在基于惯性传感器的人体行为识别研究中, 特征提取是其中的关键环节之一。而离散数据统计特征的稳定性依赖于特征提取的窗口大小。一般来说, 训练数据的窗口长度需要大于一个运动周期。因此, 针对测试数据远小于一个运动周期的短序列样本识别问题, 提出了一种基于模板匹配的新的解决方案。首先, 通过适当分割训练数据的长序列样本, 构建一个过完备的短时行为模板库, 将待测短时样本与模板库中样本进行一致化处理并进行匹配; 其次, 在匹配算法中, 采用样本间的F范数与整体梯度向量的2范数累加作为匹配度量准则, 得到相似度直方图; 最后, 基于相似度直方图, 根据投票策略得到最终分类识别结果。实验表明: 在使用单传感器识别短时行为的情况下, 新算法比传统算法在精度和稳定性上具有更好的性能, 并能适应不同窗口下短时行为分类问题。

为提高目标航迹姿态估计的实时性, 提出一种基于Jerk模型的航迹姿态滤波及其新息指导的降维动态模型库建立算法。该算法首先基于航迹方位角与航迹横滚角之间的关系, 将目标三维模型降为二维模型; 然后采用Jerk模型算法对航迹姿态进行滤波, 并利用滤波过程中的新息判定目标机动状态, 实时指导动态模型库的建立。实验结果表明, 可有效缩减模型库的规模, 提高了姿态角估计的效率, 且保持一定的估计精度, 是一种有效的动态模型库建立算法。

为了解决焊接机器人对薄板微细焊缝的自动定位和焊接问题, 研究了一种基于视觉的高精度微细对接焊缝初始点定位方法。提出一种局部范围内两步精确定位方法, 第一步, 获取工件在不同尺度及旋转角度下的图像, 建立典型的模板匹配库, 利用模板匹配方法提取出焊缝初始点位置区域; 第二步, 采用Shi-Tomasi算法在此局部范围内进行角点检测, 计算亚像素级角点位置并进行初始点精确定位。通过对现场拍摄的50幅不同高度和旋转角度的图像进行初始点检测, 实现了对所有图像的准确检测。实验结果表明, 两步定位方法鲁棒性强, 可以精确定位出规则边界和不规则边界焊缝的初始点, 解决了微细对接焊缝初始点定位问题, 达到了期望结果。