本实用新型公开了一种机器人球窝关节摩擦副的测试装置.现有磨损试验机难以模拟机器人球窝关节摩擦副的真实磨损情况.本实用新型包括第一旋转轴,第二旋转轴,加载轴,关节窝夹具和关节头夹具;第二旋转轴和加载轴同轴,第一旋转轴与加载轴垂直.本实用新型通过关节窝夹具和关节头夹具在第一旋转轴,第二旋转轴以及加载轴上的不同组合固定方式,在同一套装置内完成球窝关节转动和摆动测试,通过灵敏电流计实现了在不破坏配对关系情况下,对磨损量的动态测量,测试结果准确性较高.

中储式钢球磨煤机已广泛用于国内外火电厂，但中储式钢球磨煤机制粉系统的能耗较高。由于磨煤机是一个具有非线性、大滞后和不确定性扰动的多变量对象，目前几乎所有控制系统均未投入，制粉电耗相当高。本项目以多变量控制理论、模糊控制理论及自适应优化理论为基础，在充分考虑了制粉系统特点后，采用基于不同控制理论的实用控制策略。

本实用新型公开了一种倒装 LED 芯片在线检测的收光积分球，该收光测试组件包括积分球组件和光学测试组件，其中积分球组件包括积分球模块、积分球夹具、积分球升降装置；其中积分球模块包括积分球、积分球 90°转接头，积分球的开口设置有石英玻璃，其设置方式是采用石英玻璃夹具套设在积分球的收光口处，其中石英玻璃夹具呈圆筒状，其内侧在略高于收光口的上方设置有凸台，用于放置固定石英玻璃。按照本实用新型设计的收光测试组件，能够成功地解决倒装 LED 芯片测试探针下压时的不稳定问题，能显著提高积分球的收光效率，具有高

产品详细介绍产品名称： 拆装式羽毛球柱   一副重量为70KG左右。双轮移动方便滚轮。买网架就送网，超高的性价比 ，标准型羽毛球网。网线粗，特惠精选，实惠之选。重庆市沙坪坝区易购体育器材商行成立于2009年6月，以批发兼零售篮球架、乒乓球台、室外SMC乒乓球台、体操垫、台球桌、健身路径、塑胶地板、健身器材、路椅、休闲椅、公园椅、跑步机、杠铃、哑铃、羽毛球拍、羽毛球、乒乓球拍、沙袋等各类体育用品。

XM-S9全功能旋转式皮内注射及静脉穿刺手臂模型   XM-S9全功能旋转式皮内注射及静脉穿刺手臂模型的皮肤采用高分子材料、血管采用乳胶材料、手臂骨采用发泡材料制成，肤质仿真度高，皮肤纹理清晰，设有静脉血管网。   一、功能特点： ■ 手臂转轴设计，方便翻转，八根血管，构成了完整的静脉系统，真实模仿人体结构。 ■ 可进行注射、输液、抽血等训练。 ■ 可选择不同类型的穿刺针进行训练，进针有明显的落空感，正确穿刺有回血产生，如出现渗漏现象，可通过机械旋转装置将渗漏处血管旋开后，在原处继续穿刺使用，克服了漏液现象，满足学员反复练习的要求。 ■ 前臂下1/3处配有皮内注射练习的皮垫，该皮垫上备有多处注射点，正确注射时，可产生逼真的皮丘，通过移动皮垫能显示许多注射点，以满足大量练习的需要。 ■ 可反复进行练习。 ■ 静脉血管和皮肤可更换，经济实用。   二、标准配置： ■ 全功能旋转式皮内注射及静脉穿刺手臂模型：1条 ■ 机械旋转装置：1台 ■ 输液套装：1套 ■ 说明书：1册 ■ 保修卡合格证：1张

本书概述了三维激光扫描技术的概念与原理,分类与特点,研究现状与应用领域,阐述了点云数据的获取方法与精度分析,简要介绍数据处理的主要流程与基于点云的三维建模方法等.

本项目将研制一套软硬件一体化的医学图像处理与三维重建系统产品，该产品由三大部分组成，包括： 高性能、大容量、适合处理医学图像的硬件平台； 针对医学图像处理裁剪后的专用Linux操作系统；综合医学图像处理与三维重建的医疗专业应用系统。 成果性能：三维重建速度快、重建的图像真实、精细，操作方便。 应用范围：CT、MRI等医学图像处理与三维重建虚拟手术

根据复杂设备维护训练的需求，西安科技大学自 2011 年开始研发桌面式三维虚拟拆装训练技术，目前此技术已经成熟并在部队大型武器装备维护拆装训练中推广应用。该成果申请软件著作权 1 项。 3DVSATS 软件系统基于 OSG 三维渲染引擎开发，可根据客户需求定制拆装训练设备，支持 3DMax 、 Maya 等主流建模软件建立的三维模型，可对设备各部分零件进行直观的三维展示；设备维护人员通过鼠标、键盘等进行交互操作，可以完成定制设备的拆解和装配训练，并可记录操作过程，最终统计出每次操作的错误步骤并打分。

动作捕捉技术（motion capture）在影视、体育、安防等领域具有广泛应用。传统的动作捕捉分为两大类，光学动捕系统通过在采集环境部署多个红外摄像头，再在人员的动捕服上放置光学标记球来求解出采集者的姿态信息，从而实现对人体运动的捕捉与动画映射；惯性动捕系统通过惯性测量单元（IMU）来采集肢体的运动信息，采集设备相对更轻便，但采集精度不如光学动捕系统。光学动捕系统包括Motion Analysis，Vicon，Optitrack等，惯性动捕系统有Xsens，诺亦腾等。 然而，无论是光学动捕还是惯性动捕都需要动作人穿上特定的设备，不可避免地会影响到人体运动的真实性和动捕的使用范围。同时，相应的专业动捕设备往往价格不菲，很多有需求的小型工作室也会望而却步。因此，学术界和工业界都在极力研究“无标记运动捕捉”技术，即不需要任何穿戴设备，仅由相机观测和算法分析，就实现对多人体运动的实时准确捕捉。这种技术有着更加广泛的应用场景，例如无人售货超市、VR/AR游戏、远程全息通讯、数字人创建、虚拟主播、人机交互、全天候医疗监护等。 近几年，随着深度学习技术的广泛普及，无标记动捕领域也诞生了许多革命性技术，例如实时2D多人体关键点检测技术OpenPose等。然而，多目标实时3D运动捕捉仍然是一个极具挑战性的问题，主要挑战因素包括：如何实现实时计算，如何进行高效的多视角关联，如何解决紧密交互带来的观测失真等。举个例子，当两个人拥抱在一起的时候，当前大多数检测或重建算法都会失效。而理论上，多视角的观测信号能够在一定算法设计下互相补充，尽可能解决单视角运动重建的歧义性。如何充分利用多视角的视频信号，实现复杂、紧密交互场景下的多人体运动捕捉是当前无标记运动捕捉领域的核心问题之一。 该项目研究工作提出的多视角人体运动捕捉系统包括相机采集模块，2D姿态检测模块，4D关联图求解模块，三维骨架求解模块及渲染模块。其主要算法贡献在于提出并实现了4D Association算法。 当前的多视角运动捕捉系统大多采用的是序贯地匹配策略，首先对每个视角进行独立的人体检测和连接（例如，OpenPose检测关键点和关键点相互连接的概率，从而对人体进行连接；Mask-RCNN、AlphaPose和HRNet都需要先检测每个人的BoundingBox，然后对每个人进行独立的人体检测），然后对人体进行多视角关联和姿态求解，最后进行时域跟踪。这种常规方法的缺陷在于，当单个视角检测失败以后，后续的算法难以对失败的检测结果进行修正，从而将错误的检测传递到下一个步骤，影响跟踪效果，对于紧密交互（例如前文提到的两人拥抱）的情形，单视角的往往很难给出令人满意的检测结果，因此基于序贯式的算法一般会失效。 相较而言，该研究工作的创新性在于充分利用单图连接(2D)、多视角连接(1D)、和时域连接(1D)之间的相互约束从而进行全局优化，用多视角信息和时域信息来避免单视角连接的歧义性，同时也通过单视角连接结果来优化多视角的匹配，从而使得关联结果更趋向于全局最优。具体地，该研究工作提出了一种4D Graph的图结构，将上一帧的三维人体关键点（在初始帧或者人进入动捕范围的时候可以缺失，不影响算法的运行）和当前每一视角的2D关键点建模在同一个图结构中，用单图连接、多视角连接、时域连接的概率作为边的权值，将人体多视角关联的问题看成提取有效边的过程。为了快速地求解这个问题，进一步提出了一种基于完全子图的近似求解算法，高效地完成了从4D图结构中提出正确的人体连接。 最终，该研究工作实现了紧密交互下人体的三维姿态重建，并展示了实时系统效果。其算法在多个数据集上均表现出了良好的视觉效果，在Shelf数据集上也取得了当前最好的数值结果。

本项目基于Kubernetes构建容器化微服务平台。利用人工智能和数据挖掘的方法，对容器化微服务平台实施智能化运维，将系统的平均恢复时间从小时级别缩短到分钟级别，并智能化推荐恢复决策。