CN103778347B - 一种家蚕吐丝行为的解析与仿真方法 - Google Patents
一种家蚕吐丝行为的解析与仿真方法 Download PDFInfo
- Publication number
- CN103778347B CN103778347B CN201410070576.5A CN201410070576A CN103778347B CN 103778347 B CN103778347 B CN 103778347B CN 201410070576 A CN201410070576 A CN 201410070576A CN 103778347 B CN103778347 B CN 103778347B
- Authority
- CN
- China
- Prior art keywords
- silkworm
- silk
- behavior
- family
- silkworms spin
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 241000255789 Bombyx mori Species 0.000 title claims abstract description 97
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000004088 simulation Methods 0.000 claims abstract description 10
- 230000002349 favourable effect Effects 0.000 claims abstract description 4
- 238000009941 weaving Methods 0.000 claims abstract description 4
- 238000010586 diagram Methods 0.000 claims description 3
- 238000004040 coloring Methods 0.000 claims 2
- 238000000605 extraction Methods 0.000 claims 1
- 230000003542 behavioural effect Effects 0.000 abstract description 3
- 238000004458 analytical method Methods 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 abstract 1
- 229920001872 Spider silk Polymers 0.000 description 4
- 239000000835 fiber Substances 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 239000007787 solid Substances 0.000 description 2
- 229920000049 Carbon (fiber) Polymers 0.000 description 1
- 238000009395 breeding Methods 0.000 description 1
- 230000001488 breeding effect Effects 0.000 description 1
- 239000004917 carbon fiber Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 1
- 238000000465 moulding Methods 0.000 description 1
- 239000004753 textile Substances 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Processing Or Creating Images (AREA)
Abstract
本发明涉及了一种家蚕吐丝行为的解析与仿真方法,该方法是基于一种家蚕吐丝行为数据的自动采集方法获得家蚕吐丝行为三维坐标数据,根据多项式曲线拟合的方法,求得家蚕吐丝行为的运动轨迹,利用模拟仿真的原理,再现家蚕的吐丝行为,并从时间和空间等全新的角度分析家蚕的轨迹方程,解析出家蚕吐丝行为的时序和位姿等特性,获得家蚕吐丝行为的平均速度与运动方向。本发明的有益效果在于该仿真方法为获取家蚕吐丝行为数据与蚕丝理化性能之间关联性的研究提供有利依据,有利于家蚕吐丝行为的控制以及蚕丝的获取。
Description
技术领域
本发明涉及数据仿真领域,尤其是涉及一种家蚕吐丝行为的解析与仿真方法。
背景技术
蚕丝是自然界中最轻最柔最细的天然纤维,撤销外力后可轻松恢复原状,内胎不结饼,不发闷,不缩拢,均匀柔和,可永久免翻使用。
蜘蛛丝的理化性质与蚕丝相比,具有非常明显的优势,特别在力学强度方面,蜘蛛丝纤维与强度最高的碳纤维及高强合纤等强度相接近。目前蜘蛛丝纤维在国防、军事、建筑领域具有广阔前景,而家蚕丝在纺织领域应用广泛。但是由于蜘蛛的地盘意识较强,容易相互残杀而无法大规模集体饲养,因此蜘蛛丝的产量有限。而蚕丝在几千年前就被人类大规模地利用,在全球的年产量达到几十万吨,同时家蚕可以高密度养殖,获得高产量的蚕丝。
家蚕吐丝行为仿真是一个复杂的计算过程。家蚕吐丝行为仿真过程中会模拟出不同实体的行为,通过对家蚕吐丝行为进行分析可以帮助人们理解家蚕的运动轨迹以及运动规律,为获取家蚕吐丝行为与蚕丝理化性能之间关联性的研究提供有利依据。
发明内容
本发明所要解决的技术问题是提供一种家蚕吐丝行为的解析与仿真方法,该方法是基于家蚕吐丝行为三维坐标数据,根据多项式曲线拟合的方法,求得家蚕吐丝行为的运动轨迹,利用仿真的原理,再现家蚕吐丝行为的运动轨迹,并从时间和空间等全新的角度分析家蚕的轨迹方程,解析出家蚕吐丝行为的时序和位姿等特性,为人们提取高质量的家蚕丝提供了有利依据,克服传统力学性能强弱混杂的家蚕丝的缺陷,提高家蚕丝的质量。
本发明所采用的技术方案如下:
一种家蚕吐丝行为的解析与仿真方法,所述方法是基于家蚕吐丝行为三维坐标数据,通过整理重建三维坐标,仿真再现家蚕的吐丝行为,并从时间和空间等全新的角度解析家蚕吐丝行为的时序和位姿等特性,为获取家蚕吐丝行为与蚕丝理化性能之间关联性的研究提供有利依据;具体步骤如下:
步骤A:数据采集,获得家蚕吐丝行为三维坐标数据。
步骤B:数据处理,在Matlab曲线拟合工具箱中,通过GUI传输三维坐标数据,以散点图的方式进行查看。然后采用区间排除法的方法对数据进行预处理,目的是去除界外值、不定值和重复值,减小人为误差,提高精度。
步骤C:模拟仿真,将处理后三维坐标数据分别在xoy以及yoz平面上进行多项式曲线拟合,得到方程φ(x,y)=0,(其中,和φ(y,z)=0分别表示在xoy和yoz平面上的蚕丝运动轨迹);然后对平面曲线进行综合得到空间曲线最后在Matlab下对方程F(x,y,z)=0进行仿真得到的即为家蚕吐丝行为的运动轨迹。
步骤D:行为解析,根据家蚕吐丝行为的运动轨迹方程为F(x,y,z)=0,设定初始点为o(x0,y0,z0),若在时刻t时家蚕运动到点p(xt,yt,zt),通过家蚕的运动轨迹方程,可以得到家蚕在t时刻的梯度 相对位移 以及在时间段[t0,t]下的路程可以得到家蚕的平均速度以及通过梯度可以知道家蚕吐丝下一步的运动方向。由于不同速度下蚕丝的力学性能不同,可以根据速度提取力学性能较强的蚕丝,同时知道了家蚕的下一步运动方向,有利于机械臂按照人为需求去获取蚕丝。
具体地,步骤A中,家蚕吐丝行为三维坐标数据是通过如下方法获得:在放置家蚕的平台上设置两个摄像头,同时采集家蚕吐丝过程中家蚕头部吐丝口的图像序列,然后对采集到的图像序列进行处理,并利用视差原理求出家蚕头部吐丝口的一系列三维坐标点;所述对图像序列的处理是利用家蚕吐丝口的颜色信息不同于家蚕身体其他部位的特点,根据颜色信息从背景中分割出家蚕头部吐丝口。
进一步,所述三维坐标点的求取步骤如下:
(1)利用两个摄像头同时采集到的多幅图像,对摄像机进行标定,得到摄像机的内外参数;
(2)利用摄像机的内外参数对图像进行畸变矫正,使用数学方法消除径向和切线方向上的镜头畸变,得到无畸变图像;
(3)对通过图像序列处理后分割出的家蚕头部吐丝口,分别提取两个摄像头采集到的家蚕吐丝口的特征点;
(4)查找两个摄像机视场中家蚕头部吐丝口的相同特征,求取相匹配的相同特征点的视差;
(5)最后利用图像坐标系与世界坐标系之间的转换关系和得到的视差值,求出该点在世界坐标系中的三维坐标。
本发明具有如下特点:
1.本发明方法是基于家蚕吐丝行为数据的自动采集方法获得家蚕吐丝行为三维坐标数据,获取数据方便,同时减少了建模的复杂性。
2.本发明方法采用了将立体图形拆分成不平行的平面图形,通过多项式曲线拟合的方式先求平面曲线,由不平行平面的曲线图可以获取立体图形。
3.本发明方法可以模拟出家蚕的运动轨迹及其速度,仿真再现家蚕的吐丝行为,为获取家蚕吐丝行为与蚕丝理化性能之间关联性的研究提供有利依据。
附图说明
图1是一种家蚕吐丝行为的解析与仿真模型。
具体实施方式:
以下结合附图进一步说明本发明的结构:
参考图1,对于家蚕吐丝行为的解析与仿真,包括如下的具体步骤:
步骤A:数据采集,获得家蚕吐丝行为三维坐标数据。具体是:在放置家蚕的平台上设置两个摄像头,同时采集家蚕吐丝过程中家蚕头部吐丝口的图像序列,然后对采集到的图像序列进行处理,并利用视差原理求出家蚕头部吐丝口的一系列三维坐标点,求取步骤如下:
(1)利用两个摄像头同时采集到的多幅图像,对摄像机进行标定,得到摄像机的内外参数;
(2)利用摄像机的内外参数对图像进行畸变矫正,使用数学方法消除径向和切线方向上的镜头畸变,得到无畸变图像;
(3)对通过图像序列处理后分割出的家蚕头部吐丝口,分别提取两个摄像头采集到的家蚕吐丝口的特征点;
(4)查找两个摄像机视场中家蚕头部吐丝口的相同特征,求取相匹配的相同特征点的视差;
(5)最后利用图像坐标系与世界坐标系之间的转换关系和得到的视差值,求出该点在世界坐标系中的三维坐标。
步骤B:数据处理,在Matlab曲线拟合工具箱中,通过GUI传输三维坐标数据,以散点图的方式进行查看。然后采用区间排除法的方法对数据进行预处理,目的是去除界外值、不定值和重复值,减小人为误差,提高精度。
步骤C:模拟仿真,将处理后三维坐标数据分别在xoy以及yoz平面上进行多项式曲线拟合,得到方程φ(x,y)=0,(其中,和φ(y,z)=0分别表示在xoy和yoz平面上的蚕丝运动轨迹);然后对平面曲线进行综合得到空间曲线最后在Matlab下对方程F(x,y,z)=0进行仿真得到的即为家蚕吐丝行为的运动轨迹。
步骤D:行为解析,根据家蚕吐丝行为的运动轨迹方程为F(x,y,z)=0,设定初始点为o(x0,y0,z0),若在时刻t时家蚕运动到点p(xt,yt,zt),通过家蚕的运动轨迹方程,可以得到家蚕在t时刻的梯度 相对位移 以及在时间段[t0,t]下的路程可以得到家蚕的平均速度以及通过梯度可以知道家蚕吐丝下一步的运动方向。由于不同速度下蚕丝的力学性能不同,可以根据速度提取力学性能较强的蚕丝,同时知道了家蚕的下一步运动方向,有利于机械臂按照人为需求去获取蚕丝。
本发明采用的区间排除法是采用一定的区间去排除那些用于系统误差导致偏离正常值的异常值。
本发明采用的多项式曲线拟合方法:假设给定数据点(xi,yi)(i=0,1,...m),P为所有次数不超过n(n<m)的多项式构成的函数类,现求多项式是根据给定的数据点最终求得的多项式),使得
显然为关于变量a0,a1…an的多项式函数,因此上述问题变为求R=R(a0,a1…an)的极值问题。由多元函数求极值的必要条件,只需要
即
式(3)是关于a0,a1…an的线性方程组,用矩阵表示为
其中,方程组(4)的系数矩阵是一个对称正定矩阵,故存在唯一解。从式(4)中
解出ak(k=0,1,…,n),从而可得多项式
可以证明,式(5)中的fn(x)满足式(1),即fn(x)为所求的拟合多项式。
Claims (2)
1.一种家蚕吐丝行为的解析与仿真方法,其特征在于:所述方法是基于家蚕吐丝行为三维坐标数据,根据多项式拟合的方法,求出家蚕吐丝行为的运动轨迹,利用仿真的原理再现家蚕的吐丝行为,并从时间和空间角度解析家蚕吐丝行为的时序和位姿,为获取家蚕吐丝行为与蚕丝理化性能之间关联性的研究提供有利依据,有利于家蚕吐丝行为的控制以及蚕丝的获取;具体步骤如下:
步骤A:数据采集,采集家蚕吐丝行为三维坐标数据;
步骤B:数据处理,在Matlab曲线拟合工具箱中,通过GUI传输三维坐标数据,以散点图的方式进行查看;然后采用区间排除法对数据进行预处理,去除界外值、不定值和重复值;
步骤C:模拟仿真,将处理后三维坐标数据分别在xoy以及yoz平面上进行多项式曲线拟合,求得平面运动轨迹,得到方程φ(x,y)=0,其中,φ(x,y)=0,分别表示在xoy和yoz平面上的蚕丝运动轨迹;然后通过两个不平行的平面轨迹方程组求得的立体运动轨迹方程F(x,y,z)=0,即对平面曲线进行综合得到空间曲线最后在Matlab下对方程F(x,y,z)=0进行仿真得到的即为家蚕吐丝行为的运动轨迹;
步骤D:行为解析,根据家蚕吐丝行为的运动轨迹方程为F(x,y,z)=0,设在t0时刻家蚕所处的位置为o(x0,y0,z0),若在t时刻家蚕运动到点p(xt,yt,zt),通过家蚕的运动轨迹方程,可以得到家蚕在t时刻的梯度以及在时间段[t0,t]下的路程同时可以得到家蚕在时间段[t0,t]平均速度由于不同速度下蚕丝的理化性能不同,可以划分多个时间段Δt0,Δt1,…Δtn,分别求出各个时间段的平均速度,然后根据速度提取蚕丝,同时通过梯度▽t可以知道家蚕吐丝下一步的运动方向,有利于机械臂按照人为需求去获取蚕丝;
所述家蚕吐丝行为三维坐标数据是通过如下方法获得:在放置家蚕的平台上设置两个摄像头,同时采集家蚕吐丝过程中家蚕头部吐丝口的图像序列,然后对采集到的图像序列进行处理,并利用视差原理求出家蚕头部吐丝口的一系列三维坐标点;所述对图像序列的处理是利用家蚕吐丝口的颜色信息不同于家蚕身体其他部位的特点,根据颜色信息从背景中分割出家蚕头部吐丝口。
2.根据权利要求1所述的家蚕吐丝行为的解析与仿真方法,其特征在于:所述三维坐标点的求取步骤如下:
(1)利用两个摄像头同时采集到的多幅图像,对摄像机进行标定,得到摄像机的内外参数;
(2)利用摄像机的内外参数对图像进行畸变矫正,使用数学方法消除径向和切线方向上的镜头畸变,得到无畸变图像;
(3)对通过图像序列处理后分割出的家蚕头部吐丝口,分别提取两个摄像头采集到的家蚕吐丝口的特征点;
(4)查找两个摄像机视场中家蚕头部吐丝口的相同特征,求取相匹配的相同特征点的视差;
(5)最后利用图像坐标系与世界坐标系之间的转换关系和得到的视差值,求出特征点在世界坐标系中的三维坐标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410070576.5A CN103778347B (zh) | 2014-02-27 | 2014-02-27 | 一种家蚕吐丝行为的解析与仿真方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410070576.5A CN103778347B (zh) | 2014-02-27 | 2014-02-27 | 一种家蚕吐丝行为的解析与仿真方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103778347A CN103778347A (zh) | 2014-05-07 |
CN103778347B true CN103778347B (zh) | 2016-10-19 |
Family
ID=50570575
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410070576.5A Expired - Fee Related CN103778347B (zh) | 2014-02-27 | 2014-02-27 | 一种家蚕吐丝行为的解析与仿真方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103778347B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101339240A (zh) * | 2008-08-26 | 2009-01-07 | 中国人民解放军海军工程大学 | 基于双层预测机制的无线传感器网络目标跟踪方法 |
US20120107763A1 (en) * | 2010-10-15 | 2012-05-03 | Adams Bruce W | System , method and article for measuring and reporting craniomandibular biomechanical functions |
CN102699733A (zh) * | 2012-06-12 | 2012-10-03 | 大连理工大学 | 自动换刀机械手臂运动轨迹的测量方法和装置 |
CN103542981A (zh) * | 2013-09-28 | 2014-01-29 | 大连理工大学 | 一种双目视觉测量转动惯量的方法 |
-
2014
- 2014-02-27 CN CN201410070576.5A patent/CN103778347B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101339240A (zh) * | 2008-08-26 | 2009-01-07 | 中国人民解放军海军工程大学 | 基于双层预测机制的无线传感器网络目标跟踪方法 |
US20120107763A1 (en) * | 2010-10-15 | 2012-05-03 | Adams Bruce W | System , method and article for measuring and reporting craniomandibular biomechanical functions |
CN102699733A (zh) * | 2012-06-12 | 2012-10-03 | 大连理工大学 | 自动换刀机械手臂运动轨迹的测量方法和装置 |
CN103542981A (zh) * | 2013-09-28 | 2014-01-29 | 大连理工大学 | 一种双目视觉测量转动惯量的方法 |
Non-Patent Citations (3)
Title |
---|
三维平动并联机器人机构的轨迹综合与规划仿真;李连升;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20070515;第2007年卷(第5期);C029-9 * |
不同吐丝速度下形成的柞蚕丝的力学性能和结构的初步研究;杨红霞 等;《材料导报》;20080331;第22卷(第3期);127-130 * |
基于双目视觉的运动物体三维轨迹重建研究;万婷;《中国优秀硕士学位论文全文数据库 信息科技辑》;20131215;第2013年卷(第12期);I138-220 * |
Also Published As
Publication number | Publication date |
---|---|
CN103778347A (zh) | 2014-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Unsupervised learning of edges | |
CN109685072B (zh) | 一种基于生成对抗网络的复合降质图像高质量重建方法 | |
CN107016406A (zh) | 基于生成式对抗网络的病虫害图像生成方法 | |
CN108537271A (zh) | 一种基于卷积去噪自编码机防御对抗样本攻击的方法 | |
CN110647875B (zh) | 一种血细胞分割、识别模型构造的方法及血细胞识别方法 | |
Qi et al. | Tea chrysanthemum detection under unstructured environments using the TC-YOLO model | |
CN107316015A (zh) | 一种基于深度时空特征的高精度面部表情识别方法 | |
Hong et al. | Globenet: Convolutional neural networks for typhoon eye tracking from remote sensing imagery | |
CN111870245B (zh) | 一种跨对比度引导的超快速核磁共振成像深度学习方法 | |
CN110399846A (zh) | 一种基于多通道肌电信号相关性的手势识别方法 | |
CN112651360B (zh) | 一种小样本下骨架动作识别方法 | |
CN110457515A (zh) | 基于全局特征捕捉聚合的多视角神经网络的三维模型检索方法 | |
CN110472634A (zh) | 基于多尺度深度特征差值融合网络的变化检测方法 | |
CN108229300A (zh) | 视频分类方法、装置、计算机可读存储介质和电子设备 | |
CN111291647A (zh) | 基于多尺度卷积核和超事件模块的单阶段动作定位方法 | |
CN116153495A (zh) | 一种食管癌患者免疫治疗预后生存预测方法 | |
CN113158964A (zh) | 一种基于残差学习和多粒度特征融合的睡眠分期方法 | |
CN112732092A (zh) | 基于双视图多尺度卷积神经网络的表面肌电信号识别方法 | |
CN115063665A (zh) | 一种基于加权双向特征金字塔网络的轻量级火灾检测方法 | |
CN116401603A (zh) | 一种基于迁移学习的多模态轴承故障智能诊断方法 | |
CN103152298B (zh) | 一种基于分布式压缩感知系统的盲信号重构方法 | |
CN117390407B (zh) | 变电站设备的故障识别方法、系统、介质和设备 | |
CN115186564A (zh) | 基于特征融合和改进粒子群算法的模拟电路故障诊断方法 | |
CN103778347B (zh) | 一种家蚕吐丝行为的解析与仿真方法 | |
Yang et al. | Channel expansion convolutional network for image classification |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20161019 |
|
CF01 | Termination of patent right due to non-payment of annual fee |