熟女人妻水多爽中文字幕,国产精品鲁鲁鲁,隔壁的少妇2做爰韩国电影,亚洲最大中文字幕无码网站

徐升團隊提出一種基于分布式TOA多傳感器系統的三維目標定位方法

中國科學院深圳先進技術研究院智能仿生研究中心徐升研究團隊在基于分布式 TOA 多傳感器系統的三維目標定位方法研究中取得進展。相應研究成果為“Xu S, Ou YS, Wu XY. Optimal sensor placement for 3-D time-of-arrival target localization [J]. IEEE Transactions on Signal Processing, 2019, 67(19): 5018-5031(三維目標定位中的分布式信號傳輸時間傳感器最優分布策略研究)”。

在目標精確定位研究領域，如何采用分布式多傳感器系統精確定位靜態目標是一個重要的科學問題。該研究圍繞此問題，對如何分布多個信號接收時間(Time-of-arrival，TOA)傳感器位置來實現高精度定位單個靜態目標的問題展開研究。其中，TOA 傳感器可由多個無人機、無人艇等移動平臺搭載，而靜態目標可以是敵對雷達站、被困人員、水下信標等。因此，所提出方法應用領域涵蓋了軍事打擊、水下探索、民用搜救等。

該研究首先采用 MATLAB 軟件結合基于梯度下降法編寫程序，將多個傳感器任意分散到三維空間中，并將目標位置設置在坐標原點。然后解算各個傳感器與目標之間的真實幾何相對關系。接著，以克拉美羅下界的跡(tr(CRLB))為梯度法中的代價函數，自動解算多個傳感器如何移動可以使得代價函數減小，并收斂到全局最小位置。最后，將獲得的最優傳感器分布與理論值相對比，以驗證所提出方法的優越性。此外，該研究還采用了實際估計策略進行驗證，將多個傳感器按照不同的幾何分布排布在不同的具體位置上，確定仿真中的具體量測噪聲方差，使用了最大似然估計算法，并采用了蒙特卡洛隨機進行重復計算，從而驗證所提出理論的有效性。

實驗結果顯示，極大似然估計在實際估計問題中所求得最優分布下的均方誤差與理論推導的結果基本一致。實驗示例中，按照所提方法排布N 個量測方差噪聲為 σ2 的 TOA 傳感器，目標估計的最小均方差可以達到 9σ2/(4N)，與文中首次提出的最佳精度理論的相關結論一致。

所提出的方法可以快速評估 TOA 三維目標定位策略的最佳可達精度，并提供改善估計精度的傳感器分布策略。該方法可應用于軍事偵察，包括敵方雷達站、艦船、潛艇等目標的精確定位，也可用于無人機搜救、海上信標搜索、以及地下礦物探查等民用領域。

夏澤洋團隊提出一種基于分割的立體匹配視差優化方法

中國科學院深圳先進技術研究院神經工程研究中心夏澤洋研究團隊與上海交通大學趙群飛研究團隊在基于視覺的場景三維重構研究方面取得進展。相應成果為“Yan TM, Gan YZ, Xia ZY, et al. Segment-based disparity refinement with occlusion handling for stereo matching [J]. IEEE Transactions on Image Processing, 2019, 28(8): 3885-3897(立體匹配中的視差優化方法)”。

立體匹配是三維重建的核心步驟，其輸入是一對經過矯正的彩色圖像，通過匹配同一三維物體在左右兩幅圖像上的投影點得到視差。目前，已有的立體匹配方法在無遮擋區域時，實現了較高的匹配精度，但在有遮擋區域時，匹配誤差較大。同時，已有方法的計算效率普遍較低。因此，該研究提出了一種基于分割的立體匹配視差優化算法，以解決包含遮擋區域圖像的快速立體匹配問題。

該研究所提出的基于分割的立體匹配視差優化方法直接優化由彩色參考圖像得到的初始匹配最小代價對應的視差(WTA)。首先，參考圖像被分割為超像素，視差優化方法直接在超像素上進行處理;然后，通過對超像素平均視差的估計得到一個前置平行視差圖;之后，對每個超像素分配一個平面以優化得到一個傾斜表面視差圖。前置平行視差圖到傾斜表面視差圖的轉換通過一個全局優化層和一個局部優化層優化得到。在全局優化層中，采用馬爾科夫隨機域優化算法對前向平行視差圖進行估計;在局部優化層中，利用隨機抽樣一致算法與基于概率的視差平面算法來優化傾斜表面視差圖。在 Middlebury 2014 和KITTI 2015 數據庫上對所提出的方法進行了測試并與當前最優的視差優化方法進行了比較。在計算精度方面，所提出方法排名第 6 位;在計算效率方面，所提出方法比其他方法快 30 倍以上。

該研究所提出的基于分割的立體匹配視差優化方法有效地解決了有遮擋時場景的快速、精確三維重建問題，為工業機器人等領域中的實時三維場景重建以及特殊環境下醫療機器人應用中的組織和器械的實時三維重建奠定了基礎。

胡穎團隊提出一種基于磨削力模型的機器人輔助椎板減壓手術切削深度實時監控方法

中國科學院深圳先進技術研究院認知與交互 技術研究中心胡穎研究團隊在機器人輔助椎板 減壓切除術切削深度實時監控方面的研究取得 進展。相應成果為“Jiang ZL, Qi XZ, Sun Y, et al. Cutting depth monitoring based on milling force for robot-assisted laminectomy [J]. IEEE Transactions on Automation Science and Engineering, 2020, 17(1): 2-14(基于磨削力模型的機器人輔助椎板減 壓手術切削深度監控)”。

人體脊柱椎管狹窄是一種常見的骨科疾病， 可引起一系列神經系統癥狀。椎板減壓切除術是治 療椎管狹窄癥的常見方法，由于該手術區域靠近 脆弱的脊柱神經，手術精度要求高、耗時長，因 此經驗豐富的醫師方可進行此類手術。隨著科技 的發展，采用機器人輔助手術越來越多地被人們 所接受。為了防止機器人執行器械末端磨頭磨穿 椎板并傷害神經，該研究提出一種基于磨削力模 型的實時磨削深度監控方法，以確保手術安全。 具體地，首先基于球形磨頭的幾何形狀建立 其在不同深度的切削力模型;然后，采用牛骨作為 磨削實驗材料，并采集實驗中的機器人末端執行器 械的力信號，對切削力模型中的未知參數通過粒子群優化算法進行辨識;最后，通過多次實驗建立 機器人磨削深度與磨削力之間的相互關系模型。 實 驗 結 果 表 明 ， 當 機 器 人 磨 削 深 度 在 [0.8, 1.2] mm 時，基于磨削力的磨削深度預測結 果精度可達±0.1 mm;當深度增加到[1.2, 1.6] mm 時，預測精度為±0.2 mm。

該研究所提出的基于磨削力模型的機器人磨 削深度實時監控方法，具有較好的臨床應用價 值，可實現機器人輔助椎板減壓手術的術中狀態 精細感知，確保機器人手術安全。同時，相關技 術可以很好地應用在機器人輔助神經外科、關節 置換等手術中。