摘要：为了实现在无标记的情况下不对称地跟踪人手及其所有关节的位置和姿态,提出一种软硬件结合的混合跟踪计算框架,同时使用电磁跟踪器和无标记人手关节姿态分析算法提出基于CUDA的异步并行粒子群优化(PSO)加速方法.首先通过跟踪器测量人手手腕的位置姿态,使用Kinect数据作为输入,在三空间(双颜色空间和深度空间)下进行手部区域分割;然后使用PSO方法将手关节的23个自由度的跟踪问题转化为求解一个优化问题,使用不对称策略来提高部分手指的跟踪性能,寻找给定参数空间内能够最小化观测值和估计值之间偏差的手模型参数解.该方法不需要进行任何标记,可以对手部关节姿态进行连续跟踪,实验结果表明,其在实验的硬件平台上可以达到12帧/s的运行速度,平均误差稳定在10 mm以内.

摘要：快速稳定地计算头部姿态的算法在很多应用领域都是非常重要的,为了寻求在飞行模拟器中实时跟踪操纵者头部运动的新方法,提出一个基于随机回归森林、使用深度数据来解决面部朝向的计算框架.该框架利用标注了真实头部位置和朝向的大规模人体面部模型数据库进行随机森林的训练,将携带标注真实参数值的随机采样图像块输入随机森林进行训练;在决策树叶子节点中得到姿态参数的高斯分布,再使用得到的随机森林进行面部姿态的计算,从而将面部姿态分析问题转换为待测试深度图像的随机采样子域的投票问题.测试了参数和引入计算的图像特征对识别性能的影响,并与相关算法进行比较,结果表明,该框架有较高的识别率和抗干扰能力,能够处理头部姿态大范围、快速变化、暂时性遮挡以及面部表情等数据.

摘要：依据大气散射原理,总结了晴天时太阳与天空在各个时刻的颜色及亮度特征,并在全天范围内对其进行了实时仿真.通过对纹理图采样模拟了全天不同时刻的大气Rayleigh散射,提出简化的指数公式模拟大气Mie散射,再利用自调节Key值的高动态范围光照技术实现各个时刻太阳天空及地面的高动态光照亮度.对比分析结果显示,在保证实时性的同时,采用该方法达到了更好的逼真度.

摘要：为解决无人机编队协同任务规划的仿真问题,提出了一个基于HLA/RTI的并行仿真架构进行协同任务规划仿真,通过真实的无人机气动力学仿真和飞控仿真,可以更真实有效地验证算法方案。通过建立无人机的损失概率模型,优化路径时将环境中的不确定性因素和威胁因素考虑在内。通过将每架无人机的失败概率模型与其它所有无人机的选定任务设定耦合联系可以提升协同真实性。为了尽可能实现理想的任务目标,使用随机仿真模型设计协作规划,最大程度提高无人机间的协作关系以提升生存概率。