内容介绍

科学技术的高速发展，可以使人类上天入地。但是，我们对人类自身的研究还处在初级阶段，特别是人类的大脑的运作和思维方式，还处于空白阶段。本人在今后几年中，将积极参与脑科学的研究。

此项研究正在进行中......

现代工业的进步很大程度上依赖材料科学的发展，而目前对材料图像的分析还是主要依赖人力的工作。在对海量的数据图像进行分析时，这种原始的方法是几乎不可操作的。因此，我们希望利用计算机对材料图像中的物体分进行自动析，来推测材料中的各种信息。

此项研究正在进行中.......

分子机器人

分子机器人也称为纳米机器人，是刚刚在2010年3月提出来的一个全新的课题，它可以被用来检测和清除人体内的病毒和癌细胞等。分子机器人的研究分为5个过程，分别是：第0代的“Molecular Spider”；第1代的“Amoeba Robots”；第2代的“Slime Mold Robots”；第3代的“Multi-cellular Robots”；第4代的“Hybrid Molecular Robots”。DNA机器人是第0代和第1代分子机器人。

分子机器人是通过折纸技术,利用DNA分子能够构建出二维和三维的物体。但在实际操作过程中，环境的细微变化会造成纳米级别物体的形状的大幅度改动，并进而造成分子机器人以及DNA机器人制作的失败或者性能低下。因此，每一次利用DNA折纸技术制作出纳米级别物体后，都需要对其形状进行仔细观察，以判断其形状是否正常。本研究拟以原子力显微镜（AFM）拍摄出的DNA纳米级别物体为研究对象，提出合适的图像预处理算法；研究DNA纳米级别物体识别算法，使计算机能够自动识别其形状，并标识出目标DNA纳米级别物体；构建描述AFM图像中实际形状和理想形状的差异程度的模型；最终，开发出识别和分析DNA纳米级别物体形状的图像系统。希望通过该研究为我国的DNA机器人的形状控制提供强有力的理论依据和技术支持。

此外，关于分子机器人的运动控制，也正在积极的研究中。

机器人通过对观测到的物体识别，进行物体挑选和物体分类工作。传统的视觉方法是利用SIFT算法对图像进行匹配，进而实现物体的识别，缺点是速度慢，机器人的行动非常迟缓。我利用一维扫描码（Barcode）和二维扫描码（QRcode）来确定物体和机器人的位置关系（包括角度和坐标），从而帮助机器人迅速完成物体匹配工作和实现相应动作。以下是此研究的部分源代码：1. 把持物体教示RTC 2. 一维扫描码计算物体位置的RTC.

图像处理(image processing)是用计算机对图像进行分析，以达到所需结果的技术。它是计算机视觉和机器人视觉的研究基础。物体识别是图像处理中最重要的研究之一。传统的物体识别算法，主要利用图像库中的数据来匹配现实中的物体图像，来判断此物体的种类，识别出此物体。很多物体包含多种形态，比如说，剪刀随着开张的角度不同，所表现的形状也不同；此外，从不同的角度观察，得到的物体形状也不同。我们把包含不同形态的物体的识别称为RMCO（the recognition of multiple configurations of objects）。一般的方法，采集同一个物体的多个数据来实现RMCO，这样不得不浪费很多时间，并使数据库变得非常庞大。我通过The shape space 理论,只需要很少的数据就能预测被观察物体的可能的形状，从而实现利用小数据就能识别多形态的物体。

传统的物体识别算法，包括SIFT和SURF，尽管可以在极短的时间里完成物体识别，但在机器人应用中，仍然是制约机器人快速行动的一个重要因素之一。我利用图像中三个不变的因素，即，特征点周围的像素信息，特征点的角度信息，以及两个图像之间的特征点群保持相对位置不变的信息来匹配这两幅图像，速度相对于SIFT可以提高10倍左右，并保持匹配点群之间几乎没有错误的匹配点。

1. 细分曲线曲面的研究：完成两片曲面的拼接
2. 利用Marching cubes方法，完成汽车曲面的表示和加工轨迹的表示
3. 利用NURBS来实现物体表面的表示以及加工轨迹的表示

1. 参与了利用高速照相机，识别出不合格的产品，电子图板上的不正确连接等的图像处理研究和开发。
2. 研究开发了“产品质量监控系统”的客户操作的软件
3. 指纹识别的系统的开发；
4. 日本卫星通讯系统的更新和开发；
5. 某日本银行大型管理系统的开发；
6. 汽车外形设计和加工软件的算法研究和开发
7. 在Ubuntu，FreeBSD下开发了网络上图像传输的软件