CN117591385B - 一种用于vr投影的控制系统 - Google Patents
一种用于vr投影的控制系统 Download PDFInfo
- Publication number
- CN117591385B CN117591385B CN202410077686.8A CN202410077686A CN117591385B CN 117591385 B CN117591385 B CN 117591385B CN 202410077686 A CN202410077686 A CN 202410077686A CN 117591385 B CN117591385 B CN 117591385B
- Authority
- CN
- China
- Prior art keywords
- control system
- projection
- time
- adjustment
- agility
- 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.)
- Active
Links
- 238000011156 evaluation Methods 0.000 claims abstract description 50
- 230000035945 sensitivity Effects 0.000 claims abstract description 30
- 238000000034 method Methods 0.000 claims abstract description 25
- 238000001514 detection method Methods 0.000 claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 16
- 230000006698 induction Effects 0.000 claims abstract description 12
- 238000007477 logistic regression Methods 0.000 claims abstract description 4
- 230000002159 abnormal effect Effects 0.000 claims description 81
- 238000012544 monitoring process Methods 0.000 claims description 70
- 210000005252 bulbus oculi Anatomy 0.000 claims description 39
- 230000003993 interaction Effects 0.000 claims description 27
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000013519 translation Methods 0.000 claims description 17
- 230000004044 response Effects 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 14
- 230000002452 interceptive effect Effects 0.000 claims description 9
- 230000008569 process Effects 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 7
- 238000013481 data capture Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 3
- 238000007667 floating Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 210000001508 eye Anatomy 0.000 description 10
- 230000000694 effects Effects 0.000 description 7
- 230000004886 head movement Effects 0.000 description 7
- 230000005856 abnormality Effects 0.000 description 6
- 239000003086 colorant Substances 0.000 description 6
- 238000004590 computer program Methods 0.000 description 4
- 230000004424 eye movement Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000005070 sampling Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000007654 immersion Methods 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 210000001525 retina Anatomy 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009931 harmful effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000004434 saccadic eye movement Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003997 social interaction Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/32—Monitoring with visual or acoustical indication of the functioning of the machine
- G06F11/324—Display of status information
- G06F11/327—Alarm or error message display
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
- G06F11/3419—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment by assessing time
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3452—Performance evaluation by statistical analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3466—Performance evaluation by tracing or monitoring
- G06F11/3476—Data logging
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3466—Performance evaluation by tracing or monitoring
- G06F11/3495—Performance evaluation by tracing or monitoring for systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N17/00—Diagnosis, testing or measuring for television systems or their details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2123/00—Data types
- G06F2123/02—Data types in the time domain, e.g. time-series data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Computer Hardware Design (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Probability & Statistics with Applications (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种用于VR投影的控制系统,涉及虚拟现实技术领域,包括数据捕捉模块、模型构建模块、控制分析模块、介入处置模块,采集VR投影的控制系统的感应灵敏性信息和评估可信性信息,并传送至模型构建模块对感应灵敏性信息和评估可信性信息进行综合分析,建立控制模型,运用逻辑回归方法计算调整敏捷指数,将计算所得的调整敏捷指数与预设调整敏捷指数进行比对,对系统检测状态可信性进行信号分类,根据系统的信号类型进行预警处理,本发明能够对控制系统运行状态进行监测,当运行状态不满足可信性要求时,发出预警提示,提醒工作人员及时介入处理。
Description
技术领域
本发明涉及虚拟现实技术领域,更具体地说,本发明是一种用于VR投影的控制系统。
背景技术
VR代表虚拟现实,是一种通过计算机技术创造出的模拟现实世界的体验,使用户感觉置身于一个虚构的环境中,通常使用专门设计的头戴式显示器或其他设备,以提供视觉和听觉上的沉浸感。
虚拟现实技术可以模拟现实世界的场景,也可以创建完全虚构的环境,使用户感觉仿佛身临其境,VR技术通常涉及使用传感器、摄像头、显示器和其他硬件设备,以跟踪用户的头部和身体运动,并相应地调整虚拟环境的呈现,以保持沉浸感。
现有的虚拟现实仍旧是基于光学组件的一种显像模式,通过三基色的调整使用户的视网膜能够接收彩色图像信息,但由于表现载体的不同,在传统显示形式中固有的伪影等问题仍然存在,对于伪影的解决方案已经处于解决成本与表现效果的综合考量之中,而在虚拟现实的控制系统中则通过帧生成的适应性调整进行处理,帧生成调整的条件判定及判断准确性受限于现有虚拟现实设备的不同及个体用户的细微生理差异,难以产生普适性的判断标准。
为解决上述缺陷,现提出一种技术方案。
发明内容
本发明的目的是提供一种用于VR投影的控制系统,以解决上述背景技术中的问题。
为实现上述目的,本发明提供如下技术方案:一种用于VR投影的控制系统,包括数据捕捉模块、模型构建模块、控制分析模块、介入处置模块;
数据捕捉模块用于采集VR投影的控制系统的感应灵敏性信息和评估可信性信息,并将感应灵敏性信息和评估可信性信息传送至模型构建模块;
模型构建模块用于对感应灵敏性信息和评估可信性信息进行综合分析,建立控制模型,运用逻辑回归方法计算VR投影的控制系统的调整敏捷指数;
控制分析模块用于根据计算所得的调整敏捷指数与预设调整敏捷指数进行比对,根据比对结果对VR投影的控制系统的检测状态可信性进行信号分类;
介入处置模块用于根据VR投影的控制系统的信号类型进行预警处理。
优选的,感应灵敏性信息为感应频率监测系数,评估可信性信息包括追踪平移敏感系数、帧调整评估系数和交互延迟压力系数。
优选的,感应频率监测系数的计算方法:
S101、获取VR投影的控制系统在T时间内运行对加速度计感应频率的监测周期时长,并将VR投影的控制系统在T时间内运行对加速度计感应频率的监测周期时长标定为Pv,v为VR投影的控制系统在T时间内运行对加速度计感应频率的监测周期时长的编号,且,其中b为正整数;
S102、获取VR投影的控制系统在T时间内运行对加速度计感应频率的监测周期时长最低值,并将VR投影的控制系统在T时间内运行对加速度计感应频率的监测周期时长最低值标定为Pa;
S103、对满足的VR投影的控制系统在T时间内运行的加速度计感应频率的监测周期时长数据进行提取,并整合为限制数据集合,按VR投影的控制系统在T时间内获取的对加速度计感应频率的监测周期时长数据的时间序列对限制数据集合进行编号为Pm,m为数据编号,且/>,其中,j为正整数;
S104、计算感应频率监测系数的表达式为。
优选的,追踪平移敏感系数的计算方法:
S201、获取VR投影的控制系统在T时间内对眼球平滑移动的监测感应时长,并将VR投影的控制系统在T时间内对眼球平滑移动的监测感应时长标定为Gs,s表示VR投影的控制系统在T时间内对眼球平滑移动的监测感应时长的编号,,d为正整数;
VR投影的控制系统对眼球平滑移动的监测感应时长获取步骤如下:
S2011、对眼球平滑移动速度设定敏感阈值Y,获取VR投影的控制系统在检测到眼球以超出阈值Y的平滑移动速度时向控制中枢发送临界信号所用响应时间,将VR投影的控制系统在检测到眼球以超出阈值Y的平滑移动速度时向控制中枢发送临界信号所用响应时间标定为Tb;
S2012、获取VR投影的控制系统检测到眼球平滑移动速度低于设定阈值Y时向控制中枢发送回归信号所用响应时间,将VR投影的控制系统检测到眼球平滑移动速度低于设定阈值Y时向控制中枢发送回归信号所用响应时间标定为Tn;
S2013、计算脉冲宽度调制信号通信响应时长表达式为;
S202、计算VR投影的控制系统在T时间内对眼球平滑移动的监测感应时长的标准差,则标准差Sa的表达式为,式中,/>为VR投影的控制系统在T时间内对眼球平滑移动的监测感应时长的平均值,其计算表达式为/>;
S203、计算VR投影的控制系统在T时间内的追踪平移敏感系数的表达式为。
优选的,帧调整评估系数的计算方法:
S301、对VR投影的控制系统在T时间内帧调整精确性的综合评估指数设置预设参考值,并将综合评估指数预设参考值标定为Wu,且Wu大于1;
综合评估指数,即F值,取值范围在0到1之间,能够综合考虑匹配准确率P和召回率R的指标,用于衡量VR投影的控制系统对异常检测的判断能力;
S302、获取VR投影的控制系统在T时间内不同时段的综合评估指数,并将综合评估指数标定为Qx,x表示VR投影的控制系统在T时间内不同时段的综合评估指数的编号,且,m为正整数;
综合评估指数计算的表达式为,式中,P表示匹配准确率,判断准确率是指VR投影的控制系统判定为异常状态中,实际上是异常状态的比例,计算方法为:匹配准确率= 正确匹配的异常状态数/所有被判定为异常状态的数目,R表示召回率,召回率是指VR投影的控制系统正确匹配的异常状态数量与所有实际异常状态数量之间的比例,计算方法为:召回率= 正确匹配的异常状态数/所有实际异常状态数目;
所有被判定为异常状态的数目是指VR投影的控制系统在一定时间范围内将所有被判定为异常状态的数量,包括真正的异常状态和误判的正常状态,VR投影的控制系统通常会对检测状态进行分类标记,或者在日志中记录交易的异常判定情况,可以通过统计所有被标记为异常的状态数量来获得;
所有实际异常状态数目是指在实际情况下存在的所有异常状态的数量,由于实际异常状态可能是由于检测判断错误导致的,因此VR投影的控制系统需要与服务器终端或数据库交互,获取实际异常状态的数量;
S303、计算帧调整评估系数的表达式为。
优选的,交互延迟压力系数的计算方法为:
S401、获取VR投影的控制系统T时间内对交互操作的延迟时间,并将VR投影的控制系统T时间内对交互操作的延迟时间,标定为Pz,其中,且u为正整数;
S402、计算VR投影的控制系统T时间内对交互操作的延迟时间的均值,以VR投影的控制系统T时间内对交互操作的延迟时间的均值/>的上浮20%为延迟稳定限值,将超出VR投影的控制系统T时间内对交互操作延迟时间均值/>上浮20%延迟稳定限值的数据进行标记编组,并标定为Fc,其中/>,且i为正整数;
S403、计算交互延迟压力系数的表达式为。
优选的,VR投影的控制系统的调整敏捷指数的计算方法为:
根据感应频率监测系数、追踪平移敏感系数和帧调整评估系数进行综合分析,建立控制模型,计算VR投影的控制系统的调整敏捷指数,调整敏捷指数的计算表达式为,式中,/>感应频率监测系数、追踪平移敏感系数、帧调整评估系数和交互延迟压力系数的比例系数,且/>均大于0。
优选的,对VR投影的控制系统的检测状态可信性进行信号分类的逻辑为:
将计算所得VR投影的控制系统的调整敏捷指数与预设的调整敏捷指数阈值进行比对,若计算所得调整敏捷指数大于等于预设调整敏捷指数,则生成异常信号,若计算所得调整敏捷指数小于预设调整敏捷指数,则生成稳态信号。
优选的,根据VR投影的控制系统的信号类型进行预警处理的逻辑为:
根据异常信号进行处理策略分析,当接收到异常信号后,根据异常信号产生后T时间内VR投影的控制系统的连续若干个调整敏捷指数数据整合生成数据集合,并将数据集合内的调整敏捷指数进行标定为Hk,其中k为调整敏捷指数编号,即,其中z为正整数;
计算数据集合内若干个调整敏捷指数的标准差,并将调整敏捷指数的标准差标定为So,并将调整敏捷指数标准差So与预设的调整敏捷指数标准差阈值Lo进行对比,根据对比结果进行预警处理,处理逻辑如下:
若So大于等于Lo,则对VR投影的控制系统标记为高风险等级,提示工作人员VR投影的控制系统存在不可信风险隐患,需要进行更新验证;
若So小于Lo,则对VR投影的控制系统标记为低风险等级,提示工作人员VR投影的控制系统存在低风险隐患,不需要进行更新验证。
在上述技术方案中,本发明提供的技术效果和优点:
本发明通过对VR投影的控制系统的调整敏捷指数进行检测,当发现数据处理可信性出现异常时,对VR投影的控制系统后续运作状态进行综合分析,判断异常隐患并发出预警提示,一方面便于工作人员及时感知异常隐患现象,对异常隐患进行提前检测,有效防止系统运行的可信性降低导致风险发生,进而有效地防止系统崩溃或故障,另一方面便于工作人员检测VR投影的控制系统综合状态,便于工作人员进行检测管理,提高工作效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明中记载的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的附图。
图1为本发明的系统模块图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例
请参阅图1所示,本发明是一种用于VR投影的控制系统,包括数据捕捉模块、模型构建模块、控制分析模块、介入处置模块;
数据捕捉模块用于采集VR投影的控制系统的感应灵敏性信息和评估可信性信息,并将感应灵敏性信息和评估可信性信息传送至模型构建模块;
模型构建模块用于对感应灵敏性信息和评估可信性信息进行综合分析,建立控制模型,运用逻辑回归方法计算VR投影的控制系统的调整敏捷指数;
控制分析模块用于根据计算所得的调整敏捷指数与预设调整敏捷指数进行比对,根据比对结果对VR投影的控制系统的检测状态可信性进行信号分类;
介入处置模块用于根据VR投影的控制系统的信号类型进行预警处理。
VR投影的控制系统通过头戴或穿戴设备检测用户的反馈姿态或动作,利用运动传感器中的加速度计对用户的动作方向及实时状态进行感知,当对加速度计感应频率的监测周期过长,则可能会产生以下不良影响:
延迟和反应迟缓:加速度计的采样周期较长会导致系统无法实时获取头部运动的变化,从而造成反馈延迟,用户的头部动作在虚拟环境中的呈现将不及时,降低了互动的实时性,可能引起用户的不适感;
运动模糊:长周期的采样可能导致系统无法捕捉到头部运动的细节,导致虚拟环境中的物体或场景呈现为模糊状况,影响视觉体验的清晰度和真实感;
不准确的运动跟踪:长周期的采样间隔会限制系统对头部运动的精确度,系统可能无法准确地跟踪用户的快速或微小的头部运动,降低虚拟环境与实际头部运动的匹配度;
失去细微动作:由于采样周期较长,系统可能无法捕捉到用户头部的细微动作和变化,从而导致虚拟环境中的呈现缺乏细节,影响沉浸感和真实感;
通过监测加速度计的感应频率对加速度计的监测状态进行实时性评估,参考指标为感应频率监测系数,计算方法如下:
S101、获取VR投影的控制系统在T时间内运行对加速度计感应频率的监测周期时长,并将VR投影的控制系统在T时间内运行对加速度计感应频率的监测周期时长标定为Pv,v为VR投影的控制系统在T时间内运行对加速度计感应频率的监测周期时长的编号,且,其中b为正整数;
需要指出的是,加速度计的感应频率随用户的使用状态改变而改变,对于低延迟要求的虚拟现实游戏,则感应频率较高,对于延迟容忍度较高的模拟培训、社交交互等领域,则感应频率较低,因而在不同的运行状态下,对加速度计感应频率进行监测的周期时长由专业技术人员进行设定;
S102、获取VR投影的控制系统在T时间内运行对加速度计感应频率的监测周期时长最低值,并将VR投影的控制系统在T时间内运行对加速度计感应频率的监测周期时长最低值标定为Pa;
需要说明的是,能够使用监测工具组件对VR投影的控制系统进行状态分析监测,常用的监测工具组件包括HWiNFO、Nagios、Zabbix等,能够使用多维度数据模型,或通过自定义监测选项对运行数据定义标签,通过时间序列对状态数据进行记录保存;
S103、对满足的VR投影的控制系统在T时间内运行的加速度计感应频率的监测周期时长数据进行提取,并整合为限制数据集合,按VR投影的控制系统在T时间内获取的对加速度计感应频率的监测周期时长数据的时间序列对限制数据集合进行编号为Pm,m为数据编号,且/>,其中,j为正整数;
S104、计算感应频率监测系数的表达式为;
由感应频率监测系数的表达式可知,VR投影的控制系统在T时间内生成的感应频率监测系数越大,则VR投影的控制系统运行的实时性越差,反之,VR投影的控制系统在T时间内生成的感应频率监测系数越小,则VR投影的控制系统运行的实时性越好。
现有的VR设备的光学组件可能是由3层或者更多层镜片堆叠而成,三种单元色分别被不同的三个波导镜片传导,最终三种单元色在眼睛上合成为有色彩的图像,在全息虚拟影像的帧速率足够高,且用户的眼睛相对于显示器上的图像移动相对较慢,则成像效果好且用户体验合适;
但如果用户的眼睛相对于显示器上的图像或图像部分迅速移动,包括眼跳运动、扫视运动、平移头部运动等,即视网膜速度提高,则用户会察觉到不良伪影现象,表现形式为图像模糊或三原色分离导致的彩虹效果,这种伪影现象是由于所显示的图像的三原色到达用户的视网膜的时间差异造成的,因而需要对图像的帧生成时间进行调整,以使图像的三原色合成速率符合用户眼球的转动加速度变化状态,对用户眼球的平滑运动状态进行监测,能够调整显示组件的生成帧率,若VR投影的控制系统对用户眼球平滑移动的监测频率过低,则会产生如下不良影响:
准确性降低:低频率的眼球追踪可能导致系统难以准确捕捉和跟踪眼球的快速和微小的运动,会影响虚拟现实应用对用户注视方向的正确感知,降低眼动追踪的准确性;
延迟感:低频率的眼球追踪可能导致反馈的延迟,用户的注视在虚拟环境中的变化可能不能实时地反映在系统的呈现中,从而降低实时性,可能引起不适感;
失去细节:由于扫描频率低,系统可能无法捕捉到眼球运动的细微变化,导致在虚拟环境中丧失细节,影响用户的感知和体验;
视觉不连贯:低频率的眼球追踪可能导致虚拟环境中的对象或图像无法根据用户的注视实时更新,产生视觉不连贯的感觉;
交互不流畅:对于需要眼球追踪的交互式应用,如注视导航或注视操控,低频率的追踪可能使这些交互变得不流畅和不精确;
对眼球平滑移动的监测频率决定VR投影的控制系统的帧生成频率变动阈值的设定,当对眼球平滑移动的监测不具备可信性,则无法进行帧生成时间调整,因而可通过对眼球平滑移动的监测可信性的评估,确定帧生成时间调整是否进行;
通过计算追踪平移敏感系数对眼球平滑移动的监测可信性进行评估,具体步骤如下:
S201、获取VR投影的控制系统在T时间内对眼球平滑移动的监测感应时长,并将VR投影的控制系统在T时间内对眼球平滑移动的监测感应时长标定为Gs,s表示VR投影的控制系统在T时间内对眼球平滑移动的监测感应时长的编号,,d为正整数;
VR投影的控制系统对眼球平滑移动的监测感应时长获取步骤如下:
S2011、对眼球平滑移动速度设定敏感阈值Y,获取VR投影的控制系统在检测到眼球以超出阈值Y的平滑移动速度时向控制中枢发送临界信号所用响应时间,将VR投影的控制系统在检测到眼球以超出阈值Y的平滑移动速度时向控制中枢发送临界信号所用响应时间标定为Tb;
S2012、获取VR投影的控制系统检测到眼球平滑移动速度低于设定阈值Y时向控制中枢发送回归信号所用响应时间,将VR投影的控制系统检测到眼球平滑移动速度低于设定阈值Y时向控制中枢发送回归信号所用响应时间标定为Tn;
S2013、计算脉冲宽度调制信号通信响应时长表达式为;
需要指出的是,上述VR投影的控制系统在检测到眼球以超出阈值Y的平滑移动速度时向控制中枢发送临界信号所用响应时间和VR投影的控制系统检测到眼球平滑移动速度低于设定阈值Y时向控制中枢发送回归信号所用响应时间均通过VR投影控制系统的工作日志进行获取;
S202、计算VR投影的控制系统在T时间内对眼球平滑移动的监测感应时长的标准差,则标准差Sa的表达式为,式中,/>为VR投影的控制系统在T时间内对眼球平滑移动的监测感应时长的平均值,其计算表达式为/>;
S203、计算VR投影的控制系统在T时间内的追踪平移敏感系数的表达式为;
根据追踪平移敏感系数的计算表达式可知,VR投影的控制系统的追踪平移敏感系数越大,则VR投影的控制系统的可信性越差,反之,VR投影的控制系统的追踪平移敏感系数越小,则VR投影的控制系统的可信性越好。
VR投影的控制系统的帧生成调整准确性通过帧调整评估系数进行分析,具体计算过程如下:
S301、对VR投影的控制系统在T时间内帧调整精确性的综合评估指数设置预设参考值,并将综合评估指数预设参考值标定为Wu,且Wu大于1;
需要说明的是,综合评估指数预设参考值,为量化后的具体参考数值,在此不做具体的限定,Wu为大于1的数值,综合评估指数,即F值,取值范围在0到1之间,能够综合考虑匹配准确率P和召回率R的指标,用于衡量VR投影的控制系统对异常检测的判断能力,高F值意味着VR投影的控制系统能够较准确地识别异常状态,避免将正常状态误判为异常状态,有助于确保VR投影的控制系统对异常状态的检测处理更精准地进行,提高检测效果,高F值意味着VR投影的控制系统对异常状态的召回率较高,可以有效减少错漏误差,以提取真正的异常状态;
S302、获取VR投影的控制系统在T时间内不同时段的综合评估指数,并将综合评估指数标定为Qx,x表示VR投影的控制系统在T时间内不同时段的综合评估指数的编号,且,m为正整数;
综合评估指数计算的表达式为,式中,P表示匹配准确率,判断准确率是指VR投影的控制系统判定为异常状态中,实际上是异常状态的比例,计算方法为:匹配准确率= 正确匹配的异常状态数/所有被判定为异常状态的数目,R表示召回率,召回率是指VR投影的控制系统正确匹配的异常状态数量与所有实际异常状态数量之间的比例,计算方法为:召回率= 正确匹配的异常状态数/所有实际异常状态数目;
需要说明的是,正确匹配的异常状态数是指VR投影的控制系统正确识别并判断的异常状态的数量,VR投影的控制系统会将检测到的异常状态进行标记,或者将其放入一个异常状态记录的数据库中,正确判断的异常状态数可以通过查询异常状态记录的数量来获得;
所有被判定为异常状态的数目是指VR投影的控制系统在一定时间范围内将所有被判定为异常状态的数量,包括真正的异常状态和误判的正常状态,VR投影的控制系统通常会对检测状态进行分类标记,或者在日志中记录交易的异常判定情况,可以通过统计所有被标记为异常的状态数量来获得;
所有实际异常状态数目是指在实际情况下存在的所有异常状态的数量,由于实际异常状态可能是由于检测判断错误导致的,因此VR投影的控制系统需要与服务器终端或数据库交互,获取实际异常状态的数量;
S303、计算帧调整评估系数的表达式为;
根据帧调整评估系数的计算表达式可知,VR投影的控制系统的帧调整评估系数越大,则VR投影的控制系统的可信性越差,反之,VR投影的控制系统的帧调整评估系数越小,则VR投影的控制系统运行的可信性越好。
VR投影的控制系统将VR数据投射输出,输出延迟直接影响交互体验效果,通过计算交互延迟压力系数对VR投影的输出稳定效率进行评估。
交互延迟压力系数计算方法如下:
S401、获取VR投影的控制系统T时间内对交互操作的延迟时间,并将VR投影的控制系统T时间内对交互操作的延迟时间,标定为Pz,其中,且u为正整数;
S402、计算VR投影的控制系统T时间内对交互操作的延迟时间的均值,以VR投影的控制系统T时间内对交互操作的延迟时间的均值/>的上浮20%为延迟稳定限值,将超出VR投影的控制系统T时间内对交互操作延迟时间均值/>上浮20%延迟稳定限值的数据进行标记编组,并标定为Fc,其中/>,且i为正整数;
S403、计算交互延迟压力系数的表达式为;
根据交互延迟压力系数的计算表达式可知,VR投影的控制系统的交互延迟压力系数越大,则VR投影的控制系统的稳定性越差,反之,VR投影的控制系统的交互延迟压力系数越小,则VR投影的控制系统的稳定性越好;
模型构建模块根据上述的感应频率监测系数、追踪平移敏感系数、帧调整评估系数和交互延迟压力系数进行综合分析,建立控制模型,计算VR投影的控制系统的调整敏捷指数,调整敏捷指数的计算表达式为,式中,/>、、/>、/>分别为感应频率监测系数、追踪平移敏感系数、帧调整评估系数和交互延迟压力系数的比例系数,且/>、/>、/>、/>均大于0;
控制分析模块将计算所得VR投影的控制系统的调整敏捷指数与预设的调整敏捷指数阈值进行比对,若计算所得调整敏捷指数大于等于预设调整敏捷指数,则生成异常信号,若计算所得调整敏捷指数小于预设调整敏捷指数,则生成稳态信号;
介入处置模块根据控制分析模块所生成的异常信号进行处理策略分析,当接收到控制分析模块所生成的异常信号后,介入处置模块根据异常信号产生后T时间内VR投影的控制系统的连续若干个调整敏捷指数数据整合生成数据集合,并将数据集合内的调整敏捷指数进行标定为Hk,其中k为调整敏捷指数编号,即,其中z为正整数;
计算数据集合内若干个调整敏捷指数的标准差,并将调整敏捷指数的标准差标定为So,并将调整敏捷指数标准差So与预设的调整敏捷指数标准差阈值Lo进行对比,根据对比结果进行预警处理,处理逻辑如下:
若So大于等于Lo,则对VR投影的控制系统标记为高风险等级,提示工作人员VR投影的控制系统存在不可信风险隐患,需要进行更新验证;
若So小于Lo,则对VR投影的控制系统标记为低风险等级,提示工作人员VR投影的控制系统存在低风险隐患,不需要进行更新验证。
本发明通过对VR投影的控制系统的调整敏捷指数进行检测,当发现数据处理可信性出现异常时,对VR投影的控制系统后续运作状态进行综合分析,判断异常隐患并发出预警提示,一方面便于工作人员及时感知异常隐患现象,对异常隐患进行提前检测,有效防止系统运行的可信性降低导致风险发生,进而有效地防止系统崩溃或故障,另一方面便于工作人员检测VR投影的控制系统综合状态,便于工作人员进行检测管理,提高工作效率。
上述公式均是去量纲取其数值计算,公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式,公式中的预设参数由本领域的技术人员根据实际情况进行设置。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序货物的形式实现。所述计算机程序货物包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质。半导体介质可以是固态硬盘。
应理解,在本申请的各种实施例中,上述各过程的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述功能如果以软件功能单元的形式实现并作为独立的货物销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件货物的形式体现出来,该计算机软件货物存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random access memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (2)
1.一种用于VR投影的控制系统,其特征在于,包括数据捕捉模块、模型构建模块、控制分析模块、介入处置模块;
数据捕捉模块用于采集VR投影的控制系统的感应灵敏性信息和评估可信性信息,并将感应灵敏性信息和评估可信性信息传送至模型构建模块;
模型构建模块用于对感应灵敏性信息和评估可信性信息进行综合分析,建立控制模型,运用逻辑回归方法计算VR投影的控制系统的调整敏捷指数;
控制分析模块用于根据计算所得的调整敏捷指数与预设调整敏捷指数进行比对,根据比对结果对VR投影的控制系统的检测状态可信性进行信号分类;
介入处置模块用于根据VR投影的控制系统的信号类型进行预警处理;
感应灵敏性信息为感应频率监测系数,评估可信性信息包括追踪平移敏感系数、帧调整评估系数和交互延迟压力系数;
感应频率监测系数的计算方法:
S101、获取VR投影的控制系统在T时间内运行对加速度计感应频率的监测周期时长,并将VR投影的控制系统在T时间内运行对加速度计感应频率的监测周期时长标定为Pv,v为VR投影的控制系统在T时间内运行对加速度计感应频率的监测周期时长的编号,且,其中b为正整数;
S102、获取VR投影的控制系统在T时间内运行对加速度计感应频率的监测周期时长最低值,并将VR投影的控制系统在T时间内运行对加速度计感应频率的监测周期时长最低值标定为Pa;
S103、对满足的VR投影的控制系统在T时间内运行的加速度计感应频率的监测周期时长数据进行提取,并整合为限制数据集合,按VR投影的控制系统在T时间内获取的对加速度计感应频率的监测周期时长数据的时间序列对限制数据集合进行编号为Pm,m为数据编号,且/>,其中,j为正整数;
S104、计算感应频率监测系数的表达式为;
追踪平移敏感系数的计算方法:
S201、获取VR投影的控制系统在T时间内对眼球平滑移动的监测感应时长,并将VR投影的控制系统在T时间内对眼球平滑移动的监测感应时长标定为Gs,s表示VR投影的控制系统在T时间内对眼球平滑移动的监测感应时长的编号,,d为正整数;
VR投影的控制系统对眼球平滑移动的监测感应时长获取步骤如下:
S2011、对眼球平滑移动速度设定敏感阈值Y,获取VR投影的控制系统在检测到眼球以超出阈值Y的平滑移动速度时向控制中枢发送临界信号所用响应时间,将VR投影的控制系统在检测到眼球以超出阈值Y的平滑移动速度时向控制中枢发送临界信号所用响应时间标定为Tb;
S2012、获取VR投影的控制系统检测到眼球平滑移动速度低于设定阈值Y时向控制中枢发送回归信号所用响应时间,将VR投影的控制系统检测到眼球平滑移动速度低于设定阈值Y时向控制中枢发送回归信号所用响应时间标定为Tn;
S2013、计算脉冲宽度调制信号通信响应时长表达式为;
S202、计算VR投影的控制系统在T时间内对眼球平滑移动的监测感应时长的标准差,则标准差Sa的表达式为,式中,/>为VR投影的控制系统在T时间内对眼球平滑移动的监测感应时长的平均值,其计算表达式为/>;
S203、计算VR投影的控制系统在T时间内的追踪平移敏感系数的表达式为;
帧调整评估系数的计算方法:
S301、对VR投影的控制系统在T时间内帧调整精确性的综合评估指数设置预设参考值,并将综合评估指数预设参考值标定为Wu,且Wu大于1;
综合评估指数,即F值,取值范围在0到1之间,能够综合考虑匹配准确率P和召回率R的指标,用于衡量VR投影的控制系统对异常检测的判断能力;
S302、获取VR投影的控制系统在T时间内不同时段的综合评估指数,并将综合评估指数标定为Qx,x表示VR投影的控制系统在T时间内不同时段的综合评估指数的编号,且,m为正整数;
综合评估指数计算的表达式为,式中,P表示匹配准确率,判断准确率是指VR投影的控制系统判定为异常状态中,实际上是异常状态的比例,计算方法为:匹配准确率= 正确匹配的异常状态数/所有被判定为异常状态的数目,R表示召回率,召回率是指VR投影的控制系统正确匹配的异常状态数量与所有实际异常状态数量之间的比例,计算方法为:召回率= 正确匹配的异常状态数/所有实际异常状态数目;
所有被判定为异常状态的数目是指VR投影的控制系统在一定时间范围内将所有被判定为异常状态的数量,包括真正的异常状态和误判的正常状态,VR投影的控制系统通常会对检测状态进行分类标记,或者在日志中记录交易的异常判定情况,可以通过统计所有被标记为异常的状态数量来获得;
所有实际异常状态数目是指在实际情况下存在的所有异常状态的数量,由于实际异常状态可能是由于检测判断错误导致的,因此VR投影的控制系统需要与服务器终端或数据库交互,获取实际异常状态的数量;
S303、计算帧调整评估系数的表达式为;
交互延迟压力系数的计算方法为:
S401、获取VR投影的控制系统T时间内对交互操作的延迟时间,并将VR投影的控制系统T时间内对交互操作的延迟时间,标定为Pz,其中,且u为正整数;
S402、计算VR投影的控制系统T时间内对交互操作的延迟时间的均值,以VR投影的控制系统T时间内对交互操作的延迟时间的均值/>的上浮20%为延迟稳定限值,将超出VR投影的控制系统T时间内对交互操作延迟时间均值/>上浮20%延迟稳定限值的数据进行标记编组,并标定为Fc,其中/>,且i为正整数;
S403、计算交互延迟压力系数的表达式为;
VR投影的控制系统的调整敏捷指数的计算方法为:
根据感应频率监测系数、追踪平移敏感系数和帧调整评估系数进行综合分析,建立控制模型,计算VR投影的控制系统的调整敏捷指数,调整敏捷指数的计算表达式为,式中,/>、/>、/>、/>分别为感应频率监测系数、追踪平移敏感系数、帧调整评估系数和交互延迟压力系数的比例系数,且/>、/>、/>、/>均大于0;
对VR投影的控制系统的检测状态可信性进行信号分类的逻辑为:
将计算所得VR投影的控制系统的调整敏捷指数与预设的调整敏捷指数阈值进行比对,若计算所得调整敏捷指数大于等于预设调整敏捷指数,则生成异常信号,若计算所得调整敏捷指数小于预设调整敏捷指数,则生成稳态信号。
2.根据权利要求1所述的一种用于VR投影的控制系统,其特征在于,根据VR投影的控制系统的信号类型进行预警处理的逻辑为:
根据异常信号进行处理策略分析,当接收到异常信号后,根据异常信号产生后T时间内VR投影的控制系统的连续若干个调整敏捷指数数据整合生成数据集合,并将数据集合内的调整敏捷指数进行标定为Hk,其中k为调整敏捷指数编号,即,其中z为正整数;
计算数据集合内若干个调整敏捷指数的标准差,并将调整敏捷指数的标准差标定为So,并将调整敏捷指数标准差So与预设的调整敏捷指数标准差阈值Lo进行对比,根据对比结果进行预警处理,处理逻辑如下:
若So大于等于Lo,则对VR投影的控制系统标记为高风险等级,提示工作人员VR投影的控制系统存在不可信风险隐患,需要进行更新验证;
若So小于Lo,则对VR投影的控制系统标记为低风险等级,提示工作人员VR投影的控制系统存在低风险隐患,不需要进行更新验证。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410077686.8A CN117591385B (zh) | 2024-01-19 | 2024-01-19 | 一种用于vr投影的控制系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410077686.8A CN117591385B (zh) | 2024-01-19 | 2024-01-19 | 一种用于vr投影的控制系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117591385A CN117591385A (zh) | 2024-02-23 |
CN117591385B true CN117591385B (zh) | 2024-04-16 |
Family
ID=89922790
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410077686.8A Active CN117591385B (zh) | 2024-01-19 | 2024-01-19 | 一种用于vr投影的控制系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117591385B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117909186A (zh) * | 2024-03-20 | 2024-04-19 | 深圳清华大学研究院 | 一种虚拟现实展示系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106937531A (zh) * | 2014-06-14 | 2017-07-07 | 奇跃公司 | 用于产生虚拟和增强现实的方法和系统 |
CN111405264A (zh) * | 2020-01-20 | 2020-07-10 | 杭州电子科技大学 | 一种基于深度调整的3d视频舒适度改善方法 |
WO2021244145A1 (zh) * | 2020-06-01 | 2021-12-09 | Oppo广东移动通信有限公司 | 头戴显示设备的交互方法、终端设备及存储介质 |
CN117251697A (zh) * | 2023-11-17 | 2023-12-19 | 深圳市光速时代科技有限公司 | 一种智能穿戴设备安全数据的综合评估管理系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111031298B (zh) * | 2019-11-12 | 2021-12-10 | 广景视睿科技(深圳)有限公司 | 控制投影模块投影的方法、装置和投影系统 |
US20230120611A1 (en) * | 2021-10-15 | 2023-04-20 | Digital Surgery Systems, Inc. | Stereoscopic camera with fluorescence strobing based visualization |
-
2024
- 2024-01-19 CN CN202410077686.8A patent/CN117591385B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106937531A (zh) * | 2014-06-14 | 2017-07-07 | 奇跃公司 | 用于产生虚拟和增强现实的方法和系统 |
CN111405264A (zh) * | 2020-01-20 | 2020-07-10 | 杭州电子科技大学 | 一种基于深度调整的3d视频舒适度改善方法 |
WO2021244145A1 (zh) * | 2020-06-01 | 2021-12-09 | Oppo广东移动通信有限公司 | 头戴显示设备的交互方法、终端设备及存储介质 |
CN117251697A (zh) * | 2023-11-17 | 2023-12-19 | 深圳市光速时代科技有限公司 | 一种智能穿戴设备安全数据的综合评估管理系统 |
Non-Patent Citations (1)
Title |
---|
基于VR技术的建筑景观特征三维整合仿真系统设计;马博华;;现代电子技术;20201015(第20期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117591385A (zh) | 2024-02-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117591385B (zh) | 一种用于vr投影的控制系统 | |
CN110167421B (zh) | 整体地测量视觉功能的临床参数的系统 | |
CN103717124B (zh) | 用于获得并处理生物的测量读数的设备与方法 | |
Zander et al. | Detecting affective covert user states with passive brain-computer interfaces | |
WO2021068781A1 (zh) | 一种疲劳状态识别方法、装置和设备 | |
CN115547497B (zh) | 基于多源数据的近视防控系统及方法 | |
CN110866450A (zh) | 一种帕金森病监测方法、装置及存储介质 | |
CN109799624A (zh) | 一种智能儿童护眼镜及终端设备 | |
CN109842682B (zh) | 一种基于物联网的分布式环境安全学习及预警方法 | |
US11016295B2 (en) | Eyeglasses wearable device, method of controlling the eyeglasses wearable device and data management server | |
US20210393180A1 (en) | Metrics for impairment detecting device | |
TWI554245B (zh) | 用於個人化驗光之適應性校正鏡片處方系統、方法與其電腦程式產品 | |
CN116522096B (zh) | 基于动作捕捉的三维数字孪生内容智能制作方法 | |
CN111330214B (zh) | 一种vr跑步机的安全防护方法、系统及可读存储介质 | |
Szücs et al. | Improved algorithms for movement pattern recognition and classification in physical rehabilitation | |
CN117133409A (zh) | 基于vr交互技术辅助儿童孤独症谱系障碍康复系统 | |
CN112767202A (zh) | 一种远程监测平台及监测方法 | |
CN112528767A (zh) | 基于机器视觉的施工机械操作员疲劳作业检测系统及方法 | |
KR20200000680U (ko) | 학습 집중도 향상 장치 | |
Neri | The empirical characteristics of human pattern vision defy theoretically-driven expectations | |
CN113925490B (zh) | 空间定向障碍分类方法 | |
CN115562163A (zh) | 基于数控机床参数数据实时监测系统 | |
US20190213403A1 (en) | Augmented reality predictions using machine learning | |
Kaminski et al. | Head orientation and gaze detection from a single image | |
Larsson | Automatic visual behavior analysis |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |