一种多传感器数据融合的盾构机实时导向系统，包括激光全站仪、激光标靶、第一棱镜、第二棱镜、后视棱镜以及计算机，所述后视棱镜用于检测测量过程中全站仪的位置是否发生变动，所述激光标靶用于实时测量盾构机的姿态角，所述第一棱镜和第二棱镜分别安装在盾构机两端，所述激光全站仪通过发射激光测量所述第一棱镜和第二棱镜及激光标靶棱镜在大地坐标系下的坐标，再结合上述激光标靶测量得到的姿态角数据，由计算机计算得到多组姿态角并进行融合处理，即可得到优化的盾构机姿态角，实施对盾构机的实时导向。本发明在标靶内部传感器出现故障或是

本实用新型涉及种苗测量装置技术领域，尤其是一种可实时观测种苗根长和苗长的发芽装置，包括透明塑料盒体、隔板、固定板和种子固定槽，所述电动伸缩杆的顶端固定连接有旋转球安装座，所述旋转球安装座上开设有球形槽，所述球形槽内活动连接有旋转球，所述旋转球上固定连接有连接块，所述连接块上固定连接有水平的第一套管，所述第一套管内螺纹连接有第二套管，所述第二套管内螺纹连接有第三套管。该可实时观测种苗根长和苗长的发芽装置，结构简单，能一次性解决种苗根长、苗长的测量问题，能节省大量人力、物力，提高工作效率，能快速、简便的测出种苗的根长和苗长，大大的降低了其使用的局限性。

本发明公开了一种实时数据采集协同控制系统及其工作方法，属于自动化控制技术领域。其系统包括上位机、数字IO板和电源模块。本发明通过在设计初期引入数学模型，能够实现对复杂控制算法的精确描述，从而显著提升开发效率和系统性能；可直接从模型生成硬件平台可执行代码，避免了传统手工编码的繁琐过程，使得开发人员无需深入掌握硬件编程技术即可完成系统的建模、调试与优化，大幅减少了开发周期，提高了开发效率，并简化了系统集成过程，提升了系统的可靠性和实时响应能力；同时，系统能够在动态环境中实时感知、快速响应并进行高效决策，为复杂控制任务提供了可靠保障。

本发明属于光电子芯片加工制造技术领域，公开了一种图像压缩光学芯片的实时在线制作检测系统及方法。利用计算机对待压缩图像进行压缩得到第一图像，并扫描得到第一图像灰度信息，根据第一图像得到第一控制信息；超快激光器根据第一控制信息对光学芯片材料进行波导结构加工；激光器阵列根据第一图像灰度信息产生对应功率的激光并通过光纤进入至光学芯片材料；利用光功率探测器阵列接收光学芯片材料输出的激光并得到功率信息；计算机根据功率信息得到第二图像灰度信息，重构得到第二图像，根据第一图像和第二图像得到第二控制信息；超快激光器根据第二控制信息对光学芯片材料进行在线矫正加工。本发明能够提高光学芯片的生产效率、降低制造成本。

产品详细介绍 【产品简介】 MV-E8100四路高清采集卡，四路实时采集卡，PCI-E四路采集卡是基于PCI-E X1总线结构开发的四路高清实时图像采集卡，数据传输速率可达 250MByte/S，为了更好的为行业客户提供更优质的产品和服务，维视公司针对流媒体应用，多媒体视频点播、在线直播、录播，大屏幕拼接、屏幕边缘融合、工业多路图像采集处理、机器视觉图像处理分析、智能交通、电子警察、车牌识别、抓拍等领域的应用特点推出的新一代图像产品。 MV-E8100四路高清采集卡，四路实时采集卡，PCI-E四路采集卡使用第四代Philips公司非常精良的10bit A/D芯片，采用4线3D梳状滤波器能自动消除噪点、抗混叠滤波等技术，使图像清晰度更高、图像采集的实时性能更强,采样频率更高,完美解决了运动图像采集处理的拉毛、拖尾、撕裂等现象，PCI-E X1总线结构解决了PCI总线视频图像采集卡大尺寸多路图像采集拉丝的问题，使图像色彩真实，层次感好过度清晰，板卡性能稳定，免除了客户因图像采集质量不高影响整个设备性能的烦恼。 【性能指标】 l 可同时采集四路标准PAL、NTSC制式彩色/黑白信号，一槽四卡，总帧率100帧/s； l MV-E8100四路高清采集卡，四路实时采集卡，PCI-E四路采集卡可支持四路复合视频输入； l 采用第四代最新Philips的10bit A/D芯片，黑白方式10bit，彩色方式RGB各10bit；、 l 四路同时可采集最大分辨率为PAL：768×576×32bit×25fps，NTSC：640×480×32bit×30fps支持一机多卡； l MV-E8100四路高清采集卡，四路实时采集卡，PCI-E四路采集卡支持任意形状的图像采集，持裁剪与比例压缩模式； l 可实时采集单场、单帧，任意间隔以及连续帧的图象； l MV-E8100四路高清采集卡，四路实时采集卡，PCI-E四路采集卡亮度、对比度、色度、饱和度，画面大小比例均软件调节； l MV-E8100四路高清采集卡，四路实时采集卡，PCI-E四路采集卡具有软件字符图形叠加，硬件上下镜像反转功能；  l 可实现实时图像采集通过PCI-E X1总线传递至计算机内存； l 四通道实时图像采集卡支持计算机内容与图像同屏显示。； l MV-E8100四路高清采集卡，四路实时采集卡，PCI-E四路采集卡采集格式：如RGB555、RGB24、YUY2、YVU9、YV12等； l 该产品为MV-800系列产品的升级产品，对于老客户开发好的系统软件不用做任何改动即可完美兼容。 l MV-E8100四路高清采集卡，四路实时采集卡，PCI-E四路采集卡底层程序稳定，功能丰富、开发简便、便于程序移植，供货稳定，无需担心停产。 l 硬件兼容性能好，工作稳定可靠。可在兼容机、原装机/工控机上，甚至在高温、电弧焊接、石油勘探现场等恶劣环境下都能良好地稳定工作。 【开发工具】 l MV-E8100四路高清采集卡，四路实时采集卡，PCI-E四路采集卡操作系统支持：Windows 2000、XP、Vista、Win7。 l SDK支持：VC、VB、Delphi。提供演示程序及演示程序源代码！ l MV-E8100四路高清采集卡，四路实时采集卡，PCI-E四路采集卡驱动支持：WDM、VFW、DirectX、OpenCV、Matlab、LabView、Halcon、MIL。 【应用领域】 l 流媒体领域：多媒体视频录播、在线直播、点播系统、大屏幕拼接、屏幕边缘融合等。 l 工业领域：生产线在线检测、机器视觉成像系统、工业图像处理等； l 科学研究：模式识别、图像采集算法研究、图像处理、建模等； l 交通领域：电子警察、车牌识别、道路抓拍；

产品详细介绍 【多路图像采集卡特点简介】 MV-E8800 PCI-E多路图像采集卡 高清图像采集卡 高分辨率图像采集卡是对系统开发商进行多路视频图像开发的PCI-E图像采集卡,它采用PCI-E X1总线作为数据存取通道，（独立带宽，高于PCI共享带宽模式），总线数据传输速率可达250MByte/S,实时并行处理技术使图像采集速度更快，可以采集到更多通道和更大尺寸的视频图像。解决了PCI总线视频图像采集卡大尺寸多路图像采集拉丝的问题 ，采用超强的10bit AD转换芯片,相对于8bit、9bit AD转换来说,不管是图像质量还是颜色的饱和度方面都要强很多,它具有的4线3D梳状滤波器能自动消除噪点,它的图像质量要更好. 采样频率更高,运动图像软件处理不拉毛、不拉丝、不托影,图像质量得到最大增强,性能更为稳定。 MV-E8800 PCI-E 8通道多路图像采集卡 高清图像采集卡 高分辨率图像采集卡用于交通路口电子警察，工业图像检测,大屏幕视频显示、多路图像同时抓拍，并提供给您方便的二次开发包（DLL），甚至还能根据用户要求直接修改底层软件，令我们的图像卡更好地配合您的系统。 【高清图像采集卡性能指标】 l       8路PAL，NTSC彩色或黑白视频信号同时输入，同时显示。  l      MV-E8800 8通道多路图像采集卡 高清图像采集卡 高分辨率图像采集卡用10bit高清晰度图像芯片，图像色彩更真实，清晰度更高。  l      图像分辨率最高：768 X 576 X 32BIT; NTSC 640 X 480 X 32BIT。 l      支持任意形状的图像采集。支持裁剪与比例压缩模式。 l      MV-E8800 8通道实时图像采集卡支持计算机内容与图像同屏显示。  l      MV-E8800 8通道实时图像采集卡亮度、对比度、色调、色饱和度软件可调。 l      MV-E8800 8通道多路图像采集卡 高清图像采集卡 高分辨率图像采集卡可在图象上实时叠加字符、图形、文字功能  l      MV-E8800 8通道实时图像采集卡支持单场、单帧、连续场、连续帧的采集方式，支持单机多卡。  l      软件功能丰富完善、开发简单方便，在Microvison图像采集卡中容易移植； l     MV-E8800 8通道多路图像采集卡 高清图像采集卡 高分辨率图像采集卡可在外部视频上叠加文字和图像，实时显示在计算机屏幕上； l      底层程序稳定，功能丰富、开发简便、便于程序移植，供货稳定，无需担心停产。 l      硬件兼容性能好，工作稳定可靠。可在兼容机、原装机/工控机上，甚至在高温、电弧焊接、石油勘探现场等恶劣环境下都能良好地稳定工作。 【高分辨率图像采集卡开发工具】 l     操作系统支持：Windows 2000、XP、Vista。 l     SDK支持：VC、VB、Delphi。提供演示程序及演示程序源代码！ l     驱动支持：WDM、VFW、DirectX、OpenCV、Matlab、LabView、Halcon、MIL。 【典型应用】 工业检测、智能交通、医学影像、车牌抓拍、工业监控、仪器仪表、大屏幕显示、机器视觉等领域。

随着社会经济的发展，医院、车站、机场等大型场所的规模和数量不断扩大，其保安巡逻 自动化需求将日趋迫切。目前依赖于人力巡逻或CCD定位监控已不能满足夜间保安的要求， 采用保安巡逻机器人实行定时、定点监控巡逻与不间断流动巡逻结合将是目前最佳的解决方 案。 为了实现保安巡逻的各项功能，使系统在总体性能上满足实时性、可靠性和方便性的要 求。远程操作计算机远离移动机器人的工作现场，操作者通过这台计算机实现对机器人的远程 操作控制，其实现的功能有：网络通信、视频的解压缩和显示、非视觉传感器信息的可视化显 示、移动机器人工作状态的显示和接收操作者通过控制设备对移动机器人下达的控制命令。 移动机器人平台由移动机器人信息处理及操作系统、道路识别系统、视频采集系统、非视 觉传感器信息采集系统和伺服驱动系统组成，其中移动机器人上位机系统实现的功能有：网络 通信、视频信息压缩、视频信息识别、非视觉传感器信息的处理、移动机器人的运动规划和运 动控制。本项目创新点如下： (1) 基于区域矢量化道路识别 对车道线进行区域矢量化，并对获取的车道线进行数学分析及建模，用以后续的自动导航 控制。 (2) 基于多信息融合的自动导航 本巡逻机器人自动导航系统采用多信息融合，结合视觉信息和GPS定位。视觉信息用来识 别车道线进行导航，而GPS可以提供必要的导航信息，对视觉信息的不足进行补充。 (3) 巡逻机器人组网及远程控制 巡逻机器人控制系统接入无线网络，可以通过控制端PC对机器人发送指令，使其按所发 送的指令自动到达指定站点。机器人之间应该也能够互相通信，这样才能够及时的避免冲撞以 及交换信息。

智能交通是关键在于两方面：智能道路与智能车辆。前者主要目的在于规范 交通秩序，提升道路的通行能力；后者的使命是通过发展通过驾驶辅助系统，最 终实现车辆的无人驾驶。 针对智能道路，团队研发了电子警察。通过装配在城市交通路口的智能一体 相机，电子警察自动抓拍车辆闯红灯和变道等违章行为，通过治理违章规范驾驶 行为。其核心技术在于基于计算机视觉的嵌入式车辆运动分析系统。团队与智能 相机厂商合作，开发了基于达芬奇（DaVinci）平台的嵌入式电子警察产品，并 已成功上市销售数百套。 针对智能车辆，团队研发了交通标识自动识别系统。通过车载视觉智能分析 系统，提前主动定位并识别交通标识，规避违章驾驶。团队与国内领先的无人车 研发机构合作，已参加数届中国智能车未来挑战赛（IVFC）,获得了交通标识识 别第一名及总成绩第三名的成绩，并得到了中央电视台等机构的好评。

一、项目简介 随着科技进步和社会需求的发展，机器人手/臂除了工业生产，也越来越多用于服务人类的其它各个领域，这必然会使机器人承担比工业中更加多样的操作任务，面临更加多变的工作环境。因此，国内外对非结构自然环境下、具备自主操作能力的机器人的研究十分重视。当前，具备视觉感知能力的机器人已被公认为机器人发展的主流趋势，将视觉与机器人操作相融合，是对人类行为的模拟，由此产生的视觉伺服控制方法为机器人自主操作能力的实现带来了新的思路，代表了机器人的先进控制技术，也是促进机器人智能化发展的一个重要驱动。可以预见，未来的视觉系统将会成为机器人名副其实的眼睛，视觉伺服技术在机器人自主操作中将具有不可替代的作用。 视觉伺服利用视觉传感器提供的环境信息对机器人运动进行实时反馈控制，涉及机器人机械几何设计、运动学和动力学、自动控制理论、计算机视觉图像处理和摄像机标定等,是智能机器人领域中具有重要理论意义的研究课题之一。迄今为止，机器人手/臂的视觉伺服方法在太空遥操作、机器人手术、水果采摘、工业装配、焊接、抓取以及微操作等方面得到越来越多的应用。然而，现阶段可实际应用的方案主要面向特定的标定环境、模型参数已知，机器人操作是编码定式的，不具备模型未知条件下的自主操作能力，特别是当面向未来的刚-柔-软体共融机器人时，其柔型结构造成的运动模型及参数的变化与不确定性，必然使现有确定模型的研究方法失效。因此，无模型（目标几何模型，手眼标定模型，机器人运动模型）、非结构环境下的自适应操作对机器人提出了新挑战，是机器人手臂(尤其柔型手臂)视觉伺服控制研究的难点与前沿问题，不断深入对非结构环境下、无模型的机器人手/臂视觉伺服控制的研究具有重要的理论和现实意义。 在非结构自然环境下使机器人像人一样协调自适应操作是当今机器人研究领域的一项尚未实现但又令人感兴趣的研究工作。从理论上看，非结构自然环境下实现机器人柔性操作，就当前研究依靠单一的控制器设计是困难的。因此，本项目借鉴人的手眼协调操作是自适应学习过程，涉及智能进化和行为优化，将随机动态规划理论，结合约束规则与最优化控制，探索一种变参手眼关系，实现机器人在非结构自然环境下的自适应操作。 二、前期研究基础 研究团队一直致力于机器人视觉反馈控制的研究。在基础理论研究上，针对无标定视觉伺服控制方案与设计，均提出了一些新型方法，有扎实的理论基础和知识积累，并不断跟踪和深入在无模型视觉伺服控制的方面研究和前沿问题。目前，已经着手在无模型视觉伺服的可靠性、稳定性控制方面做了充分的探索工作：针对机器人无标定全局稳定操作问题，研究了一种鲁棒卡尔曼滤波(RKF)合作Elman神经网络(ENN)的全局稳定视觉伺服控制方法；提出了一种基于网络辅助尔曼滤波状态估计的无标定视觉伺服方法，提高伺服系统的鲁棒性。同时，立足机器人发展前沿，建立了多模特征深度学习抓取系统，在无结构环境下实现了机器人智能抓取与定位。 已发表的与项目相关的主要论文有： [1] 仲训杲,徐敏,仲训昱,彭侠夫.基于多模特征深度学习的机器人抓取判别方法.自动化学报,2016,7(42), pp:1022-1029. (EI) [2] Xungao Zhong, Xunyu Zhong and Xiafu Peng. Robots Visual Servo Control with Features Constraint Employing Kalman-Neural-Network Filtering Scheme. Neurocomputing, 2015, 151(3), pp:268-277 (SCI)  [3] Xungao Zhong, Xunyu Zhong and Xiafu Peng. Robust Kalman FilteringCooperated Elman Neural Network Learning forVision-Sensing-Based RoboticManipulation with Global Stability. Sensors, 2013, 10(13), pp:13464-13486. (SCI) [4] Xungao Zhong, Xiafu Peng, Xunyu Zhongand Lixiong Lin. Dynamic Jacobian Identification Based on State-Space for Robot Manipulation. Applied Mechanics andMaterials, vols. 475-476 (2014)pp: 675-679.(EI) [5] Xungao Zhong, Xiafu Peng, Xunyu Zhong and Xueren Dong. Multi-Channel with RBF Neural Network Aggregation Based on Disparity Space for Color Image Stereo Matching. IEEE 5th International Conference on Advanced Computational Intelligence (ICACI), 10(2012) PP:620-625. (EI) [6]XUNGAO ZHONG, XIAFU PENG, XUNYU ZHONG. NEURAL-BAYESIAN FILTERING BASED ON MONTE CARLO RESAMPLING FOR VISUAL ROBUST TRACKING. Journal of Theoretical and Applied Information Technology, 2013, 2(50), pp: 490-496. [7] Xungao Zhong, Xiafu Peng and Xunyu Zhong. Severe-Dynamic Tracking Problems Based on Lower Particles Resampling. TELKOMNIKA Indonesian Journal of Electrical Engineering. 2014, 12(6), pp:4731-4739. [8] Xunyu Zhong, Xungao Zhong and Xiafu Peng. Velocity-Change-Space-based Dynamic Motion Planning for Mobile Robots Navigation. Neurocomputing. 2014, 143(11), pp:153-163. (SCI) [9] Xunyu Zhong, Xungao Zhong, Xiafu Peng. VCS-based motion planning for distributed mobile robots: collision avoidance and formation. Soft Computing,2016,5(20), pp: 1897-1908. (SCI) [10] 仲训杲,徐敏, 仲训昱, 彭侠夫. 基于雅可比预测的机器人无模型视觉伺服定位控制, 控制与决策, 已在线发表, 2018. [11] 仲训杲,徐敏, 仲训昱, 彭侠夫. 基于图像的机器人非标定视觉反馈控制全局定位方法, 厦门大学学报(自然科学版), 已录用, 2018. 三、应用技术成果 （一）基于多模特征深度学习的机器人抓取判别 研究了多模特征深度学习及其在机器人智能抓取判别中的应用，该方法针对智能机器人抓取判别问题, 研究多模特征深度学习与融合方法. 该方法将测试特征分布偏离训练特征视为一类噪化, 引入带稀疏约束的降噪自动编码 (Denoising auto-encoding, DAE), 实现网络权值学习; 并以叠层融合策略, 获取初始多模特征的深层抽象表达, 两种手段相结合旨在提高深度网络的鲁棒性和抓取判别精确性. 实验采用深度摄像机与 6 自由度工业机器人组建测试平台, 对不同类别目标进行在线对比实验. 结果表明, 设计的多模特征深度学习依据人的抓取习惯, 实现最优抓取判别, 并且机器人成功实施抓取定位, 研究方法对新目标具备良好的抓取判别能力. （二）无标定视觉伺服解决方案及其机器人操作应用 研究了无标定视觉伺服方法及其在机械臂任务操作中的应用。首先提出视觉伺服目标：假设机器人或者摄像节的模型参数未知或者部分未知，视觉伺服的目标是使用摄像节作为传感器，引导机械臂运动，使当前图像特征收敛到期望图像特征，从而完成定位或者跟踪的任务。 手眼协调关系描述。关节图像雅克比矩阵定量描述了机械臂关节变化引起图像特征变化，它是关节-图像映射的局部线性化矩阵。 建立图像雅克比的在线估计器。将关节图像雅克比矩阵的每一个元素作为辅助系统的状态，建立辅助系统的状态方程；摄像机提取到的图像特征作为测量值，建立辅助系统的观测方程。根据Kalman滤波器理论，我们设计了对关节图像雅克比的在线实时估计算法。 构建基于图像矩的目标函数。为了避免传统的基于点特征的缺陷，例如点特征的标记、提取与匹配过程复杂且通用性较差问题。构建基于图像矩的图像特征向量完成视觉伺服任务，来提高视觉伺服系统的稳定性和可靠性。 四、合作企业 厦门万久科技股份有限公司是一家集销售、软件研发、技术服务、加工技术整合为一体的高新技术企业。目前公司的经营范围涉及CNC软件开发及数控系统销售、CNC控制零件销售及专业维修；工艺优化、机台升级与技术改造、工程配电与软件优化、专用机控制系统开发、多轴机的设计与开发、机台精度检测与校正优化服务等。公司是国际知名生产制造企业——富士康的产品供应商和技术服务商。    

研发阶段/n基于机器视觉技术的干香菇等级自动分选系统与设备 技术简介：　　香菇生长过程中，在适宜的温度、湿度、光照、风速和温差条件下，表皮细胞与肉质细胞分裂不同步，生长速度过快的肉质细胞胀破表皮细胞，使菌盖龟裂形成褐白相间、菊花状的花纹，因而形成花菇。香菇可分为天白花菇、白花菇、茶花菇及光面菇。其中以天白花菇价值最高，与普通光面菇相比，价格可相差5-8倍。　　我国是香菇生产大国，香菇分级加工属于劳动密集型环节，长期以来依靠人工肉眼进行香菇颜色、形状、厚薄分级及破损、畸形、霉变香菇分级。