一种射箭训练与比赛模拟系统
    21.
    发明公开

    公开(公告)号:CN117919677A

    公开(公告)日:2024-04-26

    申请号:CN202311733399.X

    申请日:2023-12-15

    Abstract: 本发明公开了一种射箭训练与比赛模拟系统,其包括:箭靶识别模块、生理特征检测模块、环境探测模块以及比赛模拟模块;其中:箭靶识别模块采用基于卷积神经网络的箭靶自动识别方法识别箭靶上箭矢的坐标;生理特征检测模块用于实时获取用户生理特征;环境探测模块用于实时获取环境信息;比赛模拟模块,用于和使用者交互,以安排使用者进行模拟比赛;模拟比赛过程中,通过箭靶识别模块检测使用者的命中成绩,通过生理特征检测模块检测使用者的生理特征,并通过环境探测模块探测赛场的环境信息。该系统可进行实时生理体征检测、环境信息监测、比赛流程自动化调度,解决了现有技术存在的问题。

    基于高清晰测量的面铣削表面刀纹分割方法及系统

    公开(公告)号:CN111168136B

    公开(公告)日:2021-08-06

    申请号:CN202010047664.9

    申请日:2020-01-16

    Abstract: 本发明提供了一种基于高清晰测量的面铣削表面刀纹分割方法及系统,包括:通过测量得到面铣削表面点云数据,对点云数据进行处理,生成能够反映面铣削表面形貌的灰度图像;对灰度图像进行表面滤波处理,提取周期度最高的子表面;对子表面通过局部自适应阈值算法将子表面二值化;将二值化子表面进行刀纹连接算法处理,通过寻找刀纹断裂处边界点构建凸壳并修复刀纹;采用分水岭算法对修复好的二值刀纹图像进行分割;所述周期度是子表面的自协方差函数的次高峰与最高峰高度值之比。本发明将面铣削表面按照刀具路径进行分割,分割得到的区域是进行表面形貌精细定量化研究的基础,也是传统分水岭算法在具有周期性刀纹表面分割的一种拓展。

    一种基于HFMIMO预编码系统的信道预测方法

    公开(公告)号:CN105207960A

    公开(公告)日:2015-12-30

    申请号:CN201510488937.2

    申请日:2015-08-11

    Abstract: 本发明涉及一种基于HF MIMO预编码系统的信道预测方法,将短波时变信道建模为一个ARMA滤波器,提取短波信道的时域特征进行参数估计,根据信道预测值的SVD分解来进行预编码。与现有技术相比,本发明考虑了短波信道中的反馈延迟以及信道估计误差,利用信道矩阵的预测值进行预编码矩阵和接收合并矩阵的设计,从而能够降低反馈延迟对系统性能的影响。

    双冷头狭缝冷指同轴脉管制冷机

    公开(公告)号:CN1851355A

    公开(公告)日:2006-10-25

    申请号:CN200610026666.X

    申请日:2006-05-18

    Inventor: 巨永林 王坤

    Abstract: 一种双冷头狭缝冷指同轴脉管制冷机,属于制冷技术领域。本发明中,线形压缩机通过进气管路并经由热端气体分配法兰与同轴套设在脉管外的蓄冷器的热端相连,脉管的冷端伸出蓄冷器的冷端之外,伸出部分的外壁紧密配合一狭缝型冷指,该狭缝型冷指的底面和外壁沿轴向对称的开有槽道,并用一个高热导率材料制成的冷端外套将狭缝型冷指与蓄冷器的冷端罩盖其中,冷端外套的边缘与蓄冷器的冷端外壁的边缘焊接,由此开有外槽道的狭缝型冷指和冷端外套就构成了双冷头换热器。本发明简化了冷端结构,有增强了工作气体与冷头的换热能力,从而进一步提高同轴型脉管制冷机的性能。

    L形脉管制冷机
    27.
    发明公开

    公开(公告)号:CN1710354A

    公开(公告)日:2005-12-21

    申请号:CN200510027318.X

    申请日:2005-06-30

    Abstract: 一种制冷技术领域的L形脉管制冷机,包括:压力波发生机构,调相机构,蓄冷器热端换热器,蓄冷器,脉管热端换热器,L形脉管,冷端换热器。L形脉管和蓄冷器并列布置,脉管的冷端通过冷端换热器直接和蓄冷器的冷端相连,压力波发生机构和调相机构和蓄冷器热端换热器以及脉管热端换热器相连。本发明具有结构紧凑,对称性好,系统死容积小,冷量利用效率高的特点,且在冷热端换热器中采用紫铜泡沫金属材料强化换热,提高换热效率。

    一种基于卷积神经网络的箭靶自动识别方法及系统

    公开(公告)号:CN117576614A

    公开(公告)日:2024-02-20

    申请号:CN202311727114.1

    申请日:2023-12-15

    Abstract: 本发明公开了一种基于卷积神经网络的箭靶自动识别方法及系统,该方法包括:S1、获取箭靶的RGB视频图像,将各帧进行仿射变换以及图像截取,从而得到RGB视频帧图像序列;S2、对RGB视频帧图像序列通过比较相邻帧变化获取关键帧信息;S3、对S2中所得的关键帧进行目标检测,得到初检的视频帧箭矢坐标位置及角度信息;S4、采用作差的方法,提取S2中的关键帧与前一帧非关键帧的差异,获得目标图片,并对目标图片进行处理,获得带有箭矢信息的二值图像;S5、结合S3获得的箭矢坐标位置及角度信息及S4获得的带有箭矢信息的二值图像,确定箭矢目标的关键点位置。本方法可准确识别箭靶上的箭,可运行于低功耗,低空间占用的移动端平台。

Patent Agency Ranking