论日本动画创作题材思考点在动画教学中的运用

日本动画的制作体系已经非常成熟,通过对其动画创作的选材方面的分析,得到启示并应用到我国当前的动画教育中,使得初学者在锄画创作阶段少走弯路,更快捷地步入动画创作的大门。     

灌篮高手

阿杰是个篮球高手,这是他扣篮时的两张照片,共有八处不同,请你找出来,然后把答案写出来或复印下来寄给我们。有机会获得奖品哟!     

BLEACH场·界

《BLEACH境·界》是日本漫画家久保带人的漫画作品。该漫画现已被翻译成中文、英文等多个版本,在世界各地发行。该漫画被制成动画在电视台播出后,成为世界上最受欢迎的动漫作品之一。     

春晚上的漫画达人

2011年春晚的舞台上,李小冉展示的一幅"吉祥兔"的动漫画,给观众留下了深刻的印象。而细心的观众也一定注意到,就在李小冉展示"吉祥兔"之后,导演将镜头对准了台下的一位清纯亮丽的女孩,虽然镜头一闪而     

浅谈中日青少年足球培训系统比较研究

从回顾日本青少年足球培训体系改革史中,探究了中国青少年足球培训改革路径,认为中国青少年足球培训体系应在符合基本国情的基础上,加强对青少年后备人才的培养,普及学校和社会的足球教育,提高足球人口基数,实现大众体育、竞技体育和学校体育的协调发展。     

浅析动画速写在动漫教学中的意义

动画速写与传统速写的主要区别是它侧重于对人或物空间运动规律的分析与研究,对某一动作进行科学分解并形成一种完整的动作链。通过动画速写,能使学生练就独立设计造型能力,因此,它是培养动画设计与制作能力必不可少的一门新型专业基础课。在教学中以记录性速写、设计过程草图、成图阶段三段式教学法开展教学是行之有效的方法。     

漫画家夏达走红日本

中国女漫画家夏达目前在日本可谓大红大紫，受追捧的程度不亚于日本一流漫画家。不仅如此，在网络上，夏达也成了网友和动漫迷们热议的对象。     

火影忍者

《火影忍者》是日本漫画家岸本齐史的代表作。作品自1999年开始在《少年JUMP）周刊上连载后，引发青少年读者热捧。随后，《火影忍者》的动画版在日本东京电视台播放．成为最受欢迎的动漫作品之一。     

关于电视纪实作品的操作

电视纪实作品的操作受多方因素的影响，制作者要善于从另外的角度寻找题材，常作常新；要认真策划，制作充满魅力的作品细节；要寻找意义。以表现鲜明的主题为操作的归宿。     

单目视觉惯性的同时定位与地图构建综述

在机器人领域,同时定位与地图构建（SLAM）是导航定位的关键技术。单目视觉传感器由于结构简单、成本低且能获取丰富的视觉信息,被广泛应用于 SLAM。随着无人机、AR 设备以及自动驾驶汽车技术的快速发展,视觉惯性 SLAM（VI-SLAM）技术得到了越来越多人的关注。针对 VI-SLAM,从滤波与非线性优化的角度出发,首先介绍相关算法理论框架,然后分析几种具有代表性的单目 VI-SLAM 算法创新点及实现方案,并通过 EuRoC MAV 数据集评估各算法优劣,最后结合深度学习与语义 SLAM,对 SLAM 未来发展趋势进行探讨。     

适用于低端激光雷达的优化Hector SLAM算法

提出了一种实时定位和建图(SLAM)前端优化的解决方法。首先降低算法对雷达精度的要求,对激光雷达数据进行概率霍夫变换与最小二乘法拟合的预处理,降低系统噪声并优化直线数据;用双三次插值算法代替Hector SLAM中使用的双线性插值算法,获取精度更高的栅格地图与地图梯度。然后解决系统对激光雷达高刷新频率的依赖,使用图像处理的常用方法,即通过图像相减与矩阵变换,判定激光雷达的运动形式为平移还是旋转;优化SLAM的关键帧判定机制,不再把由旋转得到的数据更新至地图。经过实践验证,低性能的激光雷达也可以使用优化后的Hector SLAM方法获得优质的地图,并且解决了地图构建重影问题。     

基于改进粒子滤波的SLAM算法研究

基于粒子滤波器同时定位与地图构建(Simultaneous Localization And Mapping,Slam)证明移动机器的根据周围环境自我定位在理论上可行,但存在着两个不足之处:一是运算过程中涉及到矩阵求逆,粒子数越多计算量指数倍增大;二是不可以频繁的采样.文章针对粒子滤波理论这两处缺陷,引入GMapping算法,提出了有效的解决办法:(1)改善粒子采样选择;(2)改进选择性重采样.实验验证了算法的有效性.     

基于重采样技术的激光SLAM系统优化设计

基于Rao-Blackwellized粒子滤波(Rao-Blackwellized partical filter,RBPF)算法的移动机器人在同时定位与地图构建(simultaneous localization and mapping,SLAM)过程中存在计算量大、粒子耗尽问题。基于重采样技术对激光SLAM系统开展优化设计:在采样过程中加入最近一帧的激光观测模型,减少构建地图所需要的粒子数;同时提出一种自适应优化组合重采样方法,以缓解粒子耗尽现象,保持粒子的多样性。利用Turtlebot 2和Rplidar A2搭建的平台进行实验验证,结果显示,改进的RBPF-SLAM系统优化方法能够以更少的粒子数生成精度更高的全局一致性的地图。     

基于Webots的SLAM算法及其系统实现研究

研究了基于Webots仿真软件开发室内移动机器人SLAM测试平台的可行性.系统平台融合机器人操作系统(Robot Operating System,ROS)应用Gmapping、Cartographer两种算法实现了环境建图和分析.再通过DWA(Dynamic Window Approaches)和TEB(Timed Elastic Band)两种局部路径算法实现了机器人自主导航并作对比.最后基于实验结果优化系统设计方案,完成了SLAM系统测试仿真功能的改善.     

基于视觉和距离传感器的SLAM和导航方法的探新

SLAM(Simultaneous Localization and Mapping)被广泛应用于生成地图和机器人导航领域。基于视觉特征的SLAM是一种低成本的解决方案,且能够提取环境的丰富的特征点用于机器人导航,但是,现实世界的可视特征往往是动态的,很多基于视觉特征的SLAM方法都不能排除环境中移动物体的影响,比如:在餐厅或购物中心的行人等等。ICGM(Incremental Center of Gravity Matching)是一个通过图像队列之间特征点的几何结构互相匹配而得到稳定特征点的方法,基于ICGM的SLAM能有效地排除环境中移动物体的影响。本研究在前人研究的基础上提出了一种新的算法,利用ICGM的方法提取环境稳定的视觉特征,结合Kinect距离传感器,在高度动态环境中实现了较高精度的机器人自动导航。并通过实验检验了这种算法,实验结果显示,本方法的速度能够达到实时处理的要求,与此前研究的其它方法相比,这种方法能够达到更高的精度,所提出的SLAM和导航系统更加接近实用要求。     

基于卷积神经网络的RGB-D SLAM回环检测研究

回环检测是视觉SLAM中不可或缺的一部分,正确检测出回环能有效减小移动机器人在定位和建图过程中产生的累计位置漂移问题。SLAM回环检测目前主要有词袋模型方法,具有良好的实时性,但人工特征具有对光照变化非常敏感等问题。针对这些问题,提出了深度学习和回环检测结合的方法,将卷积神经网络模型应用于SLAM回环检测中,并且通过模型对RGB-D图像进行特征提取,提出了两种图像融合方法,通过对比判断最佳措施;进而通过特征匹配来判断回环。与现有方法相比,本研究提出的方法达到了具有更高精确性和实时性的效果。     

基于RGB-D的云机器人3D SLAM实验系统

针对室内环境的三维视觉同步定位与地图构建(3D VSLAM)计算量大、耗时长、硬件要求高的问题,提出了一种基于RGB-D的云机器人VSLAM实验平台。采用Kinect传感器,获取环境的RGB图像和深度信息,采用金字塔Lucas-Kanade算法实现帧间FAST特征点的快速追踪与匹配,运用RANSAC算法进行初始配准,提取关键帧。借助于云计算动态供给、弹性计算的优势,将VSLAM中计算消耗大的精确配准、闭环检测和全局优化处理过程卸载至云端进行,以减轻本地处理器的运算负担。实验结果表明,该方法能够有效地减轻VSLAM对硬件的依赖度,缩短SLAM的执行时间并提高构图精度,为云机器人以较低的成本实现先进SLAM算法提供了有效的解决途径。