徐升團(tuán)隊提出一種基于分布式TOA多傳感器系統(tǒng)的三維目標(biāo)定位方法

中國科學(xué)院深圳先進(jìn)技術(shù)研究院智能仿生研究中心徐升研究團(tuán)隊在基于分布式 TOA 多傳感器系統(tǒng)的三維目標(biāo)定位方法研究中取得進(jìn)展。相應(yīng)研究成果為“Xu S, Ou YS, Wu XY. Optimal sensor placement for 3-D time-of-arrival target localization [J]. IEEE Transactions on Signal Processing, 2019, 67(19): 5018-5031(三維目標(biāo)定位中的分布式信號傳輸時間傳感器最優(yōu)分布策略研究)”。

在目標(biāo)精確定位研究領(lǐng)域，如何采用分布式多傳感器系統(tǒng)精確定位靜態(tài)目標(biāo)是一個重要的科學(xué)問題。該研究圍繞此問題，對如何分布多個信號接收時間(Time-of-arrival，TOA)傳感器位置來實(shí)現(xiàn)高精度定位單個靜態(tài)目標(biāo)的問題展開研究。其中，TOA 傳感器可由多個無人機(jī)、無人艇等移動平臺搭載，而靜態(tài)目標(biāo)可以是敵對雷達(dá)站、被困人員、水下信標(biāo)等。因此，所提出方法應(yīng)用領(lǐng)域涵蓋了軍事打擊、水下探索、民用搜救等。

該研究首先采用 MATLAB 軟件結(jié)合基于梯度下降法編寫程序，將多個傳感器任意分散到三維空間中，并將目標(biāo)位置設(shè)置在坐標(biāo)原點(diǎn)。然后解算各個傳感器與目標(biāo)之間的真實(shí)幾何相對關(guān)系。接著，以克拉美羅下界的跡(tr(CRLB))為梯度法中的代價函數(shù)，自動解算多個傳感器如何移動可以使得代價函數(shù)減小，并收斂到全局最小位置。最后，將獲得的最優(yōu)傳感器分布與理論值相對比，以驗證所提出方法的優(yōu)越性。此外，該研究還采用了實(shí)際估計策略進(jìn)行驗證，將多個傳感器按照不同的幾何分布排布在不同的具體位置上，確定仿真中的具體量測噪聲方差，使用了最大似然估計算法，并采用了蒙特卡洛隨機(jī)進(jìn)行重復(fù)計算，從而驗證所提出理論的有效性。

實(shí)驗結(jié)果顯示，極大似然估計在實(shí)際估計問題中所求得最優(yōu)分布下的均方誤差與理論推導(dǎo)的結(jié)果基本一致。實(shí)驗示例中，按照所提方法排布N 個量測方差噪聲為 σ2 的 TOA 傳感器，目標(biāo)估計的最小均方差可以達(dá)到 9σ2/(4N)，與文中首次提出的最佳精度理論的相關(guān)結(jié)論一致。

所提出的方法可以快速評估 TOA 三維目標(biāo)定位策略的最佳可達(dá)精度，并提供改善估計精度的傳感器分布策略。該方法可應(yīng)用于軍事偵察，包括敵方雷達(dá)站、艦船、潛艇等目標(biāo)的精確定位，也可用于無人機(jī)搜救、海上信標(biāo)搜索、以及地下礦物探查等民用領(lǐng)域。

夏澤洋團(tuán)隊提出一種基于分割的立體匹配視差優(yōu)化方法

中國科學(xué)院深圳先進(jìn)技術(shù)研究院神經(jīng)工程研究中心夏澤洋研究團(tuán)隊與上海交通大學(xué)趙群飛研究團(tuán)隊在基于視覺的場景三維重構(gòu)研究方面取得進(jìn)展。相應(yīng)成果為“Yan TM, Gan YZ, Xia ZY, et al. Segment-based disparity refinement with occlusion handling for stereo matching [J]. IEEE Transactions on Image Processing, 2019, 28(8): 3885-3897(立體匹配中的視差優(yōu)化方法)”。

立體匹配是三維重建的核心步驟，其輸入是一對經(jīng)過矯正的彩色圖像，通過匹配同一三維物體在左右兩幅圖像上的投影點(diǎn)得到視差。目前，已有的立體匹配方法在無遮擋區(qū)域時，實(shí)現(xiàn)了較高的匹配精度，但在有遮擋區(qū)域時，匹配誤差較大。同時，已有方法的計算效率普遍較低。因此，該研究提出了一種基于分割的立體匹配視差優(yōu)化算法，以解決包含遮擋區(qū)域圖像的快速立體匹配問題。

該研究所提出的基于分割的立體匹配視差優(yōu)化方法直接優(yōu)化由彩色參考圖像得到的初始匹配最小代價對應(yīng)的視差(WTA)。首先，參考圖像被分割為超像素，視差優(yōu)化方法直接在超像素上進(jìn)行處理;然后，通過對超像素平均視差的估計得到一個前置平行視差圖;之后，對每個超像素分配一個平面以優(yōu)化得到一個傾斜表面視差圖。前置平行視差圖到傾斜表面視差圖的轉(zhuǎn)換通過一個全局優(yōu)化層和一個局部優(yōu)化層優(yōu)化得到。在全局優(yōu)化層中，采用馬爾科夫隨機(jī)域優(yōu)化算法對前向平行視差圖進(jìn)行估計;在局部優(yōu)化層中，利用隨機(jī)抽樣一致算法與基于概率的視差平面算法來優(yōu)化傾斜表面視差圖。在 Middlebury 2014 和KITTI 2015 數(shù)據(jù)庫上對所提出的方法進(jìn)行了測試并與當(dāng)前最優(yōu)的視差優(yōu)化方法進(jìn)行了比較。在計算精度方面，所提出方法排名第 6 位;在計算效率方面，所提出方法比其他方法快 30 倍以上。

該研究所提出的基于分割的立體匹配視差優(yōu)化方法有效地解決了有遮擋時場景的快速、精確三維重建問題，為工業(yè)機(jī)器人等領(lǐng)域中的實(shí)時三維場景重建以及特殊環(huán)境下醫(yī)療機(jī)器人應(yīng)用中的組織和器械的實(shí)時三維重建奠定了基礎(chǔ)。

胡穎團(tuán)隊提出一種基于磨削力模型的機(jī)器人輔助椎板減壓手術(shù)切削深度實(shí)時監(jiān)控方法

中國科學(xué)院深圳先進(jìn)技術(shù)研究院認(rèn)知與交互 技術(shù)研究中心胡穎研究團(tuán)隊在機(jī)器人輔助椎板 減壓切除術(shù)切削深度實(shí)時監(jiān)控方面的研究取得 進(jìn)展。相應(yīng)成果為“Jiang ZL, Qi XZ, Sun Y, et al. Cutting depth monitoring based on milling force for robot-assisted laminectomy [J]. IEEE Transactions on Automation Science and Engineering, 2020, 17(1): 2-14(基于磨削力模型的機(jī)器人輔助椎板減 壓手術(shù)切削深度監(jiān)控)”。

人體脊柱椎管狹窄是一種常見的骨科疾病， 可引起一系列神經(jīng)系統(tǒng)癥狀。椎板減壓切除術(shù)是治 療椎管狹窄癥的常見方法，由于該手術(shù)區(qū)域靠近 脆弱的脊柱神經(jīng)，手術(shù)精度要求高、耗時長，因 此經(jīng)驗豐富的醫(yī)師方可進(jìn)行此類手術(shù)。隨著科技 的發(fā)展，采用機(jī)器人輔助手術(shù)越來越多地被人們 所接受。為了防止機(jī)器人執(zhí)行器械末端磨頭磨穿 椎板并傷害神經(jīng)，該研究提出一種基于磨削力模 型的實(shí)時磨削深度監(jiān)控方法，以確保手術(shù)安全。 具體地，首先基于球形磨頭的幾何形狀建立 其在不同深度的切削力模型;然后，采用牛骨作為 磨削實(shí)驗材料，并采集實(shí)驗中的機(jī)器人末端執(zhí)行器 械的力信號，對切削力模型中的未知參數(shù)通過粒子群優(yōu)化算法進(jìn)行辨識;最后，通過多次實(shí)驗建立 機(jī)器人磨削深度與磨削力之間的相互關(guān)系模型。 實(shí) 驗 結(jié) 果 表 明 ， 當(dāng) 機(jī) 器 人 磨 削 深 度 在 [0.8, 1.2] mm 時，基于磨削力的磨削深度預(yù)測結(jié) 果精度可達(dá)±0.1 mm;當(dāng)深度增加到[1.2, 1.6] mm 時，預(yù)測精度為±0.2 mm。

該研究所提出的基于磨削力模型的機(jī)器人磨 削深度實(shí)時監(jiān)控方法，具有較好的臨床應(yīng)用價 值，可實(shí)現(xiàn)機(jī)器人輔助椎板減壓手術(shù)的術(shù)中狀態(tài) 精細(xì)感知，確保機(jī)器人手術(shù)安全。同時，相關(guān)技 術(shù)可以很好地應(yīng)用在機(jī)器人輔助神經(jīng)外科、關(guān)節(jié) 置換等手術(shù)中。