基于时空增强式交互网络的组合动作识别

组合动作识别是计算机视觉领域一个新的挑战,它旨在识别未见过的动作与物体的组合。传统的动作识别模型往往会在物体外观与动作类别之间建立联系,引入错误的偏置,在面对未见过的动作与物体的组合时性能急剧恶化。现有解决方法是忽视外观信息,以物体的坐标和身份等信息作为输入,建立以物体为中心的模型。受此启发,提出了时空增强式交互模型。首先在基础网络的不同深度提取并聚合多级别物体特征;然后构建物体分支,使用时空增强模块和物体交互模块分别对物体特征进行增强以及建模物体的移动和交互模式;最终将该分支的输出与基础网络的输出融合用于动作分类,使模型兼顾外观信息和物体交互信息。在多个数据集上的广泛实验证明了所提模型的有效性。     

改进粒子群的机器人焊缝轨迹高效识别及精确路径规划算法研究

针对传统粒子群算法的机器人焊接路径精度低、速度慢等问题，提出一种改进粒子群的焊缝轨迹高效识别及精确路径规划算法。首先，通过CCD相机拍照，采集焊接工件，并将图像传递至上位机，上位机对采集的图像进行灰度化、提取目标区域、阈值分割、腐蚀膨胀、去干扰等图像预处理操作；其次，利用Canny算子对预处理后的图像提取出焊接件外轮廓边缘像素坐标信息，并根据焊缝拟合曲线函数残差模的最小值拟合出焊缝的曲线函数；最后，提出一种改进粒子群的指数函数惯性权重动态更新策略，其惯性权重随着迭代次数的增加而减小，以实现前期快速全局搜索，后期局部寻优的目的，实现焊缝精确路径规划用于弧焊机器人的快速、高效焊接。实验结果表明，改进粒子群的机器人焊接系统可对复杂路径的焊接件进行路径高效识别与准确规划，可降低机器人焊接路径点的复杂度，焊接误差值不超过0.30 mm,相较传统粒子群的焊接误差超过0.50 mm,机器人焊接精度提高了20%。