一、连接刚体的三维结构和运动参数估计（论文文献综述）
黄康[1]（2021）在《基于深度学习的单目视觉SLAM关键技术研究》文中研究指明随着现代科技水平的不断发展,机械设备的智能化程度不断提高。近年来,无人飞机、无人汽车等自主化设备开始被广泛应用在日常生活中。作为无人设备在自主定位与路径规划中的关键技术,视觉同时定位与构图技术（Visual Simultaneous Localization and Mapping,V-SLAM）被广泛应用到设备的智能导航实践。在各种现有方案中,基于单目相机的V-SLAM系统因结构简单、初始化方便和制造成本低廉等特点而大受欢迎。然而,单目V-SLAM系统在进行定位与地图构建时存在定位累积误差、地图尺度漂移等严重问题;而基于深度学习原理构建卷积神经网络（Covolutional Neural Network,CNN）,并用其替换V-SLAM系统的某个功能模块或辅助改进该某模块的工作性能后,可显着提升系统的工作效率与导航精度。为提高单目相机的环境感知能力,本文提出了基于深度学习的单目深度估计CNN算法;为使其适用于不同工作情形,进行了网络框架的普适性调整:针对计算力较高的智能设备,搭建了基于Dense-Net网络框架的“编码-解码式”CNN;同步训练单目图像的深度值预测任务（Depth Estimation）和表面法线贴图（surface normal）预测任务,并利用表面法线引导深度估计任务的精度优化。针对无人机等小型嵌入式设备,通过轻量型网络结构Mobilenet-V2搭建深度CNN模型,在训练深度值预测网络的同时,设置了对语义信息的预测训练并利用其引导深度预测值的优化。根据单目相机的成像原理,将RGB（Red,Green,Blue）三通道编码图像按照场景的深度估计信息还原为稠密点云图像;同时,利用ORB-SLAM2算法获取图像序列的位姿变换与场景的稀疏点云地图;将上述稠密点云同稀疏点云信息有机融合,利用稠密点云修正了稀疏点云存在的单目尺度漂移缺陷;最后,利用稀疏点云修正了稠密点云图像的结构失真缺陷,由此将两者拼接为连续场景的结构鲁棒性稠密地图。三维点云图像存在结构鲁棒性差、存储空间过高和表面形貌粗糙等缺陷,本文将其转换为应用场景更加广泛的八叉树图像、网格图像与TSDF稠密三维地图,通过比较上述地图模型各自的优劣特性确定了相应的使用场景。本文设计的深度估计神经网络可实时获取周围环境的稠密场景深度,单目视觉里程计算法（Visual Odometry,VO）可快速提取输入图像的位姿特征并精确追踪单目相机运动,而将深度估计融入VO后,其生成的场景稀疏地图具有更少的尺度漂移误差。本文设计的稠密式三维场景重建算法将VO算法构建的稀疏地图与CNN预测的稠密场景深度信息相融合,重构出了细节极为丰富的三维导航地图。经上述改进工作,提高了无人设备感知陌生环境并进行实时路径规划的能力。
张益瑞[2]（2021）在《高速动车组载荷谱复现方法及台架试验研究》文中研究说明高速动车组在轨状态尤其是高速运行时的动态性能评估是轨道交通技术进步的试验基础和车辆高速化、重载化、智能化发展的现实需求,由于多样化的试验功能和较高的试验效率,通过专用台架设备模拟车辆服役工况的载荷谱复现试验得到越来越广泛的应用。载荷谱指能够反映研究目标特定空间位置上物理参数随外界环境变化的位移、速度、加速度等可测量信息。载荷谱复现试验的目标是通过台架高精度地模拟重现车辆运行工况,其关键技术在于高性能的台架设备、准确的试验系统数学模型和科学有效的复现试验方法。本文以上述关键技术为研究内容,以基于转向架多功能试验台的高速动车组载荷谱复现为研究目标,设计了决定转向架多功能试验台载荷力测量功能和宽频带激振性能的专用测力平台及试验台电液伺服控制系统,提出了转向架各项关键参数的试验测定方法,以系统辨识原理和迭代复现技术为理论支撑,将仿真循环和试验循环相结合,提出了一种具有误差系数自适应调节功能的循环迭代方法,完成了以高速动车组车体和转向架垂向加速度为目标载荷谱的复现试验,主要工作如下:1)阐述了转向架多功能试验台的系统组成以及自主开发的位姿运动谱解算系统和试验数据分析系统;针对动车组车辆和模拟半车质量载荷谱复现试验系统分别进行垂向动力学建模,并通过MATLAB/Simulink程序仿真分析在相同激励条件下的车体垂向位移和转向架垂向位移两种系统响应,证明了模拟半车质量载荷谱复现试验系统能够准确地复现中高速模拟车速时车辆在轨运行工况,并将其数学模型作为系统辨识试验的模型构型基础。2)提出了一种以试验转向架车轮处载荷力为测量目标的专用测力平台,设计了测力平台的机械结构、应变片布片方式和测量电路,并从力学理论计算和有限元仿真分析两个角度验证了其科学性和准确性;通过标定试验分析测力平台三向测力的维间耦合效应,提出基于最小二乘法的数值解耦方法,试验表明,数值解耦后,测力平台的单轴载荷测量精度和多轴载荷测量精度均满足试验需求;根据试验台动态性能指标进行了试验台电液伺服控制系统的静态和动态设计,完成液压缸、伺服阀等主要液压元件的选型以及伺服放大器增益值的校正;通过下运动平台扫频试验和模态有限元仿真分析及试验验证了试验台稳定的宽频带激振性能。3)设计了转向架悬挂刚度、阻尼、载荷参数、转动惯量等关键参数的测定方法:以低速准静态的恒速三角波加载试验法测定悬挂刚度参数,以频率步进扫描递增的变频正弦波加载试验法测定悬挂阻尼参数,以倾斜试验法测定转向架重心位置坐标参数,以频率恒定的定频正弦波加载试验法测定转向架转动惯量参数。另外,根据转动惯量、重心位置和运动绕点三者的关系提出了一种预置绕点位置的拟合测定试验法作为转向架重心高度测量的新方法。上述转向架参数测定的试验方法均通过相应试验得到了验证。4)研究国内外轨道不平顺功率谱密度解析表达式,对比分析了中国高铁轨道谱和德国高低干扰谱的线路质量;采用逆傅里叶变换法完成中国高铁轨道不平顺的样本重构,为后续轨道不平顺复现试验提供目标数据;使用试验台位姿运动谱解算系统根据轨道不平顺重构样本数据生成试验台驱动运动谱,并计算不同模拟车速下的试验台液压作动器液压流量需求,证明试验台的液压驱动能力;设计运动平台位姿测量方案,使用激光位移传感器测量平台特定位置的实时位移值,以此来计算平台的空间运动指标;进行不同模拟车速下的中国高铁轨道不平顺复现试验,结果表明,中高速模拟车速下,基于转向架多功能试验台能够准确的完成中国高铁轨道的不平顺复现模拟。5)将模拟半车质量载荷谱复现试验系统的数据传递表示为输入数据转化和模拟半车试验装置两个模块的串联过程,理论分析了计算其传递函数的构型及数学表达式,作为系统辨识试验中的系统基础构型;设计了系统传递函数辨识试验方法,以带通白噪声信号作为输入信号,以最小二乘法估计优化模型参数;提出了将仿真循环迭代和试验循环迭代相结合的迭代方式,通过计算机仿真迭代得到符合精度要求的系统激励,作为试验迭代的初始输入通过台架试验进一步逼近复现目标,提高了试验效率;针对试验中决定迭代速度的误差修正系数设计了能够自动适应复现误差而优化自身数值的策略,对比试验证明,采用这种自适应调节策略后,复现试验所需要的循环迭代次数明显降低,试验效率得以进一步提升。本文研究表明,转向架多功能试验台作为专用的转向架试验装备,其试验能力满足协议性能指标,载荷力测量系统精度满足试验需求,结合所提出的各种试验方法,可以完成转向架关键参数的测定、试验系统的参数辨识以及具有较高试验效率的循环迭代复现试验,能够有效地完成对车辆在轨运行工况的模拟,是成功的试验设备,落成运行以来为我国新型转向架以及轨道交通行业的技术进步做出了较大的贡献,产生了显着的经济效益和社会效益。
陈宇[3]（2021）在《面向图像的非刚体三维重建技术研究与应用》文中研究说明近年来,对物体三维重建的研究多数是在形状大小不会发生改变的刚性物体上,而非刚体作为现实世界的重要组成部分,早期对其三维重建的方式也是基于刚体重建。这些方式将物体尽量作为一个整体进行建模,易产生模型重建偏差,导致很难还原非刚体的局部特征与生理形态。基于此,本文以研究非刚体的鸟类为例,分析与研究已有数据集,重定义鸟类骨架与关键点信息,设计基于局部刚度能量优化的非刚体三维重建算法。对比已有算法并进行实验,本算法取得了对细节还原更好的三维重建效果。本文的主要研究内容分为以下部分:（1）提出了非刚体局部刚度的形变算法。通过对鸟类的骨架分析,本文重定义了鸟类关键点,重点标注了易产生形变的关键部位。同时基于旋转矩阵与局部刚度的定义,结合壳能量函数优化方法,设计了非刚体局部刚度的形变算法。本算法将各个局部的刚度能量根据产生形变的权值分配来最小化,使得模型局部部位的微小形变更加拟合图像的局部特征的同时,不影响模型其余部位的形变。对比实验表明,关键点正确估计指标（PCK）平均高出对比算法模型2.55%,验证了局部刚度对于非刚体模型局部形变的促进作用。（2）提出了面向图像的非刚体三维重建算法。基于非刚体局部刚度的形变算法,旨在重建出完整的非刚体,本算法融合非刚性形变模块、相机位姿预测模块与纹理预测模块,将优化后的数据集预处理,通过最小化联合损失函数,执行对鸟类平均模型形变,重建出鸟类在关键点标注与局部非刚性形变约束下的三维模型,进而拟合鸟类这一非刚体物种的生理形态特征。本算法在交并比（Io U）指标中优于平均模型,以及在关键点正确估计指标（PCK）高出局部算法3.01%,证明了本算法在面向图像的非刚体三维整体重建中取得了正向效果。（3）设计并实现了面向图像的非刚体三维重建系统。基于本文算法框架,分析了非刚体重建的具体需求及其意义,设计了系统整体下各个模块的功能,实现了基于Django的面向图像的非刚体三维重建Web应用系统。本系统不仅能为用户展示已有的模型重建结果,还提供对自定义上传图像实现三维重建的功能。另外,本系统为用户提供了丰富的交互界面与良好的交互体验。本文着重关注非刚体在局部的形变,使得重建模型在一定指标上达到非刚性形变的效果,因此也设计与实现了面向图像的非刚体三维重建系统形成应用。
刘宇涵[4]（2020）在《特种装备全生命周期重要环节实时仿真关键技术研究》文中研究指明特种装备在国防科工和社会生产中占据着非常重要的地位,特种装备的种类十分多样,包括国防装备、工程机械、高端实验器械等,其结构复杂,产品开发周期需经历方案论证、概要与详细设计、加工制造、装配和测试等串行阶段。然而其核心环节中人-机-环境的测试验证是事后验证,导致各环节反复,致使研发成本大量增加,造成产品上市与应用周期延长,因此,对特种装备的全生命周期进行实时仿真能够帮助解决特种装备生产、检测、投入使用到安全维护各环节遇到的问题。本文专注于对特种装备全生命周期中部分重要环节的仿真,对其中的关键技术进行研究与实现,主要包括:特种装备及相关大型场景的实时绘制和漫游、基于刚体动力学的特种装备运动与虚拟操控的物理仿真实现、特种装备伪装用柔性织物实时绘制算法改进、以及特种装备实时仿真中多途径人机交互技术的探索和实现。首先,针对特种装备仿真效果差、场景单一和大型环境绘制延时等问题,探索一种能够对多种特种装备及大型场景进行实时仿真的方法。以集成实车、风力发电机和分子级轴承性能试验样机等多种特种装备及其运行场景为实例,采用专项优化模型材质中面片和三角形的策略,引入多层次细节重划分方法,大大缩减绘制模型数量,实现模型材质轻量化,降低仿真的时延;采用微表面材质模型,引入PBR渲染管线技术,完善材质纹理的真实感,减少渲染时间。从而实现对特种装备所处大型场景的实时绘制与漫游。其次,针对特种装备运动和虚拟操控,以徐工集团水泥泵车、压路机和装载机等多种特种工程车辆为例,采用抽象简化模拟物体运动关系的策略,引入刚体动力学实现特种装备和其他对象模拟方法,对多个特种装备进行受力关系分析,对其在场景中的各个运动关节和部件的受力情况进行描述,对各部件受力姿态相关参数进行优化调整,减少特种装备运动和操控上物理仿真的运算量,避免一定程度物理运动仿真偏差大的情况,提高物理仿真的精确性;保证在每一个绘制时间步长内的时间耗散均在虚拟操控容许的时延之内,实现特种装备运动和虚拟操控的实时性。再次,对于特种装备的伪装应用方面,本文对伪装的柔性布料进行仿真模拟。装备伪装评估在现代装备领域是一个重要的技术,军事伪装的不断发展主要得益于人类科技的进步。采用专注于布料的模型建立和动态模拟的策略,从布料的结构和运动为切入点,通过对布料模拟的几何参数和行为参数的分析,对布料模型的建立方法进行优化,减少运算量;对于异质布料的动态绘制,将场景中不同布料的属性和迭代次数进行分类处理,实现不同的材质效果,提高异质布料动态仿真的真实度;提出一种基于动力学方法的随机可控的区域风场模型,减少风场中布料撕裂效果模拟的时延,并对风场中布料撕裂算法进行改进,随网格变化动态改变质点的撕裂阻尼,改善布料撕裂的仿真效果,实现真实的撕裂效果模拟。最后,针对现有的虚拟现实场景交互模式单一且难以取得良好效果的问题,对特种装备实时仿真中多途径人机交互技术进行探索和实现。采用对不同交互需求进行定向设计和交互设计统一化的策略,设计一套完整的虚拟交互框架、流程和方法。对能够进行语音交互的场景,对声音的采集和合成方法进行改进,优化声音交互端的工作,降低场景声音延时,实现实时虚拟声场沉浸体验;对于复杂工作环境中传统交互无法达到预期效果的情况,设计一套能够用于多种虚拟场景中的手势交互指令集,对人体不同的区域范围构画交互内容,降低手指交互指令间的冲突,提高手势指令的控制效率,实现统一的手势交互;对于沉浸式的交互需求,采用HTC VIVE等设备搭建真实的虚拟场景,获得更加真实的交互体验,从而降低使用者在实际操作过程中遇到的意外情况;对于交互舒适性的研究,在人机操作舒适性验证平台实践中,完成对大吨位装载机和双钢轮压路机操作系统的模拟,有效控制企业的产品研发成本。
李阳光[5]（2020）在《基于多视点视频的三维动态场景重建方法研究》文中指出三维重建技术是通过摄像机从现实物理世界获取物体三维信息的技术。近年来随着技术的发展以及对三维数据需求的增加,使得重建技术受到关注并取得了很大进步。但是,三维重建仍面临一些问题。比如,静态场景重建中,特征匹配存在少量的误匹配现象,以及弱纹理或重复纹理区域的特征不明确造成的点云空洞问题。另外,针对实际的动态场景,还存在目标检测与跟踪不准确,以及动态重建算法不成熟的问题。在本文中,针对多视点图像重建的匹配问题,加入了结构点优化特征匹配过程。使用结构点提供的语义信息,配合物体自身的几何信息对重建的点云空洞进行填补,减少了外点的影响。针对多视点视频动态场景重建,加入了光流算法优化三维场景点云重建过程。利用光流算法跟踪提取运动物体,融合多帧的场景背景点云,有效的提高了场景的信息。考虑到传统光流算法的局限,本文使用了基于深度学习的光流计算方法,提高了场景重建效果。本文主要工作如下:（1）利用物体结构点优化特征匹配过程。针对弱纹理区域特征不易匹配的问题,提取了物体结构点,增加匹配点对,缓解了弱纹理区域特征匹配数量不足的问题。（2）提出了基于结构点优化的点云重建方法。针对重建点云中存在外点以及包含空洞问题,提出一种基于结构点优化的方法。利用卷积网络提取的目标结构点,根据三维空间的关联信息,剔除了重建点云中的外点,并对目标物体所在区域存在的空洞进行填补。（3）提出了基于光流的三维动态重建方法。利用光流跟踪多视点视频中的场景目标,提取三维运动点,融合场景背景点云。在原有的三维静态场景中,融合了多个时刻的点云信息,增加了场景的有效信息量。
刘玉焘[6]（2020）在《基于可穿戴式传感器的人体动作捕获与识别研究》文中提出人体动作捕获与识别具有广阔的市场空间和应用前景,广泛应用于影视动画制作、人机交互、虚拟现实、体育训练、医疗康复等交叉性学科领域。相对于光学式人体动作捕获系统,基于可穿戴传感器的人体动作捕获系统具有成本低、操作简单、不存在空间限制和遮挡问题等诸多优点。本文利用可穿戴传感器来搭建一套低成本、高精度、穿戴便捷、操作简单的人体动作捕获系统,并利用动作捕获数据实现对人体动作的识别。本文的主要研究工作及成果如下:人体运动学模型是人体动作捕获、重构和分析的基础。本文将人体简化为由若干个关节和骨骼所组成的骨骼—关节模型,并且将各个关节的旋转自由度约束以及关节转动角范围限制加入到人体模型中,从而建立了基于约束的层次关节链骨骼模型。根据人体层次关节链骨骼模型的结构,将人体骨骼模型分为五条运动支链。结合机器人正向运动学和齐次坐标转换,建立了人体关节旋转运动模型和人体骨骼位置、姿态模型。高精度、低延时的肢体姿态和位置测量是人体动作捕获与重构的关键。对于姿态测量,本文采用“加速度计+陀螺仪+磁罗盘”的九轴MEMS（MicroElectro-Mechanical System）惯性传感器融合方案来进行姿态测量,并提出了四元数间接卡尔曼滤波算法用于融合九轴惯性传感器的测量数据。为了减小惯性传感器测量误差的影响,首先对传感器进行标定和补偿。本文提出的四元数间接卡尔曼滤波算法可以分为内外两层,内层通过对陀螺仪输出的角速度进行积分来计算姿态四元数的先验估计;外层为基于误差四元数的扩展卡尔曼滤波器。结合内层的姿态四元数先验估计和外层的误差四元数后验估计,最终可以得到姿态四元数的后验估计。此外,该算法还引入了自适应协方差算子,通过对加速度计和磁力计的测量幅值进行检测来调节线性加速度的过程噪声协方差和磁力计的量测噪声协方差,从而减小了人体运动线性加速度和磁场干扰对人体姿态测量的干扰。针对惯性传感器位置测量漂移大的问题,本文在九轴惯性传感器的基础上加入了超宽带（Ultra Wide Band,UWB）定位系统,利用UWB定位系统的位置测量对位置估计进行修正。为了减小时钟误差对UWB定位精度的影响,首先通过标定实验对时钟误差进行标定和补偿,然后利用高斯—牛顿迭代法进行位置解算。最后,结合扩展卡尔曼滤波器和Rauch-Tung-Striebel（RTS）平滑算法对惯性传感器和UWB定位系统的测量输出进行位置估计。实验结果表明本文提出的姿态和位置估计算法有较高的精度和稳定性。系统初始化标定是基于可穿戴传感器人体动作捕获系统必不可少的环节。针对传感器测量坐标系和人体坐标系不重合的问题,本文提出了基于手眼标定的传感器—人体坐标系标定算法,该标定算法只需要三个标定姿势就可以完成全身传感器—人体坐标系的标定。为了减小标定姿势保持过程中肢体抖动对姿态测量的影响,利用内蕴平均算法对标定姿势的姿态测量求平均。此外,该标定算法还可以提供标定质量反馈,当标定姿势不标准时可以提醒用户再次标定。针对人体参数估计问题,本文分别提出了基于人体关节约束的关节参数估计算法和基于封闭关节链的肢体长度估计算法。这两种人体参数估计算法都不需要借助外部设备,只需要几个简单的动作或者姿势就可以完成人体参数的估计。本文利用九轴MEMS惯性传感器和UWB模块搭建了可穿戴式人体动作捕获系统软硬件平台用于上述算法验证。实验结果表明本文设计的可穿戴式人体动作捕获系统可以准确、流畅的捕获和重构人体的运动。相对于加速度、角速度等运动信息,基于多传感器数据融合的姿态测量误差和噪声小,包含信息丰富,可以更加精确地描述人体的动作过程,因此本文采用肢体的相对姿态运动序列或者关节的关节角运动序列来描述人体的动作过程。针对人体动作序列在时间、空间和完整性上的差异性,本文提出了基于动态时间规整（Dynamic Time Warping,DTW）模板匹配的人体动作识别算法。结合相似度阈值,利用DTW算法和姿态度量来计算测试动作序列和各个动作模板序列之间的相似百分比,选择相似度百分比最大动作模板对应的类为测试动作的分类。考虑到DTW模板匹配识别算法的识别率主要取决于模板的质量,本文提出了基于DTW的自适应全局时间序列平均算法用于动作的模板创建。该时间序列平均算法以DTW距离作为相似度度量,可以同时在幅值空间和时间空间上对时间序列进行平均。通过对训练动作序列集求平均,可以得到一个执行速度和幅度适中的动作序列,以此平均动作序列作为动作模板序列可以减小了动作的执行速度和幅度对动作识别的影响。此外,本文还提出了模板预筛选和排序以及非最优匹配提前截止来对识别算法进行优化和加速。最后,本文以手势识别为例来验证识别算法。实验结果表明,以手势训练样本的平均序列作为手势模板,可以显着提高手势的识别率。
王旭[7]（2020）在《一种视动融合的轮椅机械手控制系统研究》文中提出随着社会的发展,世界各国的人口老龄化问题日益严重,而由于各种疾病或事故造成的肢体残疾,丧失基本的独立生活能力的残疾人数量也在不断增加,因此,老年人和残疾人的人口数量越来越多,对他们的护理工作给家庭和社会都造成了巨大的负担。同时伴随着科技的进步,关于助老助残机器人技术方面的研究也日渐突出,并且也越来越多样化和智能化。本文针对老年人和残疾人中肢体残疾程度较高的人群,研究设计了一种轮椅机械手控制系统,能够辅助他们完成日常生活中简单的任务操作,达到帮助他们提高自理能力的目的。首先,研究设计了一种绳传动机械臂的结构并安装在轮椅移动平台上,完成轮椅机械手结构的搭建。通过对套索式柔性绳传动方式的研究,设计了机械臂的关节结构和对应的驱动机构,这使得机械臂关节的驱动电机可以在臂体之外利用绳传动的原理实现驱动动力的传递,从而大大减轻了机械臂的自身重量,增加了操作的灵活性。然后,根据轮椅机械手系统的结构形式进行运动学建模分析。考虑到轮椅机械手系统在结构上的运动特性,基于旋量理论对轮椅机械手系统建立统一的运动学模型,并完成轮椅机械手的正逆运动学的建模和求解;同时针对轮椅机械手的结构推导对应的雅克比矩阵,针对机械臂的结构进行运动学的仿真和工作空间的分析,为轮椅机械手的运动控制奠定基础。其次,针对轮椅机械手系统的目标任务,研究设计轮椅机械手对应的运动控制系统,主要由上位机、控制器、驱动器等硬件以及开发的控制程序等软件组成。轮椅机械手系统通过将人体生物视觉与机器视觉进行结合完成对空间目标物体的发现识别与定位,进而实现对轮椅机械手进行目标操作任务的运动控制;并且基于程序开发环境Qt Creator和LabVIEW研究设计轮椅机械手的控制系统,同时制定控制结构层级之间的通信协议,实现控制数据的通讯传输,从而完成对轮椅机械手系统的整体运动控制。最后,根据研究设计的轮椅机械手系统完成实验验证与分析。通过设计针对轮椅机械手系统结构的实验以及针对轮椅机械手机器视觉系统的目标定位操作过程和人机交互系统运动控制过程的实验,对轮椅机械手控制系统的综合性能进行相应的实验验证。实验结果表明轮椅机械手能够完成目标操作的要求,可以实现助老助残的任务功能。
沈德明[8]（2020）在《轨迹空间中基于概率模型的三维非刚体重建研究》文中指出过去的几十年中,由单目相机多方位拍摄的二维图像序列恢复三维非刚体结构NRSFM（non-rigid structure from motion）是机器视觉领域的研究热点之一。但处理NRSFM问题困难重重,主要在于不同的三维结构形状会产生类似的二维观测图像,而仅考虑重投影的约束不足以得到单一且精准的三维非刚体结构。因此,需要对真实结构的形变和摄像机的拍摄运动有更多的先验知识。本文采用的是基于轨迹空间的三维重建思想,并结合概率模型求解相关参数,在已有研究工作基础上,本文的研究内容如下:（1）本文对基于轨迹空间的NRSFM算法的三大影响因素,即对不同轨迹基类型、数量和组合形式的选择进行了定性、定量的分析。在已有的自动选择轨迹基基础上进行改进,确定出最佳的轨迹基组合和轨迹基的数目,从而提高NRSFM的精度。（2）本文除了结合非刚体运动固有的时间平滑性外,还考虑了特征点之间的空间平滑性。先前的公式很难结合空间平滑性导致先验知识少,求解的运动参数精度差。空间平滑性可以用一个相关性矩阵C来表示,本文通过精准增广拉格朗日法（ALM）和非精准增广拉格朗日法（IALM）对相关性矩阵C进行求解,前者精度高,后者求解时间短。针对千变万化的非刚体数据集,采用不同的方法求解相关性矩阵C来满足相应的需求。（3）本文研究了一种基于概率模型求解NRSFM运动参数的方法。它是结合了矩阵正态分布建立的已知轨迹空间的模型,将真实三维结构中特征点之间的信息转化为先验知识。在ADJUST算法的约束下,提高先验条件精度,再以行、列协方差矩阵的形式,融入到概率模型中,充分结合了数据集中的空间平滑性与时间平滑性。在有精确的先验条件下,能够获得精度更高的三维非刚体结构。
于子宸[9]（2020）在《基于TOF的运动估计软件设计及实现》文中指出场景流估计是当前科学界与工业界均给予关注的热门领域,在三维场景理解、场景动态重建等领域具有重要的作用。场景流描述了场景点和摄像机之间的相对运动形成的三维运动场,其本质是光流在三维空间的扩展,相对于光流,场景流能够更加真实、全面的表示场景的运动场,为计算机视觉系统提供更加丰富的场景动态信息。然而,由于求解空间尺度较大,用稠密运动场表示的场景流计算成本是巨大的,故鲜有实时求解的方法。此外,场景流通常借助其对应的光流图像进行可视化,但这种方式无法直观显示场景的三维运动场。因此,本文基于TOF相机设计并实现了一套运动估计软件,该软件分为图像读取模块、场景流估计模块、可视化模块,其中图像读取模块主要用于读取TOF相机采集的RGB-D视频帧。针对场景流估计模块,本文提出了一种改进的基于RGB-D图像序列的场景流估计算法,该算法能够对相机运动和场景流进行联合估计。算法的核心是对场景进行双重分割,首先利用本文提出的基于K-Means的场景分割优化算法将场景划分为几何簇,将每一簇视为刚体,极大的简化了场景流估计问题;然后将场景分割为背景区域和运动区域,所有分割为背景的簇被用于相机运动的细化,并且单独计算每一个运动簇对应的刚体运动,进而得到其对应的场景流。将本文提出的算法与几种最先进的传统场景流估计算法进行比较,结果表明,该方法能够在保持较高实时性的同时提高场景流估计精度。针对可视化模块,本文根据场景点坐标及对应的场景流创建VTK数据集并搭建VTK可视化管线,实现了场景流的可视化。这能够帮助用户对运动物体的运动状态做出准确判断,也为场景流估计算法的优化提供了依据。
杨苏[10]（2020）在《基于NRSFM的动态场景三维重建方法研究》文中研究表明从二维图像序列中恢复出物体的三维结构信息和运动信息一直以来都是三维重建领域的一个热点问题。现实世界中很多物体都是非刚性的,这些非刚性体的运动信息除了旋转和平移之外,还具有“变形”这一特征,这意味着物体每一帧的结构都发生了变化,因此,通过运动信息求解非刚性体三维结构的问题变得相对复杂。近年来,虽然很多学者都针对这一难题展开了研究并且提出了一些方法,但是仍然存在以下两个问题:1、其重建对象大都是稀疏的特征点,并不能够模拟物体复杂的非刚性变形以及恢复其细节信息,局限性较大并且应用范围较小;2、该方法图像序列获取的方式是相机单侧采集,其恢复出来的仅仅是目标物体单个方向的结构信息,三维信息并不完整。基于上述问题,本文采用 NRSFM（Non-Rigid Structure From Motion）方法得到人体单侧稠密点云,并融合SMPL（Skinned Multi-Person Linear）模型开展对动态人体序列完成三维重建的研究。具体地:（1）图像序列中稠密像素点的匹配。作为NRSFM算法的第一步,图像序列帧间像素点匹配的结果直接会影响到三维重建的效果。针对相机连续采集的一组人体运动的图像序列,利用物体在二维图像中点的“轨迹高度相关”这一特性解决多帧光流问题,完成稠密像素点的匹配。通过假设二维图像像素点的轨迹在一个低维线性子空间附近来建立这个性质的模型,即将二维轨迹解释为三维基形状的线性组合的投影,或者解释为二维运动基的线性组合。首先,选取图像序列中任意一帧作为参考帧,然后估计参考帧中每个可见点在整个图像序列中的二维轨迹,找到参考帧中每个像素点在剩余子序列中的位置,最后将匹配好的人体运动的每一帧稠密像素点按顺序写入测量矩阵W中,得到NRSFM算法的输入。该方法通过时间信息能够预测特定帧中不可见点的位置,从而可以减小由于自遮挡或者外部遮挡所带来的影响。（2）基于NRSFM的三维重建方法研究。首先研究了具有对偶关系的两种NRSFM算法,第一种是形状基表示法,在形状空间中,将物体的三维结构描述成K个形状基的线性组合;第二种是轨迹基表示法,在轨迹空间中,将物体的三维结构描述成K个轨迹基的线性组合。然后通过数据集中的人体运动数据对上述两种方法进行验证,结果表明:形状基表示法要想恢复每一帧的结构,需要重新估计序列帧,运算量大,且严重影响重建效果;轨迹基表示法由于提前定义了轨迹基,整个过程只需要估计系数,重建精度较高。最后基于（1）中人体运动的测量矩阵W,通过轨迹基表示方法得到了连续帧的人体单侧点云。（3）融合SMPL模型的人体三维重建。提出了一种单侧点云融合SMPL模型对人体进行三维重建的一种方法,该方法的本质就是寻找到合适的体型参数β和姿势参数θ。具体地,在（2）中基于轨迹基表示法得到连续帧的人体单侧点云之后,将重建的人体单侧点云结合SMPL模型构造优化函数,使得人体模型与输入的单侧点云之间达到最优配准,求解出体型参数和姿势参数,最后将求解出的体型和姿势参数输入SMPL中生成动态的人体三维模型序列。实验部分为了定量的比较本文方法与HMR方法的重建的效果,基于RGBD融合SFS（Shape From Shading）方法建立了标准的人体三维模型,再将上述两种方法重建的人体模型分别与标准模型进行配准计算,最后得出本文重建效果更好的结论。
二、连接刚体的三维结构和运动参数估计（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、连接刚体的三维结构和运动参数估计（论文提纲范文）
（1）基于深度学习的单目视觉SLAM关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 视觉SLAM技术的国内外研究现状 |
| 1.2.1 单目深度估计及其SLAM应用现状 |
| 1.2.2 基于单目视觉的稠密地图构建研究现状 |
| 1.3 论文研究内容和贡献 |
| 1.4 论文组织结构 |
| 1.5 本章小结 |
| 第2章 视觉SLAM与深度学习相关理论基础 |
| 2.1 视觉SLAM系统坐标系变换与相机模型 |
| 2.1.1 针孔相机模型 |
| 2.1.2 视觉SLAM系统坐标系表示与变换方法 |
| 2.1.3 相机几何标定 |
| 2.2 单目视觉SLAM系统框架 |
| 2.2.1 视觉里程计 |
| 2.2.2 基于非线性算法的位姿优化 |
| 2.2.3 回环检测 |
| 2.2.4 地图构建 |
| 2.3 深度学习理论基础 |
| 2.3.1 深度学习理论与卷积神经网络 |
| 2.3.2 深度学习训练框架 |
| 2.4 本章小结 |
| 第3章 基于深度学习的单目图像深度估计 |
| 3.1 引言 |
| 3.2 基于深度学习的单目深度估计原理 |
| 3.3 单目图像深度估计训练数据预处理 |
| 3.3.1 数据集介绍 |
| 3.3.2 数据集预处理 |
| 3.3.3 深度估计的评价标准 |
| 3.4 基于编码-解码结构的深度估计网络 |
| 3.4.1 编码-解码网络结构搭建 |
| 3.4.2 网络训练设置 |
| 3.4.3 预训练网络性能测试 |
| 3.5 表面法线贴图优化 |
| 3.5.1 表面法线贴图介绍 |
| 3.5.2 表面法线贴图网络搭建 |
| 3.5.3 基于表面法线优化的深度估计网络搭建 |
| 3.5.4 预训练网络训练与测试 |
| 3.6 基于轻量型网络与语义分割的单目深度估计 |
| 3.6.1 轻量级网络搭建 |
| 3.6.2 轻量网络数据集准备 |
| 3.6.3 训练参数和损失函数设置 |
| 3.6.4 预训练网络性能测试 |
| 3.7 本章小结 |
| 第4章 SLAM导航地图的稠密化重建 |
| 4.1 引言 |
| 4.2 单目相机位姿获取与稀疏地图构建 |
| 4.2.1 单目相机位姿获取 |
| 4.2.2 稀疏点云地图构建 |
| 4.3 单幅图像的三维稠密重建 |
| 4.3.1 深度图像的稠密点云重构 |
| 4.3.2 基于RGB-D图像的彩色稠密点云重构 |
| 4.4 多幅图像的点云鲁棒性稠密拼接 |
| 4.4.1 点云滤波 |
| 4.4.2 稠密点云拼接 |
| 4.4.3 点云特征鲁棒性融合重建 |
| 4.5 导航地图形式转换 |
| 4.5.1 八叉树地图构建 |
| 4.5.2 网格地图构建 |
| 4.5.3 基于TSDF原理的点云稠密重建 |
| 4.6 实验与分析 |
| 4.6.1 离线数据集准备 |
| 4.6.2 单幅图像三维重建实验 |
| 4.6.3 点云拼接与稠密化实验 |
| 4.6.4 点云地图转换实验 |
| 4.7 本章小结 |
| 第5章 总结与展望 |
| 参考文献 |
| 作者简介及科研成果 |
| 致谢 |
（2）高速动车组载荷谱复现方法及台架试验研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 车辆系统动力学研究现状 |
| 1.2.2 轨道车辆专用试验设备研究现状 |
| 1.2.3 系统辨识技术研究现状 |
| 1.2.4 迭代复现技术研究现状 |
| 1.2.5 研究现状综合分析 |
| 1.3 课题来源 |
| 1.4 论文主要研究内容 |
| 第2章 转向架多功能试验台系统及动力学建模 |
| 2.1 转向架多功能试验台系统组成 |
| 2.1.1 转向架多功能试验台子系统 |
| 2.1.2 转向架多功能试验台坐标系 |
| 2.1.3 转向架多功能试验台位姿运动谱解算系统 |
| 2.1.4 转向架多功能试验台试验数据分析系统 |
| 2.2 模拟半车质量试验装备 |
| 2.3 车辆及模拟半车质量载荷谱复现试验系统动力学建模 |
| 2.3.1 车辆系统垂向动力学建模 |
| 2.3.2 模拟半车质量载荷谱复现试验系统垂向动力学建模 |
| 2.4 MATLAB/Simulink建模仿真及误差分析 |
| 2.4.1 MATLAB/Simulink建模仿真 |
| 2.4.2 仿真结果分析 |
| 2.5 本章小结 |
| 第3章 转向架多功能试验台测力及驱动技术 |
| 3.1 测力平台测量技术研究 |
| 3.1.1 测力平台结构与安装 |
| 3.1.2 测力平台测量原理 |
| 3.1.3 弹性体加载有限元分析 |
| 3.1.4 测力平台标定试验与维间解耦 |
| 3.2 试验台电液伺服系统设计 |
| 3.2.1 电液伺服控制系统静态设计 |
| 3.2.2 电液伺服控制系统动态设计 |
| 3.3 试验台下运动平台扫频试验及模态试验 |
| 3.3.1 试验台下运动平台扫频试验 |
| 3.3.2 试验台下运动平台模态试验 |
| 3.4 本章小结 |
| 第4章 转向架参数测定方法及试验 |
| 4.1 转向架悬挂刚度及阻尼参数测定 |
| 4.1.1 转向架悬挂参数测定方法 |
| 4.1.2 转向架悬挂刚度测定试验 |
| 4.1.3 转向架悬挂阻尼测定试验 |
| 4.2 转向架载荷参数测定 |
| 4.2.1 转向架载荷参数测定方法 |
| 4.2.2 转向架载荷参数测定试验 |
| 4.3 转向架转动惯量测定 |
| 4.3.1 转向架转动惯量测定方法 |
| 4.3.2 转向架转动惯量测定试验 |
| 4.3.3 基于转动惯量的转向架重心高度测定新方法 |
| 4.4 本章小结 |
| 第5章 中国高铁轨道不平顺样本重构及复现试验 |
| 5.1 轨道不平顺理论 |
| 5.2 中国高铁轨道不平顺样本重构 |
| 5.3 中国高铁轨道不平顺复现试验 |
| 5.3.1 试验台位姿运动谱的生成 |
| 5.3.2 运动平台位姿测量计算方案 |
| 5.3.3 轨道不平顺复现试验数据分析 |
| 5.4 本章小结 |
| 第6章 基于系统辨识理论的载荷谱复现试验 |
| 6.1 模拟半车质量载荷谱复现试验系统传递函数理论分析 |
| 6.1.1 模拟半车质量试验系统G_(sys)传递函数 |
| 6.1.2 输入数据转化过程G_(data)传递函数 |
| 6.1.3 模拟半车质量载荷谱复现试验系统传递函数 |
| 6.2 系统辨识理论及应用 |
| 6.3 模拟半车质量载荷谱复现试验系统传递函数辨识试验 |
| 6.3.1 模型构型选择 |
| 6.3.2 输入信号生成 |
| 6.3.3 基于最小二乘法的系统辨识 |
| 6.3.4 系统模型验证 |
| 6.3.5 参数确定及应用 |
| 6.4 载荷谱复现试验 |
| 6.4.1 载荷谱复现理论 |
| 6.4.2 循环迭代复现试验方案 |
| 6.4.3 恒定误差修正系数载荷谱复现试验 |
| 6.4.4 自适应误差修正系数载荷谱复现试验 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 全文总结 |
| 7.2 工作展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（3）面向图像的非刚体三维重建技术研究与应用（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.3 论文的研究内容与创新 |
| 1.4 论文的章节安排 |
| 第二章 面向图像的非刚体三维重建理论基础 |
| 2.1 物体的三维表示方式 |
| 2.1.1 点云 |
| 2.1.2 体素 |
| 2.1.3 网格 |
| 2.1.4 其他表示方式 |
| 2.2 相机透视投影 |
| 2.2.1 相机成像原理 |
| 2.2.2 坐标系转换 |
| 2.2.3 相机标定参数 |
| 2.3 卷积神经网络基础理论 |
| 2.3.1 卷积神经网络 |
| 2.3.2 残差神经网络 |
| 2.4 本章小结 |
| 第三章 非刚体局部刚度的形变算法研究 |
| 3.1 非刚体刚度分析 |
| 3.1.1 鸟类骨架分析 |
| 3.1.2 局部刚度 |
| 3.2 非刚体局部形变算法 |
| 3.2.1 旋转矩阵 |
| 3.2.2 形变权重 |
| 3.2.3 刚度能量优化算法 |
| 3.3 实验过程及结果分析 |
| 3.3.1 实验环境 |
| 3.3.2 实验流程 |
| 3.3.3 结果与分析 |
| 3.4 本章小结 |
| 第四章 面向图像的非刚体三维重建算法 |
| 4.1 非刚体图像数据集预处理 |
| 4.2 模型重建算法框架设计 |
| 4.3 损失函数设计 |
| 4.3.1 非刚性形变模块 |
| 4.3.2 相机位姿预测模块 |
| 4.3.3 纹理预测模块 |
| 4.3.4 先验模块 |
| 4.4 实验流程与结果分析 |
| 4.4.1 实验环境 |
| 4.4.2 实验流程 |
| 4.4.3 实验结果及分析 |
| 4.5 本章小结 |
| 第五章 非刚体三维重建系统设计与实现 |
| 5.1 需求分析 |
| 5.1.1 系统背景 |
| 5.1.2 功能需求 |
| 5.2 系统设计 |
| 5.2.1 系统架构 |
| 5.2.2 功能模块设计与实现 |
| 5.2.3 数据库设计 |
| 5.3 系统实现与展示 |
| 5.3.1 系统技术实现 |
| 5.3.2 系统界面展示 |
| 5.4 系统测试 |
| 5.5 本章小结 |
| 第六章 全文总结与展望 |
| 6.1 全文总结 |
| 6.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间取得的成果 |
（4）特种装备全生命周期重要环节实时仿真关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题背景及研究的目的和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 特种装备及相关大型场景的实时绘制和漫游技术现状分析 |
| 1.2.2 特种装备刚体动力学仿真模拟现状分析 |
| 1.2.3 特种装备虚拟伪装柔性织物仿真现状分析 |
| 1.2.4 特种装备仿真中人机交互技术现状分析 |
| 1.3 存在的主要问题 |
| 1.4 本文的主要研究内容及创新点 |
| 1.5 论文的组织结构 |
| 第2章 特种装备及相关大型场景的实时绘制和漫游 |
| 2.1 大型场景的实时绘制和漫游技术 |
| 2.1.1 多层次细节重划分技术分析 |
| 2.1.2 基于PBR渲染管线技术分析 |
| 2.1.3 实时仿真相关理论应用 |
| 2.2 特种装备大型场景的实时仿真应用实践 |
| 2.2.1 集成实车虚拟仿真平台 |
| 2.2.2 风力发电机虚拟仿真平台 |
| 2.2.3 分子级轴承仿真虚拟场景试验平台 |
| 2.3 本章小结 |
| 第3章 基于刚体动力学的特种装备物理仿真研究 |
| 3.1 泵车刚体动力仿真模拟应用 |
| 3.1.1 泵车仿真问题剖析 |
| 3.1.2 泵车刚体动力学建模 |
| 3.1.3 泵车刚体动力学优化 |
| 3.2 装载机刚体动力仿真模拟应用 |
| 3.2.1 装载机仿真问题剖析 |
| 3.2.2 装载机刚体动力学建模 |
| 3.2.3 装载机刚体动力学优化 |
| 3.3 压路机刚体动力仿真模拟应用 |
| 3.3.1 压路机仿真问题剖析 |
| 3.3.2 压路机刚体动力学建模 |
| 3.3.3 压路机刚体动力学优化 |
| 3.4 仿真系统实验效果对比与分析 |
| 3.4.1 泵车作业模拟应用系统 |
| 3.4.2 装载机的动力学仿真应用系统 |
| 3.4.3 压路机的动力学仿真应用系统 |
| 3.5 本章小结 |
| 第4章 特种装备虚拟伪装柔性织物仿真研究 |
| 4.1 伪装布料模型的建立 |
| 4.1.1 针对三角形面片的质点弹簧模型优化 |
| 4.1.2 基于位置动力学的伪装布料建模 |
| 4.2 特种装备应用布料的动态真实性问题剖析 |
| 4.2.1 异质布料的动态绘制 |
| 4.2.2 真实风场物理模型问题剖析 |
| 4.3 风场下伪装布料撕裂的改进 |
| 4.3.1 布料撕裂算法问题剖析 |
| 4.3.2 Half-edge半边结构分析 |
| 4.3.3 Half-edge的改进 |
| 4.3.4 布料撕裂稳定性的改进 |
| 4.4 布料仿真效果验证 |
| 4.4.1 实验背景 |
| 4.4.2 伪装布料真实性验证 |
| 4.4.3 实验结果 |
| 4.5 本章小结 |
| 第5章 特种装备虚拟现实人机交互技术研究 |
| 5.1 虚拟声场的采集和处理 |
| 5.2 虚拟装配中的手势交互 |
| 5.2.1 手势交互系统构建 |
| 5.2.2 面向特种装备虚拟装配场景的交互设计 |
| 5.2.3 手势操控发动机装配案例 |
| 5.3 特种装备的沉浸式交互 |
| 5.3.1 沉浸式交互问题剖析 |
| 5.3.2 碰撞检测与力反馈 |
| 5.3.3 虚拟测量软件模拟及应用 |
| 5.4 特种装备人机交互舒适性验证 |
| 5.4.1 特种装备交互仿真舒适性问题剖析 |
| 5.4.2 真实特种装备操作环境建立 |
| 5.4.3 特种装备仿真交互模式改进 |
| 5.4.4 实验案例 |
| 5.5 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间承担的科研任务与主要成果 |
| 致谢 |
（5）基于多视点视频的三维动态场景重建方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 研究现状 |
| 1.2.1 静态重建 |
| 1.2.2 动态重建 |
| 1.3 研究内容与组织结构 |
| 第二章 三维重建关键技术 |
| 2.1 特征匹配相关知识 |
| 2.1.1 图像特征 |
| 2.1.2 特征提取 |
| 2.2 几何相关知识 |
| 2.2.1 坐标系变换 |
| 2.2.2 对极几何和本质矩阵 |
| 2.2.3 三角测量 |
| 2.2.4 多视图几何 |
| 2.3 李群与李代数 |
| 2.4 位姿求解与优化算法 |
| 2.4.1 3D-2D匹配 |
| 2.4.2 3D-3D |
| 2.4.3 优化算法 |
| 2.5 结构点 |
| 2.6 本章小结 |
| 第三章 基于结构点优化的三维重建 |
| 3.1 总体设计方案 |
| 3.2 结构点提取与匹配 |
| 3.2.1 结构点提取 |
| 3.2.2 结构点匹配 |
| 3.3 深度估计 |
| 3.4 空间点优化 |
| 3.5 实验结果 |
| 3.6 本章小结 |
| 第四章 基于光流跟踪的动态重建 |
| 4.1 整体方案设计 |
| 4.2 初始点云重建 |
| 4.3 空间点优化 |
| 4.4 光流提取与跟踪 |
| 4.4.1 目标检测 |
| 4.4.2 光流提取 |
| 4.4.3 光流跟踪 |
| 4.5 模型融合 |
| 4.6 实验结果 |
| 4.7 本章小结 |
| 第五章 总结 |
| 5.1 工作总结 |
| 5.2 不足与改进 |
| 参考文献 |
| 附录1 |
| 致谢 |
| 攻读硕士学位期间发表的学术论文目录 |
（6）基于可穿戴式传感器的人体动作捕获与识别研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 人体动作捕获技术发展现状 |
| 1.2.1 人体动作捕获技术分类 |
| 1.2.2 惯性动作捕获系统发展现状 |
| 1.3 论文研究的关键技术及研究现状 |
| 1.3.1 基于多传感器融合的姿态和位置测量 |
| 1.3.2 人体动作捕获系统初始化标定 |
| 1.3.3 基于可穿戴传感器的人体动作识别 |
| 1.4 研究内容及章节安排 |
| 第2章 人体运动学建模与分析 |
| 2.1 引言 |
| 2.2 人体骨骼模型 |
| 2.3 人体姿态运动学 |
| 2.3.1 坐标系定义 |
| 2.3.2 单肢体的姿态描述 |
| 2.3.3 人体的关节约束 |
| 2.4 人体运动学 |
| 2.4.1 齐次坐标变换 |
| 2.4.2 基于根骨骼的人体正向运动学 |
| 2.5 本章小结 |
| 第3章 单肢体的姿态和位置测量 |
| 3.1 引言 |
| 3.2 MEMS惯性传感器的标定与补偿 |
| 3.2.1 MEMS惯性传感器测量误差模型 |
| 3.2.2 MEMS惯性传感器的标定 |
| 3.3 基于自适应四元数间接卡尔曼滤波器的姿态融合算法 |
| 3.3.1 MEMS惯性传感器测量模型 |
| 3.3.2 间接卡尔曼滤波器过程模型 |
| 3.3.3 间接尔曼滤波量测模型 |
| 3.3.4 自适应间接卡尔曼滤波器更新方程 |
| 3.3.5 姿态四元数估计 |
| 3.4 基于惯性传感器和UWB传感器的位置测量 |
| 3.4.1 UWB测量模型 |
| 3.4.2 UWB测量误差分析与补偿 |
| 3.4.3 UWB定位解算 |
| 3.4.4 基于惯性传感器和UWB传感器的位置融合算法 |
| 3.5 实验结果与分析 |
| 3.5.1 MEMS惯性传感器标定实验 |
| 3.5.2 姿态测量实验 |
| 3.5.3 基于惯性传感器和UWB传感器的位置测量实验 |
| 3.6 本章小结 |
| 第4章 基于可穿戴传感器的人体运动捕获系统设计 |
| 4.1 引言 |
| 4.2 姿态的度量与平均 |
| 4.2.1 姿态的度量定义 |
| 4.2.2 姿态的内蕴平均计算 |
| 4.3 基于手眼标定的传感器—人体坐标系标定 |
| 4.3.1 标定姿势定义 |
| 4.3.2 标定姿势数据采集和分割 |
| 4.3.3 传感器—人体坐标转换矩阵计算 |
| 4.4 人体参数估计 |
| 4.4.1 基于关节约束的关节参数估计 |
| 4.4.2 基于封闭关节链的肢体长度估计 |
| 4.5 基于可穿戴传感器的人体动作捕获系统软硬件设计 |
| 4.5.1 基于可穿戴传感器的人体动作捕获系统硬件设计 |
| 4.5.2 数据传输协议设计 |
| 4.5.3 上位机软件设计 |
| 4.6 实验结果与分析 |
| 4.6.1 传感器—人体坐标系标定实验 |
| 4.6.2 人体参数估计实验 |
| 4.6.3 人体动作捕获实验 |
| 4.7 本章小结 |
| 第5章 基于DTW模板匹配的人体动作识别 |
| 5.1 引言 |
| 5.2 人体动作描述 |
| 5.3 基于DTW模板匹配的人体动作识别算法 |
| 5.3.1 人体动作信号预处理 |
| 5.3.2 基于DTW和姿态度量的人体动作相似度计算 |
| 5.3.3 基于DTW模板匹配的人体动作识别 |
| 5.4 基于时间序列平均的人体动作模板创建 |
| 5.4.1 基于DTW的时间序列平均问题 |
| 5.4.2 基于DTW的自适应全局时间序列平均 |
| 5.4.3 人体动作模板创建 |
| 5.5 实验结果与分析 |
| 5.5.1 时间序列平均实验结果与分析 |
| 5.5.2 手势实验结果与分析 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 附录 ADBA算法的收敛性证明 |
| 攻读博士学位期间发表的论文及其他成果 |
| 致谢 |
| 个人简历 |
（7）一种视动融合的轮椅机械手控制系统研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 背景意义及来源 |
| 1.2.1 研究背景和意义 |
| 1.2.2 研究的来源 |
| 1.3 国内外研究现状 |
| 1.3.1 轮椅机械臂的研究现状 |
| 1.3.2 人机交互方式的研究现状 |
| 1.3.3 机器视觉方面的研究现状 |
| 1.4 主要研究内容 |
| 1.4.1 研究内容 |
| 1.4.2 论文结构 |
| 1.5 本章小结 |
| 第二章 轮椅机械手系统的结构设计 |
| 2.1 引言 |
| 2.2 轮椅机械手系统的方案 |
| 2.3 机械臂的结构设计 |
| 2.3.1 机械臂的结构要求与方案 |
| 2.3.2 机械臂的结构模型 |
| 2.3.3 机械臂关节的绳传动方式 |
| 2.3.4 机械臂末端效应器的结构 |
| 2.4 轮椅机械手结构的设计 |
| 2.4.1 轮椅机械手的移动平台 |
| 2.4.2 轮椅机械手的结构参数 |
| 2.4.3 轮椅机械手的驱动机构 |
| 2.5 轮椅机械手的控制方案 |
| 2.6 本章小结 |
| 第三章 轮椅机械手的运动学分析 |
| 3.1 引言 |
| 3.2 机器人的运动学分析 |
| 3.2.1 旋量理论运动学分析法 |
| 3.2.2 运动学分析的坐标系 |
| 3.3 移动平台的运动学分析 |
| 3.4 轮椅机械臂的运动学分析 |
| 3.4.1 轮椅机械臂的运动学正解 |
| 3.4.2 轮椅机械臂的运动学逆解 |
| 3.5 轮椅机械手的雅克比矩阵 |
| 3.6 轮椅机械臂的运动仿真分析 |
| 3.6.1 机械臂的运动学仿真 |
| 3.6.2 机械臂的工作空间分析 |
| 3.7 本章小结 |
| 第四章 轮椅机械手的控制系统设计 |
| 4.1 引言 |
| 4.2 轮椅机械手的人机交互系统 |
| 4.2.1 人机交互的实现方式 |
| 4.2.2 运动姿态信号的采集 |
| 4.2.3 信号数据的处理过程 |
| 4.3 人机交互系统中的视线方向 |
| 4.3.1 视线运动方向的估计 |
| 4.3.2 视线运动方向的识别 |
| 4.3.3 视线运动方向的控制策略 |
| 4.4 轮椅机械手的机器视觉系统 |
| 4.4.1 机器视觉的图像采集 |
| 4.4.2 目标图像的处理和识别 |
| 4.4.3 视觉中目标物体的距离 |
| 4.4.4 图像中目标的空间坐标 |
| 4.5 机器视觉系统中的参数矩阵 |
| 4.5.1 相机设备的外参矩阵 |
| 4.5.2 机器视觉系统的标定 |
| 4.6 轮椅机械手运动控制的实现 |
| 4.6.1 人体视线运动方向的控制 |
| 4.6.2 轮椅机械手的视觉定位模型 |
| 4.6.3 轮椅机械手运动控制的过程 |
| 4.6.4 轮椅机械手系统的控制程序 |
| 4.7 本章小结 |
| 第五章 轮椅机械手系统的实验与分析 |
| 5.1 引言 |
| 5.2 轮椅机械臂关节的标定实验 |
| 5.3 视线运动方向的控制实验 |
| 5.3.1 轮椅机械手的控制指令 |
| 5.3.2 运动控制的测试实验 |
| 5.4 目标的定位与操作实验 |
| 5.4.1 机器视觉的目标定位 |
| 5.4.2 目标物体的操作实验 |
| 5.5 本章小结 |
| 第六章 结论与展望 |
| 6.1 引言 |
| 6.2 结论 |
| 6.2.1 论文研究总结 |
| 6.2.2 论文研究创新点 |
| 6.3 展望 |
| 6.4 本章小结 |
| 参考文献 |
| 致谢 |
| 附录 |
（8）轨迹空间中基于概率模型的三维非刚体重建研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景和研究意义 |
| 1.2 三维运动重建问题的国内外研究现状 |
| 1.2.1 主流三维重建方法 |
| 1.2.2 刚体三维运动重建 |
| 1.2.3 非刚体三维运动重建 |
| 1.2.4 现存的问题 |
| 1.3 本文的主要内容与结构安排 |
| 1.3.1 本文主要研究内容 |
| 1.3.2 本文结构安排 |
| 第二章 基于轨迹空间的三维运动重建理论 |
| 2.1 引言 |
| 2.2 轨迹空间中的非刚体结构表示 |
| 2.3 形状基和轨迹基的对偶性理论 |
| 2.4 轨迹空间中非刚体结构重建 |
| 2.4.1 预定义轨迹基 |
| 2.4.2 非刚体运动结构分解 |
| 2.4.3 更新矫正矩阵 |
| 2.5 本章小结 |
| 第三章 轨迹基的自动选择方法 |
| 3.1 引言 |
| 3.2 轨迹基的种类与选择 |
| 3.3 轨迹基的数日对NRSFM算法的影响 |
| 3.4 轨迹基的组合形式对NRSFM算法的影响 |
| 3.5 轨迹基数目和组合形式的自动选择方法 |
| 3.5.1 技术背景 |
| 3.5.2 轨迹基自动选择算法的具体流程 |
| 3.6 实验验证及分析 |
| 3.7 本章小结 |
| 第四章 轨迹空间中相关性矩阵C的求解 |
| 4.1 引言 |
| 4.2 相关性矩阵C的唯一性 |
| 4.3 增广拉格朗日法(ALM) |
| 4.4 非精准的增广拉格朗日法(IALM) |
| 4.4.1 IALM算法流程 |
| 4.4.2 IALM算法的收敛性 |
| 4.4.3 IALM算法的时间复杂度 |
| 4.5 实验验证及分析 |
| 4.6 本章小结 |
| 第五章 基于概率模型的三维非刚体重建 |
| 5.1 引言 |
| 5.2 基于ADJUST方法的先验行、列协方差求解 |
| 5.2.1 矩阵正态分布模型和方法 |
| 5.2.2 协方差非辨识的处理方法 |
| 5.2.3 基于ADJUST的矩阵优化 |
| 5.3 概率点轨迹模型(PPTA) |
| 5.4 概率相关点轨迹模型(PCPTA) |
| 5.4.1 概率相关点轨迹模型(PCPTA) |
| 5.4.2 PCPTA模型参数求解 |
| 5.5 基于概率模型的三维非刚体重建流程 |
| 5.6 实验结果与分析 |
| 5.6.1 性能评估指标 |
| 5.6.2 相关性矩阵C求解方法对性能的影响 |
| 5.6.3 参数σ~2的取值对性能的影响 |
| 5.6.4 与其它方法的比较 |
| 5.7 本章小结 |
| 第六章 总结和展望 |
| 6.1 工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间的研究成果 |
（9）基于TOF的运动估计软件设计及实现（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 场景流估计技术研究现状 |
| 1.2.2 TOF技术发展现状 |
| 1.3 本文的工作内容 |
| 2 软件总体设计及相关技术介绍 |
| 2.1 软件总体设计 |
| 2.2 TOF传感器深度测量原理 |
| 2.2.1 dTOF技术方案 |
| 2.2.2 iTOF技术方案 |
| 2.2.3 iTOF与 dTOF技术方案对比 |
| 2.3 场景流估计模块相关技术 |
| 2.3.1 场景流定义 |
| 2.3.2 刚体运动的表示 |
| 2.3.3 场景流的表示方式 |
| 2.3.4 Lucas-Kanade框架 |
| 2.3.5 K-Means聚类算法 |
| 2.4 可视化模块相关技术 |
| 2.4.1 VTK可视化工具简介 |
| 2.4.2 VTK的数据集 |
| 2.4.3 VTK的可视化管线 |
| 2.5 本章小结 |
| 3 基于几何聚类的场景流估计 |
| 3.1 相机运动的近似估计 |
| 3.1.1 亮度一致性与几何一致性 |
| 3.1.2 相机运动的近似估计 |
| 3.2 基于K-Means的 RGBD图像聚类 |
| 3.3 背景分割 |
| 3.4 场景流估计与相机运动细化 |
| 3.5 本章小结 |
| 4 运动估计软件设计及实现 |
| 4.1 软件界面设计 |
| 4.2 图像读取模块设计及实现 |
| 4.3 场景流估计模块设计及实现 |
| 4.4 可视化模块设计及实现 |
| 4.5 本章小结 |
| 5 运动估计软件测试 |
| 5.1 基于图像序列的场景流估计模式测试 |
| 5.2 基于TOF相机的场景流估计模式测试 |
| 5.3 场景流估计精度评估 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（10）基于NRSFM的动态场景三维重建方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究目的 |
| 1.2 国内外研究现状 |
| 1.3 主要工作及章节安排 |
| 1.3.1 主要工作 |
| 1.3.2 全文各章节内容安排 |
| 2 相关理论 |
| 2.1 光流法 |
| 2.1.1 物理意义 |
| 2.1.2 光流场 |
| 2.1.3 基本原理 |
| 2.2 从运动恢复结构方法原理 |
| 2.2.1 刚性体从运动恢复结构 |
| 2.2.2 非刚性体从运动恢复结构(NRSFM) |
| 2.3 奇异值分解 |
| 2.3.1 奇异值分解的原理 |
| 2.3.2 奇异值分解的应用 |
| 2.4 本章小结 |
| 3 图像序列中稠密像素点的匹配 |
| 3.1 多帧图像配准 |
| 3.1.1 低阶轨迹空间 |
| 3.1.2 稠密二维轨迹的子空间约束 |
| 3.1.3 通过多帧光流实现非刚性视频配准 |
| 3.2 可变多帧光流估计 |
| 3.2.1 能量函数的描述 |
| 3.2.2 有效的轨迹正则化 |
| 3.3 优化能量函数 |
| 3.3.1 最小化步骤1 |
| 3.3.2 最小化步骤2 |
| 3.4 轨迹基的推导 |
| 3.5 向量值图像序列的泛化 |
| 3.6 光流的再参数化 |
| 3.7 实验与分析 |
| 3.7.1 人脸表情变化实验 |
| 3.7.2 人体运动实验 |
| 3.8 本章小结 |
| 4 基于NRSFM的三维重建方法研究 |
| 4.1 基于形状基表示法的非刚性体从运动恢复结构 |
| 4.1.1 形状空间和形状基 |
| 4.1.2 形状空间中非刚性体的结构表示 |
| 4.1.3 归一化测量矩阵的奇异值分解 |
| 4.1.4 恢复系数矩阵 |
| 4.1.5 恢复结构矩阵和旋转矩阵 |
| 4.2 基于轨迹基表示的非刚性体从运动恢复结构研究 |
| 4.2.1 轨迹空间和轨迹基 |
| 4.2.2 轨迹空间中非刚体的轨迹表示 |
| 4.2.3 归一化测量矩阵的奇异值分解 |
| 4.2.4 估计矫正矩阵从而恢复旋转矩阵 |
| 4.2.5 预定义轨迹基及恢复结构矩阵 |
| 4.3 实验结果与分析 |
| 4.3.1 数据集中的人体运动数据 |
| 4.3.2 真实的人体运动数据 |
| 4.3.3 实验分析 |
| 4.4 本章小结 |
| 5 融合SMPL模型的人体三维重建 |
| 5.1 蒙皮多人线性模型SMPL模型 |
| 5.2 融合SMPL模型的人体三维重建 |
| 5.2.1 人体运动序列单侧点云的获取 |
| 5.2.2 体型与姿势估计 |
| 5.3 实验分析 |
| 5.3.1 人体单侧三维点云的获取 |
| 5.3.2 生成SMPL人体模型 |
| 5.3.3 模型对比实验 |
| 5.3.4 定量分析实验 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 全文总结 |
| 6.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的论文 |
四、连接刚体的三维结构和运动参数估计（论文参考文献）
- [1]基于深度学习的单目视觉SLAM关键技术研究[D]. 黄康. 吉林大学, 2021(01)
- [2]高速动车组载荷谱复现方法及台架试验研究[D]. 张益瑞. 吉林大学, 2021(01)
- [3]面向图像的非刚体三维重建技术研究与应用[D]. 陈宇. 电子科技大学, 2021(01)
- [4]特种装备全生命周期重要环节实时仿真关键技术研究[D]. 刘宇涵. 燕山大学, 2020(01)
- [5]基于多视点视频的三维动态场景重建方法研究[D]. 李阳光. 北京邮电大学, 2020(04)
- [6]基于可穿戴式传感器的人体动作捕获与识别研究[D]. 刘玉焘. 哈尔滨工业大学, 2020(01)
- [7]一种视动融合的轮椅机械手控制系统研究[D]. 王旭. 济南大学, 2020(01)
- [8]轨迹空间中基于概率模型的三维非刚体重建研究[D]. 沈德明. 浙江理工大学, 2020(02)
- [9]基于TOF的运动估计软件设计及实现[D]. 于子宸. 大连理工大学, 2020(02)
- [10]基于NRSFM的动态场景三维重建方法研究[D]. 杨苏. 陕西科技大学, 2020(02)