电气工程前沿科技总结报告

电气工程前沿科技总结报告

ID:47465399

大小:26.68 KB

页数:6页

时间:2020-01-11

电气工程前沿科技总结报告_第1页
电气工程前沿科技总结报告_第2页
电气工程前沿科技总结报告_第3页
电气工程前沿科技总结报告_第4页
电气工程前沿科技总结报告_第5页
资源描述:

《电气工程前沿科技总结报告》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、《电气工程前沿科技》总结报告姓名:学号:专业:硕士/博士□(划√)成绩:一、调研报告(50分)基于动作捕捉的牵引供电设备虚拟交互技术研究1研究的背景和意义目前,随着三维虚拟显示技术的发展,牵引供电所对人员的培训不再仅仅局限于传统鼠标键盘的人机交互,而是希望可以实现手势交互,沉浸式般的进行培训。虚拟现实在2015年已被炒到风口,各大互联网公司纷纷布局虚拟现实,更多的人认为2016年是虚拟现实元年,所以开发一套牵引供电设备虚拟交互系统无论是在牵引供电培训本身的需求上还是时代潮流的驱赶下,都是非常有必要的。跟

2、踪和制作人体运动动画是计算机图形学和计算机视觉的一个基本问题。一个特别重要的问题是如何准确地重建人手的形状和清晰度。手部运动是非言语交流的重要组成部分,扮演人形替身动画的重要作用,是众多的人机界面中心。微软在2011年发布了Xbox360轰动业界,随后Intel和微软又发布了CreativeSenze3D和Kinect二代。这两款产品在精度上都做了很大的改进,为手势跟踪奠定了硬件基础。牵引变电所是牵引供电系统的重要组成部分,对于保证接触网和机车的安全稳定运行起到重要作用。正常运行中的牵引变电所设备操作需

3、要严格的执行相关的流程和作业标准,而且由于牵引负荷的特殊性,牵引变电所的日常工作也比较复杂,对操作人员的技能水平要求较高。随着牵引变电所设备的种类与数量的增多,传统的培训方法目前具有越来越多的局限性。随着三维虚拟显示技术的发展,目前牵引供电系统已逐步出现了基于三维虚拟场景的牵引变电所工作人员业务培训系统。但由于人机交互技术的限制,培训人员还是实用传统的鼠标键盘进行操作,直观性不强,交互能力有限。因此,研发一套适合于牵引供电系统的虚拟人机动作捕捉交互系统势在必行。2国内外研究现状第6页手势捕捉在人机交互领

4、域一直受到关注和研究,但是由于人手的高度铰接以及人手的高度自由度和复杂的手指动作,人手捕捉依然是具有很大的挑战性的课题。精确的实时人体跟踪和人脸跟踪系统近来已经提出。作为实现对桌面环境的在线人际沟通的完整体系下一个自然的一步,手势跟踪在研究团体中获得巨大牵引力。虚拟环境互动系统的最新行业趋势已经导致用于RGBD(彩色数据和深度数据)数据的处理(闭源)软件包开发,如英特尔RealSenseSDK和微软的Kinect二代或专门设计的硬件,如LeapMotion和Nimblesensors。手势跟踪在近几年来

5、获得较大的进步,但是仍然有很大的局限性。文献[1]提出了一种基于PSO算法的实时手势捕捉系统,但是捕捉鲁棒性差,不能从失败中迅速恢复。文献[2]是微软研究院提出的基于单一深度相机实时手势跟踪系统,该系统能准确重建多种复杂手姿势,可以迅速从捕捉失败中恢复,但是仅仅局限于单手。文献[3]提出了基于结合ICP和PSO算法的球形实时手势跟踪系统,但系统没有采用GPU加速,捕捉速度较慢,而且限于单手捕捉。文献[4]提出了基于铰接式ICP算法的实时手势跟踪系统,并且开源了系统代码,系统的捕捉速度很快,采用了GPU加

6、速,并且可以快速从捕捉失败中快速恢复,但是要带一块蓝色的护腕在手上,不是裸手操作。文献[5]在同时考虑边、光流和碰撞的基础上引入微目标函数,可以实现双手的捕捉,一只手不会对另一只手的捕捉造成影响,但是每秒的帧数比较慢同时受限于缓慢的局部优化,不能实现实时系统。文献[6]在给定人手的同步序列,可以恢复其三维位置,方向和全关节运动参数,所采用的手模型是基于适当选择并组装的三维几何图元,但是需要一个具有高速并行运算能力GPU(GraphicProcessingUnit)对目标函数进行加速,而且这些优化的方式都

7、是完全局部的,不能从跟踪失败中自动恢复。一些全局搜索的方法[7]通过搜索一个庞大的参数空间来避免陷入局部最优,但是由于搜索空间过大往往导致搜索结果缓慢且不准确。文献[8]提出一种基于区域生长与Meanshift算法相结合的动态变形手势跟踪算法,但捕捉有时不准确。文献[9]利用随机决策森林(RDF)基于手型对手型进行分类,能够实时跟踪但是只可以识别特殊的手势,使用范围狭小。基于外观的手势跟踪。第6页在过去的几年中,许多基于外观的方法已被开发用于手势跟踪。但是基于最邻近搜索,决策树木,或卷积网络已经证明基于

8、外观的方法可成功用于实时手势跟踪的。这些方法的优点是推断手势的能力从一个单一的帧的姿态,而无需依赖于时间相干性,从而避免了漂移。然而,这样的基于外观方法紧密连接到训练数据,常常不能概括好以前看不到的手的姿势,也就是那些不包含在训练数据库中姿势。出于这个原因,大多数这些方法假设一个单一的的手在隔离的区域,以避免数据爆炸。而且往往不能达到的基于模型的方法的准确性。(b)基于模型的手势跟踪一种流行的方式来手部动作捕捉是使用基于标记的系统(Vico

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。