机器人也能通过出汗来散热

不管气味有多难闻,你都应该感谢自己在大热天流汗的能力—没有它,你的身体将很难散发那些热量。不幸的是,迄今为止,大多数机器人还没有类似的高效冷却系统。从汗流決背的人类身上获得灵感,研究人员为一个柔性机器人抓手创造了一个这样的系统。他们利用3D打印机创建了一个内部液体容器,并在表面添加小孔。当温度升高时,手指状握柄就会膨胀,导致小孔扩张并排出液体。     

基于计算机视觉技术的茶叶品质随机森林感官评价方法研究

为弥补茶叶品质感官审评存在的缺陷，利用计算机视觉技术对茶叶品质进行快速无损评价研究。以碧螺春绿茶为对象，依据专家感官审评结果，将茶样分成4个等级；采用中值滤波及拉普拉斯算子对茶样图像进行预处理，并提取预处理后的茶样图像的颜色特征和纹理特征以表征茶叶图像的外形特征，利用随机森林算法对茶叶外形特征属性进行重要性排序；筛选出重要性较大的特征及随机森林算法中最优的决策树棵数建立感官评价模型，并与建立的支持向量机(SVM)模型性能相比较。结果表明：色调均值、色调标准差、绿体均值、平均灰度级、饱和度均值、红体均值、饱和度标准差、亮度均值、一致性等9个特征属性的重要性较大，且与感官审评特征描述结果相一致；当采用优选出的9个重要性较大的特征及决策数棵数为500时，建立的模型性能最优，模型总体判别率为95.75%，Kappa系数为0.933，OOB误差为5%，较SVM模型分别提高了3.5%，0.066，优选的9个重要性较大的图像特征与感官审评特征描述相一致。研究表明：利用随机森林方法筛选出对茶叶外形特征属性贡献最大的少数几个特征建立模型，模型性能就能达到很好的识别效果，模型得到简化，同时模型精度和稳定性都高于其他方法。     

基于多维混合柯西分布的点云配准

为提高三维点云在数据随机缺失和噪声干扰等复杂情况下的配准精度,提出一种基于多维混合柯西分布(MMC)的点云配准方法。将点云数学模型扩展为MMC模型,求解模型各参数,并构造出特征四面体,以优化旋转矩阵与平移向量;通过最大期望算法分别求出目标点云和待配准点云在MMC模型下的数据中心、协方差矩阵和权重的值。仿真与实验数据表明:与几种常用的算法相比,MMC算法即使在点云数据存在遮挡、缺失,大小不一致,含随机噪声,且具有无序性的条件下,也能精确配准,且具有良好的稳健性。     

基于机器人的石化监测系统的设计与实现

在石化行业中，管道、罐体、塔体等介质的监测一直是课题研究热点。基于机器人的石化监测系统采用ARM处理器控制智能移动机器人，深入到人员不便进入的介质中，全方位、多角度监测介质的内部情况，准确地监测重要指标的数据，并能及时对图像、指标等数据进行处理。监测人员可在远离现场的地方查看现场情况，监测灵活、便捷。现场测试准确性高，有很高的推广价值。