摘要：三维人体姿态估计在虚拟现实和人机交互等领域具有重要作用。近年来,Transformer已被引入三维人体姿态估计领域,用于捕捉人体关节点的时空运动信息。然而,现有研究通常只关注于人体关节点群的整体运动,或只对单独的人体关节点运动进行建模,均没有深入地探讨每个关节点的独特运动模式及不同关节点运动间的相互影响。因此,提出了一种创新的方法,旨在细致地学习每帧中的二维人体关节点的空间信息,并对每个关节点的特定运动模式进行深入分析。通过设计一个基于Transformer编码器的运动信息交互模块,精确地捕捉不同关节点之间的动态运动关系。相较于已有直接对人体关节点的整体运动进行学习的模型,此方法能够使得预测精度提高约3%。与注重单节点运动的最先进MixSTE模型相比,该模型在捕捉关节点的时空特征方面更为高效,推理速度实现了20%以上提升,使其更适合于实时推理的场景。

摘要：遥感图像场景分类是计算机视觉领域的热点研究方向,对遥感图像场景及其语义理解意义重大。目前,基于深度学习的遥感图像场景分类方法在该领域占据主导地位。然而实际应用场景面临着样本数据较少、模型泛化能力较差的问题,致使基于深度学习的遥感图像场景分类方法实现难度较大,性能大幅下降。针对上述难点,提出了基于注意力机制的小样本遥感图像场景分类方法,设计了一种双分支判别结构进行相似性度量。该方法基于元学习训练策略对数据集进行任务制划分;为最大限度保留遥感图像中的特征分布,对输入图像进行重叠分块;在特征提取网络中引入轻量级注意力模块,降低过拟合风险并保证判别性特征的获取;在EMD(earth mover’s distance)距离的基础上设计添加双分支相似性度量模块,提升分类器的判别能力。实验结果表明,相较于经典小样本学习方法,所提出的小样本遥感图像场景分类方法能够显著提升分类性能。

摘要：针对基于图卷积的骨架行为识别方法在建模关节特征时严重依赖手工设计图形拓扑,缺乏建模全局关节间依赖关系的缺点,设计了一种时空卷积Transformer实现对空间和时间关节特征的建模。空间关节特征建模中,提出一种动态分组解耦Transformer,通过将输入骨架序列在通道维度进行分组并为每个组动态生成不同的注意力矩阵,允许建模关节之间的全局空间依赖关系,无需事先知道人体拓扑结构。时间关节特征建模中,通过多尺度时间卷积实现对不同时间尺度行为特征的提取。最后,提出一种时空-通道联合注意力模块,进一步对所提取到的时空特征进行修正。在NTU-RGB+D和NTU-RGB+D 120数据集的跨主体评估标准上达到了92.5%和89.3%的Top1识别准确率,实验结果表明了所提方法的有效性。

摘要：路径规划算法被广泛地应用于各种运动规划任务,如机器人运动、自动驾驶等。迄今为止,许多优秀的路径规划算法被提出并被应用于不同领域。对于一个特定的任务环境,选择合适的路径规划算法能更高效地规划出满足约束条件的较优路径。基于群体智能成果,以遗传编程算法为框架,研究快速扩展随机树(RRT)路径规划算法及其变种RRT-Star路径规划算法、RRT-Star-Smart路径规划算法在不同任务环境下的适应度及路径规划效率,设计出一个路径规划程序自动生成系统。该系统能自主分析当前环境地图特征,并结合RRT路径规划算法及其变种算法的特性,生成新的、更适配当前环境的路径规划算法。生成的路径规划算法能高效地规划出一条从起始点到目标点的可行路径。

摘要：在高动态、不确定、资源受限等复杂环境下,无人集群系统执行协同区域搜索、集群优化调度等任务将会面临“感知—判断—决策—行动(OODA)”回路各个领域的挑战。为了提升无人集群系统的任务场景适应能力,必须突破复杂环境下无人集群系统自主协同关键技术。以复杂环境下大规模异构无人集群鲁棒自主协同理论为基础,探讨了复杂环境下无人集群系统自适应异构体系架构设计与建模方法,梳理了复杂环境下高维态势分布式感知与认知、可引导、可信任、可进化的智能决策、复杂环境下无人集群系统自主协同控制3个科学问题。首先综述了复杂环境下无人集群系统自主协同的研究进展;其次,分析了无人集群系统OODA任务回路面临的挑战;然后,初步梳理了复杂环境下无人集群系统自主协同涉及的各项关键技术及其进展;最后,给出了无人集群系统自主协同领域未来发展的思考。

摘要：研究了多领导者-多跟随者模式下多飞行器协同拦截机动目标的分布式协同围捕制导问题。借鉴狼群协同围捕大机动猎物的行为学机理,在数学层面抽象出领-从模式协同制导架构、分布式通信与状态估计以及多路多方向协同围捕制导律3种映射策略。首先,针对领-从模式协同制导架构,提出了多领导者-多跟随者协同围捕方案。其次,针对多领导者飞行器,设计带有目标不确定机动补偿的协同逆轨拦截制导律,为跟随者飞行器提供有利的围捕拦截参考轨迹。再次,针对多跟随者,利用分布式状态观测器对多领导者状态轨迹凸组合进行估计,进而设计了时变围捕视线角编队跟踪制导律,引入动态增益补偿系统来解决最大可用过载受限问题。然后,证明了闭环系统稳定性,并给出了协同制导可行性分析结论。最后,对理论结果进行仿真验证,结果显示,多飞行器在目标逃逸方向两侧形成一定散布的围捕构型,即存在若干飞行器的末制导拦截阵位是合适的,提高了对机动目标的拦截效能。

摘要：目前还没有针对黏膜钳力交互的颅底肿瘤形变研究,黏膜钳作为鼻-颅底手术的主要工具之一,研究其虚拟仿真可以为鼻-颅底虚拟手术系统提供技术支撑.首先,基于CT重建颅底脊索瘤模型,参照实物建立黏膜钳模型;其次,根据碰撞点与三角面片的位置关系进行精确碰撞检测;再次,根据碰撞点与三角面片顶点的距离的比例将外力分配到顶点上;从次,基于Voigt模型模拟肿瘤形变,采用4阶龙格-库塔法求解动力学方程;最后,基于Geomagic Touch设备与弹簧-阻尼器模型实现力反馈.实验所用脊索瘤模型有2601个顶点,在CPU i7-9700K,GPU 1660Ti环境下的实验结果表明,形变效果符合软组织的黏弹性、应力-应变非线性与应变滞后性,形变帧速超过60帧/s,达到实时性要求,针对17位医师的问卷调查也获得了较好评价.

摘要：针对异构无人集群存在层内不同协同控制目标以及层间协同耦合的控制问题,提出了“编队-合围跟踪”控制的定义与框架,采用具有时变输入的跟踪-领导者来生成集群系统的整体参考轨迹,克服了现有编队-合围控制中无法有效控制集群整体宏观运动的缺陷。对于存在切换拓扑的高阶异构集群系统,基于分布式鲁棒自适应估计技术以及预先定义的合围控制策略,利用邻居局部信息交互构造了分布式编队-合围跟踪控制器,给出了分层耦合情况下控制器的多步设计方法。采用共同李雅普诺夫稳定性理论,证明了切换拓扑条件下异构集群实现输出编队-合围跟踪的充分条件。通过无人机-无人车异构集群的仿真例子,验证了所提出的编队-合围跟踪控制方法的有效性。

摘要：集群系统合围跟踪控制是群体智能涌现在运动控制层面的实现途径之一,在智能化战争时代具有广阔的应用前景.本文面向未来空地群体智能作战中护卫任务的应用需求,聚焦军品押送、重要人物护送等典型任务场景,研究了异构集群系统考虑领导者具有未知输入的分布式编队-合围跟踪控制问题,以实现复杂环境下空地协同智能作战.首先引入代数图论知识,建立具有未知输入的异构集群系统模型,提出了一种编队构型生成系统.之后结合自适应控制律,利用邻居局部信息交互设计了基于边的分布式编队-合围跟踪控制器,并证明了闭环系统的稳定性.此外,对异构集群系统涌现出的更复杂的群体智能特征进行了分析与总结.最后,通过数值仿真验证了本文所提出的方法能够实现预期的编队-合围跟踪控制,并建立了实物等效验证系统,对控制方法的有效性进行了验证,为实际情况下大规模空地协同智能作战提供了有力的理论支撑.

摘要：针对基于中红外声光可调谐滤波器(Acousto-Optic Tunable Filter,AOTF)的光谱成像系统观测运动目标过程存在光谱数据漂移问题,提出了一种基于声光互作用的在线光谱校准方法。根据目标光谱成像位置与驱动频率,构建了逆向光线追迹模型,从而实现了光谱数据的在线校准,满足运动目标探测的实时性要求。该方法能为后续目标检测、识别与跟踪提供稳定且精确的光谱数据立方体。在实验验证方面,利用设计研制的平行光入射的中红外AOTF光谱探测系统,以黑体与中红外滤波片组合作为目标光源,对光谱校准模型开展实验验证。最终实验结果表明,针对位于不同视场处的模拟运动目标,校正后的光谱漂移相对误差均优于4.45%,有利于提升对运动目标光谱探测的应用能力。