项目研究背景： 焊接是机械制造工业中关键的工艺技术之一。焊接自 动化必须借助一定的焊接自动化装备，目前国内外广泛采用机器人。机器 人是一种传统的机构学与近代电子相结合的产物。其综合了计算机科学、 控制论、机构学、信息科学和传感器技术等多个学科。机器人作为一种代 替劳动者完成繁重而危险重复性的工作的自动化设备已被广泛地应用于 汽车、机械、电子、建筑等行业。 技术原理 ：本产品是针对平面弯曲焊缝自动跟踪所开发的一种具有智

本发明属于计算机视觉、图像匹配技术领域，具体涉及到一种图像匹配跟踪中匹配模板选择方法。匹配模板选择方法分为匹配模板尺寸自适应确定步骤、匹配模板定位能力判定步骤两个部分；(1)匹配模板尺寸自适应确定步骤方法流程：以给定坐标点位置为中心，设定分割区域；对分割区域利用大津阈值分割算法自动阈值分割算法进行二值化，统计前景区域和背景区域的像素个数，求取前景区域像素个数与背景区域像素个数的比值；计算该比值与设定阈值之间的关系来

项目概况 目前，国内外大量应用弧焊机器人系统从整体上看基本都属第一代或准二代焊接机器人 系统。由于焊接路径和焊接参数是根据实际作业条件预先设置的，在焊接时缺少外部信息传 感和实时调整控制功能，这类弧焊机器人一般不能应对焊接作业条件严格的稳定性要求，焊 接时缺乏“柔性”，表现出明显的缺点。在实际弧焊过程中，焊接条件是经常变化的，如加 工和装配等误差会造成焊缝位置和尺寸的变化，焊接过程中工件受热及散热条件改变会造成 焊道变形和熔透不均。 为克服机器人焊接过程中各种不确定性因素对焊接质量的影响，提高机器人作业智能化 水平和工作的可靠性，要求弧焊机器人系统不仅能实现焊接参数的在线调整，且能实现焊缝 的自动实时跟踪。已完成铝镁硅合金框架弧焊机器人柔性工作站焊缝智能跟踪与图象处理技 术，使企业塞拉门设计制造的技术水平达国际先进水平。 本项目具有国际先进水平，拥有自主知识产权。 主要特点 已完成的项目，塞拉门框架的材料为铝镁硅合金，材料特殊、框架尺寸较大，焊点多 而短、焊接质量要求高，故解决柔性夹具设计、实现两面焊接、满足多系列多规格门框尺 寸的要求是体现了成果的先进性； 铝镁硅合金框架弧焊机器人柔性工作站所包括的柔性夹具、焊缝智能跟踪与图象处理 技术，使企业塞拉门设计制造的技术水平达国际先进水平，体现了成果的创造性。 技术指标 国内城市轨道车辆、高速列车的迅猛发展使得城轨门生产逐年猛增，品种不断翻新，但 铝镁硅合金框架等主要零部件仍为手工焊接。由于手工焊接依赖于工人的技术水平，效率低， 焊接质量欠佳，优质品率低，是制约我国城轨门产品升级的关键技术。 首选企业的高精度焊件达到：焊缝识别误差 600×600 像素， ±0.25mm，±0.20mm；焊 枪姿态误差，±0.045mm，±0.040mm；其它误差（包括焊丝变形误差、工件热变形误差、焊 接电流误差等），±0.030mm，±0.020mm；视觉跟踪综合误差，±0.5mm，±0.35mm。 市场前景 成果实施后使用单位使用前手工焊接的 1.2 万件/年，达到 4 万件。按人工焊接生产水 平，支出费用为 72 万×3.5=252 万，机器人的投入成本 1 年半内可收回，且可满足使用单位 近 3-5 年的发展需求。 按近几年使用单位产品产量的增长速度，2009-2010 年产量可达 5.5 万件，2 台机器人 工作站每年可生产 5.68 万件，完全满足生产要求。若仍用人工焊接则成本支出为 72 万 ×4.6=331.2 万元，而机器人工作台投入费用为零。企业每年可新增产值 4-5 亿元，利税 1.2-1.5 亿元。 市场应用方面已具备推广应用的基本条件，该成果的完成，不仅可以提升企业高精度特 材焊件设计制造的技术水平，提高企业技术创新能力和提升产业集聚度，使产品达同行业国8 内领先或国际先进水平，且可成为企业现代先进制造工艺与装备工程应用的一个亮点。通过 开发研制，真正体现了产学研合作的现代高等教育理念，在高校和企业中锻炼出一批机器人 研制方面、具有实战经验的科技人才。

本发明公开了一种基于线结构光的水下目标三维重建技术。本方法有效降低了由于水中悬浮物、海水对光的吸收和散射、非均匀光场等对探测精度的影响，完成了大角度、远距离的水下目标三维信息提取，实现了水下远距离、高精度、实时的目标三维探测。水下目标三维探测技术可为海洋资源开发、水下工程建设和水下军事应用等领域等所需的水下探测技术提供重要的方法和参考。可以为人类提供合适的观察通道，将水下被探测目标的外型显示为人眼可判断的图像或视频信息，以此来完成对水中信息的收集或者为下一步的研究及应用提供有价值的基础数据信息。

研发阶段/n本发明公开了一种快速定位对等网络目标节点标识的方法，涉及计算机网络、分布式计算机和算法设计与分析的交叉技术应用领域。该方法在拓扑形成时充分利用网络访问的区域性和物理网络中节点的邻近特性降低访问延迟和路由长度。从而能够尽可能解决上层的逻辑覆盖图与底层物理拓扑图的不匹配的问题。此外，把哈希表中的对等点分成普通节点和记录节点，记录节点负责记录普通节点的查询路径，供查询相同关键字的节点参考，减少了资源定位时间，从而使得系统响应时间相应地减少，网络速度加快，查询延时降低，信息查询效率得到了进一步的

本发明公开了一种弱小目标图像的自适应恢复增强方法，步骤为：①利用光学成像探测系统获取气动光学模糊图像 g，图像大小为M*N，作为观测图像；②对气动光学模糊图像 g 进行校正增强，得到的初始校正图像<img file=""DDA00002538750100011.GIF"" wi=""57""he=""59"" />③对初始校正图像<img file=""DDA00002538750100012.GIF" " wi

本发明公开了一种动目标的红外辐射光谱特性仿真分析方法，该方法首先为动目标三维几何建模并将目标按区域划分；之后建立目标温度分布模型，计算不同观测角度下目标表面各点的温度；然后建立红外大气传输模型，计算大气透过率及大气路程辐射；之后设定测量系统及动目标的各参数；再利用已建立的目标温度分布模型及红外辐射传输模型计算动目标像方的辐射能量；最后分别计算点目标及面目标的红外辐射能量并绘制相应的辐射光谱曲线。本发明技术方案方

1.痛点问题 本项预期成果是解决复杂场景中目标三维数据重建、驱动的关键技术。 针对实际应用中复杂运动场景，例如刚性运动的交通工具，变形移动行人等，传统的运动结构恢复方法在进行场景深度求解时无法确定每个单元结构的相对尺度，导致无法对复杂运动场景进行重建。在现有的深度估计、语义分割、位姿估计等相关技术，存在识别精度低、提取不到关键信息、应用场景单一等问题，无法满足大尺度场景应用的需求。 2.解决方案 本项目成果提出了一套面向目标、人体深度数据重建技术，有效实现对复杂运动场景下人、物的深度重建与驱动，有效解决现实场景目标的数字化模型生成与虚拟场景下的驱动映射问题。提出多模态采集、时空复用编码摄像方法，获取大景深、高时空分辨、丰富的精确场景视觉信息，基于超像素关系分析的深度重建方法，包括目标超像素分割，图像帧匹配，运动关系判定，通过时序传播与概率模型更新实现实时深度重建，提高最终三维重建模型的稠密度、鲁棒性、一致性和准确度。构建了基于深度卷积神经网络的目标实例检测与位姿估计框架，从目标对象观测图片提取其分割掩码并不断迭代更新，输入深度卷积神经网络进而得到目标6D位姿估计并进行迭代改进，从而实现目标在动态复杂场景下的位姿还原，克服了在光照、姿态变化、遮挡等不良因素环境下的目标位姿不准确问题，确保了目标6D位姿估计的鲁棒性与准确性。 合作需求 寻求在元宇宙、数字城市、自动驾驶、AR/VR、机器人、制造业等领域有相关技术开发、市场推广经验，能推广本技术落地的高科技企业，可以进行深度合作。

本发明公开一种基于深度学习的多目标抓取方法及系统，属于计算机视觉与机器人控制技术领域，方法包括获取待抓取目标的图像以及深度信息，基于目标抓取检测模型得到抓取点的坐标，输入机械臂生成抓取指令抓取至少一个目标；其中，通过相机标定算法建立映射模型，改进YOLOv5网络和GRCNN网络构建目标检测模型和抓取点预测模型；目标抓取检测模型的数据处理方法包括将待抓取目标的图像以及深度信息，输入目标检测模型检测目标和抓取点预测模型确定抓取点，得到图像采集设备坐标系下的抓取点坐标，并基于映射模型转换为机械臂坐标系下的抓取点坐标。本发明解决了现有技术中存在的目标识别精度不足、抓取点计算不准确以及缺乏实时性的问题。