人可以选择适当的抓取模式进行抓取。     

基于人工神经网络的抓取规划

针对机器人多指手自身特点，对其所有可能具备的抓取模式进行分类，利用人工神经网络表示被取对象的形状，几何参数及所处姿态与抓了模式之间得杂的非线性映射关系，通过样本对人工神经网络进行训练，用训练好的人工神经网络自动生成抓取模型，讨论更为一般的力分配问题，这时手指和物体之间的接触形式可以是无摩擦的上来的点接触，有摩擦点接触及软指接触中的任何一种，并不论是否对称抓取，为使实时抓取成为可能，考虑用ＢＰ网络和     

多边形物体带摩擦抓取的最优规划算法

多指机械手抓取物体时,需要选取手指和物体的接触位置,最大限度地抑制外来扰动,实现稳定抓取.基于此,考虑n指抓取任意多边形的情况,将各方向上多指手可平衡的最大外力螺旋作为优化指标,提出一种满足力封闭条件的初始抓取位置规划算法.经过仔细分析原始力螺旋集合的特点和优化指标在力螺旋空间的几何意义和物理意义,构造线性规划算法来求取给定初始抓取位置下改进抓取性能的最优方向.从初始位置出发,提出一种不断向最优方向改进抓取性能,最后收敛到最优抓取位置的迭代算法.计算实例表明,初始抓取位置规划算法能获得性能较优的初始抓取位置,同时由于最优抓取位置迭代算法每步均在最优方向上作改进,因此算法迭代步数少,运行效率高,计算结果达到或接近全局最优指标.     

基于最大力螺旋多指手抓取规划

机器人多指手抓取物体时,为了保证抓取稳定性,必须对手指与被抓物体之间的接触位置进行合理的布局,寻求最佳的抓取位置.基于此,提出基于最大力螺旋的多指手抓取规划方法,将多指手可以平衡的最大外力螺旋作为评价规划的性能指标,建立力封闭约束条件下抓取位置与最大外力螺旋优化模型,并运用神经网络进行仿真,将该方法与基于广义力椭球方法进行比较.前者弥补了广义力椭球方法的局限性,可以清楚地描述多指手抓取位置与可平衡外力螺旋之间的对应关系,定量地描述被抓物体的稳定性程度,使得抓取规划的判断更直观、更具有实用性.     

多指灵巧手抓取规划方法综述

对多指灵巧手的抓取规划方法的研究现状进行了综述。介绍了形封闭的相关概念，对抓取规划方法进行了分类，介绍了具有代表性的方法并阐述其特点。讨论了该领域存在的问题及其可能的解决策略。     

基于模糊核加权C-均值聚类的高光谱图像分类

高光谱图像分类是高光谱数据分析的重要研究内容之一。模糊C-均值聚类算法因其算法简单、收敛速度快等优点受到广泛的关注。由于高光谱数据的维数较高,其光谱波段的非线性特性使得传统模糊C-均值聚类算法无法在原始空间得到较好的聚类结果。另外,模糊C-均值聚类算法在计算聚类中心时,仅使用了各样本对聚类中心的隶属度,忽略了样本之间固有存在的空间分布特征。为此提出了模糊核加权C-均值聚类算法,在计算模糊核聚类中心时,根据样本的空间分布特征,为每个样本分配不同的权值,使得每个核聚类中心随着样本的不同而各有不同。标准数据和实际高光谱数据的实验结果均表明,相比较传统模糊C-均值均聚类算法,模糊核加权C-均值聚类算法在总体分类精度上有较大的提高。     

基于预抓取模式识别的假手肌电控制方法

为解决多自由度假手肌电控制难题,建立一种人手预抓取模式的在线识别方法,并将其应用至HIT-DLR假手的抓取控制。基于Teager-Kaiser能量算子增幅肌电信号在肌肉动作发起时的变化,引入后处理解决噪声影响,提出一种预抓取发起的在线检测方法。针对人手4种预抓取模式,讨论不同肌电信号分段方法,不同时域特征、频域特征和时频域特征以及多种分类方法所能获得的识别成功率。最终建立了基于波形长度及支持矢量机的最优识别方法,成功率可达95%,延迟小于300 ms。肌电控制试验表明,假手可以准确快速地抓取各种不同形状的物体。     

模糊聚类算法综述

模糊聚类算法是近年来图像分割技术领域的研究热点之一。本文在对模糊C均值聚类算法分析的基础上,结合目前在图像分割中的应用研究,对模糊C均值聚类算法的有效性进行了比较分析。从隶属度、聚类数和其它方面,评述改进的模糊c均值聚类算法。最后讨论模糊c均值聚类算法目前存在的问题和发展方向。     

一种抓取特殊曲面物体手抓机构设计

介绍了一种抓取特殊曲面物体机器人手爪机构,说明了手爪对物体的吸取、位姿校正、防落保护和压紧定位机构的设计及其功能的实现,给出了物体位资校正的计算方法。     

用于分割无损检测图像的改进的抑制式模糊C均值聚类算法

由于无损检测图像灰度分布不均衡,常用的模糊C均值聚类算法不能对图像中的目标与背景进行有效分割,故提出一种改进的抑制式模糊C均值聚类算法(IS-FCM)对无损检测图像进行分割。通过对抑制式模糊C均值聚类算法(S-FCM)的目标函数融入每一类的总隶属度以均衡化目标像素和背景像素对聚类结果的影响,在构建的新目标函数基础上推导出新的隶属度和聚类中心迭代形式,然后分析了所提算法的收敛性并给出了执行步骤,最后通过无损检测图像对所提算法进行分割实验。结果表明,IS-FCM算法不仅能够对灰度分布不均衡的无损检测图像进行有效分割,还扩展了S-FCM算法的应用范围,增强了鲁棒性和适应性。     

基于智能聚类算法的产品粒度确定方法

通过分析当前的聚类算法在产品模块划分过程中普遍存在的局限性,结合产品配置的特点,对模糊C均值算法所构建的具有片面性的目标函数和爬山法寻优模式的缺点进行了改进,并用于产品的模块化结构规划。提出了一种利用演化细胞学习自动机与改进后的模糊C均值聚类算法相结合的智能聚类算法进行产品粒度划分。在分析影响配置设计主要因素的基础上,建立需求满意度、装配复杂度和变型设计复杂度等三个量化指标,对不同粒度层次下模块划分结果的合理性与有效性进行评价,进而确定出最佳的粒度大小和模块数量。最后,通过实例验证说明了所提方法的可行性。     

基于数学形态学和模糊聚类的旋转机械故障诊断

提出了一种数学形态学与GG (Gath-Geva)模糊聚类相结合的旋转机械故障诊断方法,通过对滚动轴承信号的多尺度形态运算得到信号的形态谱,定量反映了信号在不同尺度下的形态变化特征.为进一步对滚动轴承信号进行故障识别,提取出基于形态学操作的分形维数和描述不同信号形态特征的指标即形态谱墒,并把这2个参数作为GG聚类的故障特征向量,进行聚类分析,同时对GG聚类与FCM(fuzzy center means)聚类和GK (Gustafaon-Kessel)聚类进行了比较.实验证明了基于数学形态学与GG聚类相结合的机械故障诊断方法的有效性,且证明了GG聚类更适合对不同形状、大小和密度的空间故障数据模糊聚类,聚类效果更好.     

雕塑实体计算机视觉建模方法研究

计算机视觉3D重构方法是一种很有前途的几何建模手段。但对于常见的黏土、石膏雕塑模型、传统的计算机视觉算法并不适用,其原因在于缺少表面特征。这里针对这种情况提出了一种新的计算机视觉建模方法。这种方法与CAGD技术紧密结合,首先将物体表面分割为N边域曲面片,经由边缘线提取、匹配,重构出曲面片的边界曲线;然后通过反射模型,图象光亮度分析求出曲面片的跨界切矢;最后综合上述信息,构造出光滑的曲面模型。     

基于实时预测学习分类的脸像快速检测方法

视频图像中脸像检测是近年来视觉图像检测和模式识别领域的研究热点。提出一种基于实时预测学习分类的脸像快速检测算法,即ARMA-Boost算法。首先根据脸像位置先验信息,利用ARMA模型(auto-regressive and moving average model)预测脸像位置区域,然后采用AdaBoost算法对预测区域进行脸像检测。该方法在时间维度对AdaBoost算法进行扩展,减小脸像搜索范围,提高检测效率。利用该方法对离线视频文件和CCD图像传感器实时脸像视频进行检测,实验结果表明,与支持向量机、传统AdaBoost和基于优化肤色模型的AdaBoost改进算法相比,ARMA-Boost算法脸像检测准确率高,实时性更好,可以对视频脸像进行快速检测应用。     

Selective Segmentation of the Shallow Electrical Profiling Data

A method for selective segmentation that correctly recovers the boundaries of objects in the plan and estimates the depth range is proposed. This method requires that the electrical exploration data are processed: shallow electrical profiling and vector images of the main directions of changes in the resistance of the medium. An object boundary is estimated on the basis of a fuzzy clustering algorithm (fuzzy c-means), adapted for analyzing multispacing electrical profiling. The depth range of an object in soil is estimated on the basis of applying a scalar product function to vector images of the main directions, adjacent in depth. The effectiveness of this method is confirmed by computer simulation and an example of data processing of the field experiment on an archeological site, which is a medieval fortified settlement.     

一种改进的模糊C-均值(FCM)彩色图像分割算法

针对传统模糊C-均值(FCM)聚类算法计算量大,聚类中心对初始值敏感和聚类数目不能自适应确定的缺点,提出了一种改进的FCM算法。首先对图像进行采样量化,并在满足视觉一致性的L*a*b*颜色空间计算并统计图像的色差信息,然后依据全局色差阈值选取初始聚类中心,对图像进行聚类分析,同时根据准则函数确定最佳聚类数,实现了聚类中心的优化选取和最优聚类数目的确定,有效减少了计算量。研究结果表明,改进后的FCM算法不仅较好地克服了传统FCM算法的缺点,而且聚类效果好,处理速度快,聚类效果与人的视觉感应保持了良好的一致性。     

基于Vague集的机械设计方案多目标模糊决策方法

在现有多目标模糊决策方法的基础上，提出了一种改进的基于Vague集的多目标模糊决策算法及其在机械设计方案决策中的应用方法。通过建立一个函数来评价每个方案满足决策者需要的适合度，其中方案的特征由Vague集表示，改进的评价函数算法包含了肯定隶属度、否定隶属度和不确定度（踌躇度）等因素，并且算法中所定义的函数含义更明确。实例阐明了本文基于Vague集的多目标模糊决策方法的合理性，机械设计方案多目标模糊决策取得了较为满意的结果。     

制造网格环境下模具制造资源的模糊动态聚类分析

为提高模具网格资源的搜索率与利用率,在分析模具网格资源特点的基础上,提出了基于F检验的模具网格资源模糊动态聚类方法.采用层次分析法确定模具网格资源各评价指标的权重,在此基础上应用模糊聚类分析法对模具网格资源进行分类,并利用概率统计中F检验找出合理分类数,从而选出最佳资源分类,将具有最大相似性的模具网格资源聚在同一资源域内.最后,结合具体应用对模具网格资源分类进行了仿真实验,结果表明该方法是有效的,可以使模具网格资源得到合理分类.