摘要：基于高效、稳定、便捷的保障需求,深度传感器综合测试装置在某型装备测试过程中解决了维修保障中存在的通用性不强、效率不高、安全性较低的问题,进一步增强了该深度传感器的保障能力,确保了维修质量。此外,该装置满足机动保障和应急保障需求,考虑了在研和后续研发装备的拓展需要,实现了通用化。

摘要：2D视频转3D视频是解决3D片源不足的主要方法之一,而单目图像的深度估计是其中的关键步骤.考虑到互联网上不断累积的深度图数据,提出一种基于PatchMatch深度迁移的单目图像深度估计方法.首先利用图像的全局描述符从深度图数据库中检索出近邻图像;然后通过PatchMatch建立输入图像和近邻图像之间像素级稠密对应关系;再根据像素级对应关系将近邻图像的深度图迁移到输入图像上,并采用中值滤波对迁移的深度图进行融合;最后通过三边滤波对融合的深度图进行后处理,进一步提高深度图估计质量并抑制噪声.实验结果表明,与基于尺度不变特征变换流深度迁移方法相比,该方法在改善深度图估计质量的同时提高了计算速度.

摘要：为实现对篮球飞行过程的准确抓取,提出基于深度传感器的篮球飞行过程抓取系统设计。采用深度传感器进行篮球飞行过程的动态视觉信息采样,通过A/D芯片实现对采集信息的信号转换,并建立机器视觉图像处理模式下的篮球飞行过程抓取动态参数识别模型;通过深度学习和图像处理技术,进行篮球飞行过程数据图像抓取后的姿态特征分析和轨迹预测;基于Tx2核心板的嵌入式平台,建立篮球飞行过程抓取系统的核心控制器,采用ZigBee的物联网组网技术进行篮球飞行过程抓取系统的网络设计;设置状态寄存器(Status)进行篮球飞行过程抓取系统的数据缓存管理,在嵌入式的云平台下,实现篮球飞行过程抓取的数据存储和云计算。测试结果表明,采用该方法进行篮球飞行过程抓取的实时性较好,视觉动态跟踪能力较强。

摘要：以检测不良坐姿和分析人们的坐姿习惯为引导,设计了一种基于深度传感器的坐姿检测系统。该系统首先运用Astra3D传感器对人体的坐姿进行深度图像采集,基于阈值分割法设计了快速有效的前景提取方法。将坐姿前景分割图在3个笛卡尔平面上进行投影,得到3个投影图,对投影图进行空白去除、插值缩放、归一化等处理,得到投影特征。经过PCA降维后的投影特征与前视图的金字塔HOG特征共同组成最终的坐姿特征向量。随后,运用随机森林对14种坐姿进行分类识别。实验中,对20个人的坐姿深度图像数据库进行统一测试与交叉测试。测试结果表明,所提坐姿识别方法具有很好的识别率与识别速度,并且在坐姿种类、识别率方面优于现有方法。最后,将所提方法在Android平台上进行实现,设计了坐姿检测系统的应用软件,实现了坐姿的有效检测和对不良坐姿的及时提醒等功能。

摘要：海洋测深一般用回声测深仪，但海洋仪器或水下物体在水下沉放深度的测量方法则是另一回事。比较经典的方法是在绞车上装一个计数器，测放出纲丝绳的长度，同时用偏角器测出纲丝绳的倾斜角度，再计算仪器的深度；另外，还可以采用开端颠倒温度表进行深度的测量。

摘要：本文设计了一种基于深度传感器的动作识别系统。该系统采用Kinect深度传感器对采集的人体动作视频进行特征提取,搭建了一个单层的BP神经网络进行训练和识别。实验表明,该系统在少样本训练的情况下,依然能够较准确地对站立、坐下、挥手与蹲下4个动作进行识别。该方法在数据维度上引入了第三维"深度信息",所以在网络训练时的速度和识别的响应速度要优于常规方法,也为人体动作识别提供了一种思路。

摘要：针对现有的视频监控技术对关键设施的监控实时性低,以及在夜晚实施监控时效果差的问题,提出基于深度传感器的关键设施监控技术,并通过支持向量机(SVM)算法对其可行性进行验证。利用不同人体的骨架长度存在差异的特性,采用深度传感器作为数据采集端,瞬时采集人体的8个骨架长度作为特征值,作为人体骨架信息,由于深度传感器以红外结构光检测为核心,故在夜晚也可无损地采集数据。基于SVM进行分类器的设计,得到最佳人体识别算法。实验表明:所提模型及算法的识别成功率可以达到80%以上,具有较好的识别效果,故基于深度传感器的监控技术可以为关键设施监控提供一种新思路。

摘要：深度传感器是一种复合型传感器,通过感受动作压力而提供深度信号。本文根据深度传感器的实际工作要求,设计了机械开关中波纹管组件中的波纹膜片,包括确定膜片的类型、确定膜片的材料、结构尺寸及加工工艺等。组装后,经测试能够较好地满足传感器的性能指标。

摘要：针对现有的基于深度传感器进行指尖检测的工作中不能对任意姿态手掌的指尖进行稳定检测和跟踪的问题,基于卡尔曼滤波器原理并融入对手掌姿态的感应机制,提出一种手掌姿态自适应的卡尔曼单指尖动态跟踪方法.首先借助上一时刻指尖的位置信息得到当前时刻指尖位置的预测值L1;然后通过手掌姿态检测得到用于更新指尖位置的观测值L2;最后根据L1和L2执行更新操作,得到最终的指尖位置估计值L*.实验结果表明,该方法可以实现准确、鲁棒的单指尖位置信息检测和跟踪,能够达到人机交互的实用性标准.

摘要：针对盲人避障系统的实时性和鲁棒性要求,提出了基于单帧RGB-D图像的场景自适应分割和障碍物检测方法.针对室内场景存在较多的平面结构的特点,首先利用深度信息进行由粗到细的两阶段平面快速提取;然后提出了基于图论的RGB-D场景自适应分割算法,将基于深度信息的平面分割结果和基于RGB的图像分割进行自适应的权重融合;最后提出了多层次的障碍物检测识别策略,将场景区域识别为地面、桌面、墙面以及其他障碍物,并给出了场景分析结果的简化模型.实验结果表明,文中方法结合深度数据的优势以及场景的几何结构特点,有效地提高了场景分割和障碍物检测的实时性和鲁棒性,能够满足盲人室内避障应用需求.