新闻动态

未来工程精英 | 巴院学生又做了什么有趣的综合实践项目?

    近日,交大巴黎高科学院大三学生完成了综合实践项目的答辩,巴院学生设计了诸如能够灵巧抓取的机械手、便携式的制冷衣、乒乓球实时追踪等许多新奇有趣的的共20个项目,得到了评委老师的高度评价。

    学生通过这一课程,初步了解什么是真正的科学研究,如何将基础阶段所学的知识应用到科学研究中,有益于发展自身的科学意识,研究能力,创新和团队精神。

      基于半导体制冷原理的便携式制冷衣

    此项目致力于利用热电效应,使用半导体进行制冷,水作为载冷剂,制作一件可穿戴的衣服,并使该衣服实现功率可调控的制冷。经过一个学期的努力,小组成员从衣服和制冷原件两个主要方面进行自主设计,理论计算,动手操作,实验检验,最后制作出一件总重量约为2.5kg,制冷功率约为80W的便携式制冷衣。

 

   

     机器人灵巧手的设计控制与精确抓取建模

     该项目是以国外一个开源项目为基础,对其设计的机器人灵巧手进行3D零件打印和拼装,并用Arduino实现对手的控制。在此基础上,我们用solidworks对手背设计进行了修改以适应我们所使用的舵机型号。同时,在学长的帮助下,项目成员设计了与机械手配套的手腕,使其能成功与一款农业机器人对接。随后,我们对这款灵巧手的抓取能力进行测试,并通过D-H方法对手指的运动轨迹进行建模。

 

       使用传统图像处理和深度学习方法实现乒乓球实时追踪

       基于乒乓球运动中球体的快速移动和高速旋转的特点,乒乓球机器人视觉系统是研究高速视觉感知的理想平台,其涉及的对于高速移动物体运动状态识别等技术在工业、军事等领域拥有广泛的应用前景。在这一研究背景下,关于乒乓球的运动轨迹和旋转状态两大方面,针对乒乓球旋转信息的测量进行研究非常重要,其主要包括乒乓球实时旋转速度及旋转轴方向两个部分。研究采用了传统图像处理方法和深度学习两种方法。

      在传统图像处理方法中,对于转速信息测量部分,不同于传统的对微观局部特征点追踪的复杂坐标计算,提出一种宏观周期算法。该算法将记录视频每帧图像进行灰度处理,计算每帧中乒乓球区域内的黑色像素点数量,即乒乓球商标或双色球颜色所占像素。由于乒乓球的旋转,该区域内的黑色像素点数量将随时间周期变化,利用快速傅里叶等周期计算方法,可以快速得出乒乓球的旋转周期及转速信息,通过实验,该算法的识别平均误差 1.2%。对于转轴信息的测量,采用视频若干帧叠加、在球体区域形成“标志带”的方法,寻找图像中的二维转轴信息,进而根据两台摄像机视角,相交两个二维转轴平面得到三维的转轴信息。该算法有效避免了传统方法对于特征点追踪的难点,具有较高的可实践性。

     研究亦使用深度学习方法研究乒乓球的转轴信息。由于实际比赛中对于乒乓球转轴的精确度要求不高,考虑将空间中的乒乓球转轴位置分为 13 类,且根据在短时间内乒乓球的转轴方向不变的特点,将视频中每若干帧作为同一转轴数据,通过叠加方式将该若干帧变换为一张图像,最终将原问题转化为图像分类问题进行解决。实验验证,在具有足够丰富的数据集的情况下,该算法具有较好的高效性和准确性。