-
题名基于虚拟现实的弹丸时空位置再现技术研究
被引量：2
- 1
-
-
作者
曹咏弘
范荣强
范锦彪
马铁华
祖静
-
机构
中北大学仪器科学与动态测试教育部重点实验室
北方易初摩托车有限公司
-
出处
《弹箭与制导学报》
CSCD
北大核心
2010年第1期91-94,共4页
-
基金
国防预先研究基金资助
-
文摘
为了将抽象的测试数据变成直观的运动,并为进一步改进弹丸性能提供可靠的依据,文中研究了基于虚拟现实的弹丸时空位置再现技术,详细介绍了弹丸姿态和位置确定的方法,基于VRML弹丸模型的构建,以及模型的驱动,利用一组测试数据进行了仿真,仿真结果的正确性被高速摄影所证实,表明基于虚拟现实的弹丸时空位置再现技术是一种可行的弹丸运动仿真方法,具有很好的推广价值。
-
关键词
弹丸
虚拟现实
MATLAB
VRML
时空位置再现技术
-
Keywords
projectile
virtual reality
Matlab
VRML
reappearance technology of position and time
-
分类号
TJ410
[兵器科学与技术—火炮、自动武器与弹药工程]
-
-
题名火箭橇时空位置测试数据处理算法分析
被引量：3
- 2
-
-
作者
王林安
付宇
朱轶龙
-
机构
中国兵器工业试验测试研究院
-
出处
《兵器装备工程学报》
CAS
北大核心
2019年第11期19-22,73,共5页
-
基金
国防技术基础科研项目(JSJL2015208B011)
-
文摘
针对基于光电阻隔探测技术的火箭橇时空位置动态测试方法,提出了两段加速度迭代法的弹道方程参数优化算法,建立了火箭橇时空位置数据处理模型,该数据处理方法简单、误差小,通过实验测试数据分析验证,得到的位移方程闭合,火箭橇运行过程的航向加速度与实际测试结果较为吻合,有效提升了导航系统动态性能考核试验测试结果数据处理的精度。
-
关键词
火箭橇
时空位置
数据处理
算法
-
Keywords
rocket sled
space-time position
data processing
algorithm
-
分类号
TJ06
[兵器科学与技术—兵器发射理论与技术]
-
-
题名关节点位置关系时空变化模型的人体姿态预测
- 3
-
-
作者
黎鑫
许闻
李顼
潘振鹏
杨兴明
吴克伟
-
机构
合肥工业大学计算机与信息学院
-
出处
《微电子学与计算机》
2025年第1期45-54,共10页
-
基金
安徽省自然科学基金(JZ2021AKZR0351)。
-
文摘
人体姿态预测,是指根据可观测的人体姿态序列,来预测运动后的人体姿态。现有方法缺乏对关节点在运动后的位置范围进行描述。由此,提出了一种关节点位置关系时空变化模型。在该模型中,空间位置关系学习模块,通过统计同一个动作类别的多个时间视频帧中关节点之间的相对位置分布,来学习动作类别约束的不同关节点之间位置关系。空间位置关系学习模块用于描述人体姿态预测中位置关系的合理性,并减少不合理的关节点估计。时间位置关系学习模块,通过同一个动作类别中统计相邻两帧的关节点位置变化,来学习动作类约束的单关节点位置随着时间的变化关系。时间位置关系学习模块用于描述人体姿态预测中人体关节点运动后的合理范围,并减少不合理的关节点估计。时空位置关系融合模块,利用位置关系的高斯分布方差作为权重,对空间位置关系和时间位置关系进行加权融合。时空位置关系融合模块考虑人体姿态中的邻接关系,将融合的时空位置关系进行空间范围的筛选,得到更加合理的时空位置关系。时空变化特征学习模块,将关节点的全局/局部位置关系,点乘到自注意力关系中。时空变化特征学习模块使用位置约束的自注意力,找出关节点有效的影响范围,从而提高人体姿态预测的准确性。在Human3.6M和Penn Action两个数据库上进行了实验验证。实验结果表明,所提的关节点位置关系时间变化模型,优于现有人体姿态预测方法。
-
关键词
人体姿态预测
时空位置关系
相对位置分布
注意力
-
Keywords
human pose prediction
spatiotemporal relation
location distribution
attention
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名基于时空多头图注意力网络的交通流预测
被引量：3
- 4
-
-
作者
梁秀霞
夏曼曼
何月阳
梁涛
-
机构
河北工业大学人工智能与数据科学学院
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2024年第2期500-509,共10页
-
基金
河北省自然科学基金(No.F2021202022)。
-
文摘
针对当前路网交通流量预测方法中存在的挖掘复杂的动态时空特性和长距离的空间依赖性能力不足等问题,基于多头自注意力网络构建一种新型的交通流预测模型.考虑到交通流在不同周期尺度下呈现出的高度相似性,以及静态时空特征,引入日和周这2种周期尺度下的数据张量作为模型输入,来表达交通流数据的时间相似性,并通过输入数据的时空位置编码获取其静态时空特征.考虑到交通流的动态时空特性和长距离的空间依赖性,主体模型基于多头自注意力机制分别设计时间多头注意力模块和空间多头注意力模块.时间多头注意力模块利用一个图掩码矩阵获得局部注意力,并将其融合到一个多头自注意力中,以提取交通流的动态时间特征.空间多头注意力模块利用两个图掩码矩阵获得局部注意力和全局注意力,并将其融合到一个多头自注意力中,以提取路网节点的动态空间特征和长距离的空间依赖性.最后,设计一个门控融合模块自适应地融合交通流数据的时空相关性特征.在三个真实交通流基准数据集PEMS04,PEMS07和PEMS08上进行模型的有效性验证,结果表明,所建模型在3个数据集上的3个预测精度指标与其他精度最高模型相比,平均提高了4.437%,2.930%,4.275%.
-
关键词
智能交通
多头图注意力网络
图掩码机制
特征融合
时空数据位置嵌入
-
Keywords
intelligent transportation
multi-head graph attention network
graph masking mechanism
feature fusion
spatio-temporal data position embedding
-
分类号
TP273
[自动化与计算机技术—检测技术与自动化装置]
U491.1
[交通运输工程—交通运输规划与管理]
-
-
题名九月时空转移持续隐伏变机
- 5
-
-
作者
凌惠汕
-
机构
深圳前导
-
出处
《股市动态分析》
2004年第35期35-35,共1页
-
文摘
本周,大盘周线持续收出贴着周前导线运动的阴线,这一走势特征在上期作了具体的论述和预测,结果不差。由于周线持续沿着前导线韧性运动,细部结构上的5(3)子浪因此发生了延伸走势,至周五处于第7细浪当中,估计需要9个细浪结构才能最终完成,那么上证1300点接受考验已不可避免。 下周将是一个跨月周。
-
关键词
时空转移
细部结构
时空位置
监测系统
受考验
时间之窗
技术性因素
线运动
大盘指数
共振条件
-
分类号
F832.5
[经济管理—金融学]
-
-
题名造个平台好过年
- 6
-
-
作者
凌惠汕
-
机构
深圳前导
-
出处
《股市动态分析》
2005年第6期40-40,共1页
-
文摘
周二,日线前导图提示了短线上的一次临界转移,接着伴随着消息面沸沸扬扬的利多传闻,大盘强劲反弹,力度超出预计。强反弹过程充盈了节前日线前导图的V形上方区间,为春节带来一些平和与安稳。华电国际作为询价制上市的第一股在本周出现了强烈的投机,蕴涵的寓意似乎还是"这仍然是一个极度投机的市场",道出市场离进入理性长线价值投资还有距离。
-
关键词
价值投资
次临界
理性
市场
询价
伴随着
时空位置
上证指数
分类指数
形态显示
-
分类号
F832.5
[经济管理—金融学]
-
-
题名七月,暗夜和启明星的变奏
- 7
-
-
作者
凌惠汕
-
机构
深圳前导
-
出处
《股市动态分析》
2004年第27期24-24,共1页
-
文摘
6月长阴之后,大盘运行时空移到了7月的位置。回头看,前导股势监测系统提示3、4月之交大盘趋势波段临界转移,预测之后数月在前导线所涵盖的下方区间运动,在中期跌势区间过程当中,处于4月和6月长阴中间的5月带下影小阴线,明白无误地告诉我们,那里曾经发生了一次缺乏力度的下跌抵抗。往前看,大盘的7月份时空位置开始向前导线的临界时间之窗靠近,不过它毕竟还仍然处于前导线涵盏着的跌势时空过程区间,只是跌势过程无疑地已经跨过了过程的中段,进入了过程的末段。因此,7月大盘走势如同一个长夜“乐章”的最后一部分,就叫“暗夜和启明星的变奏”吧!
-
关键词
启明星
变奏
时间之窗
时空过程
大盘走势
时空位置
临界
监测系统
系统提示
智能评估
-
分类号
F832.5
[经济管理—金融学]
-
-
题名美国I-5州际公路加利福尼亚段事故黑点调查
- 8
-
-
作者
孙爽
-
机构
长安大学汽车学院
-
出处
《汽车实用技术》
2020年第20期236-238,共3页
-
文摘
近年来,交通安全问题已被社会反复提及。针对这一日益严重的全球性问题,来自世界各地的学者们进行了不同角度的研究,希望交通事故的频度以及将其造成的危害降至最低。文章基于道路交通安全的目标,运用动态分割方法寻找某一事故多发路段的黑点位置,并分析目标路段交通事故的时空特征,将为解决路段交通安全隐患奠定基础。
-
关键词
交通安全
动态分割
黑点
位置时空特征
-
Keywords
Traffic safety
Dynamic segmentation
Black spot position
Space-time characteristics
-
分类号
U411
[交通运输工程—道路与铁道工程]
-
