-
题名穿刺机器人运动安全性的形式化分析与建模
- 1
-
-
作者
孙浩然
施智平
关永
王瑞
-
机构
首都师范大学成像技术北京市高精尖创新中心
首都师范大学信息工程学院轻型工业机器人与安全验证北京市重点实验室
北京数学与信息交叉科学
-
出处
《计算机工程与应用》
CSCD
北大核心
2018年第18期263-270,共8页
-
基金
国际科技合作计划(No.2010DFB10930,No.2011DFG13000)
国家自然科学基金(No.61170304,No.61104035,No.61373034,No.61303014,No.61472468,No.61572331)
+2 种基金
北京市科委项目(No.Z141100002014001)
北京市教委科研基地建设项目(No.TJSHG201310028014)
北京市属高等学校创新团队建设与教师职业发展计划项目(No.NoIDsHT20150507)。
-
文摘
混成系统是实时嵌入式系统的重要子类,其行为中存在连续变化和离散跳转混杂的情况,使得混成系统行为复杂,安全性难以掌握。近年来,混成系统在医疗环境中得到越来越广泛的应用。其中,医疗机器人的穿刺运动控制系统呈现高度复杂的混成性,如果机器人在穿刺过程中失控将导致不可挽回的严重后果。因此穿刺机器人运动行为的安全性设计成为了亟需解决的问题。首先根据穿刺机器人的运动学设计,将机器人的复杂运动分解。然后基于微分动态逻辑理论从混成系统的角度出发对穿刺机器人的运动控制系统进行了形式化建模与分析,并使用证明工具KeYmaera归纳出微分不变式,获得了控制模型的参数约束。最后提出了针对机器人运动到某一靶目标区域这类运动学问题的一般性验证模型。
-
关键词
混成系统
医疗机器人
微分动态逻辑
微分不变式
形式化验证
-
Keywords
hybrid system
surgical robot
differential dynamic logic
differential invariant
formal verification
-
分类号
TP301.2
[自动化与计算机技术—计算机系统结构]
-
-
题名函数矩阵及其微积分的高阶逻辑形式化
被引量：2
- 2
-
-
作者
杨秀梅
关永
施智平
吴爱轩
张倩颖
张杰
-
机构
首都师范大学信息工程学院轻型工业机器人与安全验证北京市重点实验室
北京化工大学信息科学与技术学院
-
出处
《计算机科学》
CSCD
北大核心
2016年第11期24-29,共6页
-
基金
国际科技合作计划(2011DFG13000)
国家自然科学基金项目(61170304
+4 种基金
61472468
61572331)
北京市科委项目(Z141100002014001)
北京市教委科研基地建设项目(TJSHG201310028014)
北京市属高等学校创新团队建设与教师职业发展计划项目(IDHT20150507)资助
-
文摘
函数矩阵广泛应用于动态系统的建模与分析。传统的函数矩阵分析主要采用纸笔演算、数值计算和符号推导的方法,这些方法不能保证提供精确或正确的结果。高阶逻辑定理证明作为一种高可靠的形式化验证方法,可以克服以上不足。在高阶逻辑定理证明器HOL4中对函数向量和函数矩阵相关理论进行形式化,内容包括函数向量和函数矩阵及其连续性、微分、积分的形式化定义和相关性质的逻辑推理证明。为示范函数矩阵形式化的应用,最后给出机器人运动学中旋转矩阵微分公式的形式化验证。
-
关键词
函数矩阵
微积分性质
形式化验证
高阶逻辑定理证明
-
Keywords
Function matrix
Calculus
Formal verification
Higher-order logic theorem proving
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
-
题名基于深度残差学习的自动驾驶道路场景理解
被引量：6
- 3
-
-
作者
宋锐
施智平
渠瀛
邵振洲
关永
-
机构
首都师范大学信息工程学院成像技术北京市高精尖创新中心
首都师范大学信息工程学院轻型工业机器人与安全验证北京市重点实验室
田纳西大学诺克斯维尔分校工程学院
-
出处
《计算机应用研究》
CSCD
北大核心
2019年第9期2825-2829,2871,共6页
-
基金
国家自然科学基金资助项目(61702348,61772351,61572331,61472468,61602325)
国家科技支撑计划资助项目(2015BAF13B01)
+2 种基金
国际科技合作计划项目(2011DFG13000)
北京市科委项目(Z141100002014001)
北京市属高等学校创新团队建设与教师职业发展计划项目(IDHT20150507)
-
文摘
随着道路场景理解技术的快速发展,自主驾驶领域取得了长足的进步。在相关任务中,包括道路分割、分类和车辆检测的实时性和准确性是安全性的一个关键问题。为此,提出了一个具有编/解码器网络结构的基于深度残差学习的方法。一方面,编码器网络结构使用不同层次的残差网络来提取高维中的抽象特征,这些特征在接下来的三个任务中共享使用;另一方面,解码器网络结构采用一种子任务的并行计算机制,即道路分割、车辆检测和道路分类任务同时执行。此外,全卷积神经网络用于对提取的图像特征进行上采样以解决道路分割问题。最终,实验结果表明在保证高精度的前提下处理帧率可达到15 fps以上。
-
关键词
道路场景理解
深度残差学习
编/解码器结构
全卷积网络
-
Keywords
road scene understanding
deep residual learning
encoder-decoderstructure
fully convolutional networks
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于天空分割的去雾算法在目标检测中的应用
被引量：3
- 4
-
-
作者
朱晓霞
施智平
邵振洲
关永
任长娥
-
机构
首都师范大学信息工程学院电子系统可靠性技术北京市重点实验室
首都师范大学成像技术北京市高精尖创新中心
首都师范大学信息工程学院轻型工业机器人与安全验证北京市重点实验室
首都师范大学电子系统可靠性与数理交叉国际科技合作基地
-
出处
《计算机应用与软件》
北大核心
2020年第2期152-160,225,共10页
-
基金
国家自然科学基金项目(61702348,61772351,61602326,61602324)
国家重点研发计划项目(2017YFB0806700)
+1 种基金
北京市科技委员会项目(LJ201607)
科技创新服务能力建设-基本科研业务费项目(025185305000)。
-
文摘
针对道路目标检测的准确率受雾霾环境影响的问题,提出一种基于雾检测与天空分割的自适应去雾算法。提取道路环境中的雾检测区域并对其进行通道相关性以及亮度和饱和度比值的计算,以判别场景类别;对图像进行天空非天空区域的分割并对不同区域建立去雾模型,用于自适应去雾;将恢复后的图像应用到道路目标检测算法中,进行去雾效果验证和道路目标检测。实验结果表明,该算法提高了雾霾环境下目标检测的准确率。
-
关键词
消失点检测
天空分割
暗通道
自适应去雾
道路目标检测
Yolo
-
Keywords
Vanishing point detection
Sky segmentation
Dark channel
Adaptive defogging
Road object detection
Yolo
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
