葡京娱乐场-富盈娱乐场开户

自然場景視覺感知與理解是人工智能的前沿熱點，其主要任務是對場景中的視覺要素進行認知，進而推斷出其中包含的場景語義。IMAGINE實驗室近年來相繼從場景構成分析、場景內容推理、場景結構建模等角度對這一問題展開了系統研究，著重探索了融合先驗建模與深度學習的自然場景視覺理解這一問題。大數據具有規模大、種類多、產生速度快、有價值數據密度低等特點。對大數據信息分析具有重要意義，也是目前研究的熱點，其主要任務是利用數據分析的方法從大數據中獲取有價值信息。IMAGINE實驗室近年來結合深度學習前沿技術和傳統數據分析方法進行數據分析和預測，并在海關大數據分析項目和國網電力冰風災害預測項目中進行應用

01. 成果簡介 本成果涉及一種多模態觸覺感知裝置，屬于機器人傳感器技術領域。與人類相似，機器人感知外界環境最真實、穩定、便捷的方式便是通過機器人手觸摸，機器人手的感知能力決定了機器人是否能夠正確認知外界環境以及機器人的操作精度、成功率等。在新一代機器人手中，傳感裝置已逐漸趨于陣列化、多功能化和集成化。目前常見的觸覺傳感器有壓阻式、電容式、光電式等，它們都存在密度難以提高、電路處理復雜等問題。為了克服以上不足，近年出現了基于視覺的觸覺傳感裝置，具有結構簡單、信息豐富等優勢。目前基于視覺的觸感裝置仍存在性能提升空間。 本項目將感溫變色油墨材料應用于觸感裝置，感知機器人操作過程中的溫度[1]。同時提出一種基于微視覺的觸覺三維力檢測方法，通過采集觸覺接觸區域內彈性體的形變圖像的變化，采用一系列圖像處理方法，并且使用神經網絡擬合的技巧，定性并且定量的刻畫物理世界中的觸覺、滑覺等，從而提供了一種多模態觸覺感知裝置，可以得到三維接觸力、接觸物體表面的溫度及紋理等多種模態信息[2]。本裝置打破了傳統觸覺感知裝置單模態信息采集的現狀，可在同一感知裝置中集成受力、紋理、溫度等信息的測量，檢測觸覺、滑覺、壓覺三維接觸力，獲得高精度的接觸紋理信息，實現了多模態信息的測量，并將這些信息綜合到對一個物體的識別、抓取操作中，使機器人更加智能化、人性化。本裝置具有實時性好，檢測穩定，檢測誤差小，檢測精度高的優點。 圖1. 基于微視覺的多模態觸覺感知裝置結構圖圖2. 結合多模態觸感裝置的機械手02. 應用前景 本成果技術可應用于工業機器人、智能機器人、人機協作、醫療康復等領域，應用前景廣泛。03. 知識產權 本成果核心技術已申請發明專利3項。04. 團隊介紹 項目團隊致力于研究具備自主決策和學習能力的機器人操作技能學習系統。團隊包括孫富春、方斌、劉華平、宋亦旭四位教師，專注智能機器人靈巧精準操作研究，研制了擬人觸覺的傳感裝置、多模態穿戴交互裝置、殘疾人假肢靈巧手、仿人感知靈巧手和變剛度軟體手，在本領域發表論文40余篇，申請專利20余項，獲得IROS2016機器人靈巧操作比賽冠軍、IROS2017服務機器人操作比賽亞軍、WRC2016最佳科技創新獎等。同時團隊和河北清華發展研究院合作成立了人工智能及機器人研究中心，共同推動智能機器人的產業化發展。05. 合作方式 技術許可。06. 聯系方式 郵箱：[email protected]， [email protected]

研究意義1. 視覺感知是高鐵、自動駕駛車輛、無人航行器等自動化設備實現環境感知的重要手段。2. 對運動狀態下產生的圖像模糊進行復原是計算機視覺領域的重要研究內容。3. 運動模糊對于基于視覺的目標檢測算法的檢測能力具有顯著影響。 研究目標 本研究相機在直線運動狀態下前進速度與目標檢測算法在產 生的模糊圖像上檢測能力的關系。通過實驗進行具體關系的 研究與分析。對模糊圖像應用合適的去模糊算法，觀察并分 析去模糊后目標檢測能力的變化。

Anter是以安全協作、自主運動、智能感知、行為決策為核心功能的多模態感知復合機器人。她開創了機器人協作、運動、感知決策的柔性工作模式，擺脫傳統機器人位置固定、任務固定的結構化環境工作方式，適用于科研教育、工業移動作業、物流分揀、倉儲管理、安防巡檢、醫療服務、智慧零售等領域。

基于圖像處理和機器學習進行人眼特征提取與分析，建 立基于特征模型與外觀模型融合的智能視覺感知機制，并通過 海量大數據分析和建模計算，提出了智能視覺感知驅動的眼動 注視點計算方法，解決了跨設備坐標系空間無縫轉換和多用戶 標定模型共享等關鍵“卡脖子”技術問題。此外，提出基于深 度學習的運動想象腦電分類方法，面向人-機器人交互開發了 智能腦機接口與應用系統。 ：

"自然場景視覺感知與理解是人工智能的前沿熱點，其主要任務是對場景中的視覺要素進行認知，進而推斷出其中包含的場景語義。 IMAGINE實驗室近年來相繼從場景構成分析、場景內容推理、場景結構建模等角度對這一問題展開了系統研究，著重探索了融合先驗建模與深度學習的自然場景視覺理解這一問題。"

微創機器人外科及觸覺感知國家自然科學基金課題 微創外科(MIS)與開放外科手術相比，具有切口小、疼痛輕、出血少和恢復快等優點，廣泛應用于胸腹、脊柱、心血管和泌尿外科等領域 微創機器人外科(MIRS)由機器人替代醫生操控手術器械，克服醫生人為因素帶來的風險，提高手術的安全性和靈巧性，改善手術精度和質量 觸覺力信息缺失導致過大的操作力和器官組織創傷，是當前微創機器人外科面臨的共同問題。項目利用光纖技術，研究微型觸覺力傳感器及其在器官組織類型和邊界鑒定、機器人反饋控制應用中涉及到的一系列挑戰性問題。獲得的相關理論與技術，有望消除觸覺缺失引起的手術風險，提高微創機器人外科手術的精度、穩定性和質量。

本技術采用大數據智能分析算法，處理高速列車運行過程中產生的大量數據，智能辨識高速列車運行狀態。以高速列車外部受流裝備為對象，從受電弓狀態實時感知與能耗分項統計兩個角度，展示非侵入式智能感知技術在高速列車的最新應用。 1.受電弓狀態實時感知 獲取受電弓的原始信號并進行預處理，獲取多個原始數據向量；對原始數據向量進行多尺度分解，從每個子頻帶提取特征量并構建時序特征向量；將特征向量和受電弓故障的分類標記作為特征映射數據，訓練故障識別預判機制；以原始數據向量和故障類型分別作為輸入輸出數據，訓練故障識別模型。對受電弓的實時電流信號進行處理，得到原始數據向量和特征向量，故障識別預判模型根據特征向量對受電弓進行故障預判，若有故障，故障識別模型根據原始數據向量對受電弓的故障類型進行識別。實現列車運行狀態下，對受電弓進行實時在線監測與故障類型識別，且無需在列車外部及路網沿線另外加裝硬件設備。 2.列車能耗分項統計 通過大數據智能分析方法，結合位于電路關鍵位置部分傳感器提供的實時數據，可對動力系統、空調系統、照明系統、廚衛系統、用戶交互系統等不同功能模塊，提供非侵入式能耗分項統計。統計結果能為鐵路管理部門提供參考，優化列車運行管理模式，改進各系統的運行機制，降低高速列車運行能耗。 圖1 高速列車受電裝置 圖2 受流裝置故障特征映射及辨識方法 圖3 不同功能模塊設備的提取特征 圖4 不同設備的分項能耗統計

圍繞無人駕駛、智能制造領域，本項目針對傳統機器視覺難以同時兼顧大視場、高分辨、實時性的技術瓶頸，從源頭打破常規成像規則，鑒于昆蟲復眼具有大視場高靈敏的優勢，以及人眼視覺具有變分辨率和冗余數據壓縮的優勢，將兩者相結合，提出一種復合仿生三維成像感知方法，通過突破變分辨掃描發射、多通道并行接收、圖像重構與成像感知算法等關鍵技術，形成了具有體系化的前沿技術成果，研發出了諸如收發探測模塊，多通道仿生曲面相機系統、在線光電檢測系統等實物成果。核心技術受到國家、省部級項目資助5項。