机器人的速度性能与其机构尺寸参数之间的关系是机器人机构设计时应考虑的重要问题。以3-RSS/S踝关节康复并联机器人为研究对象，根据空间模型和各向同性度探讨了其速度性能和机构尺寸之间的关系，并绘制了相应的性能图谱，这些图谱可作为机构尺寸优化的依据。

预测膝骨关节炎严重程度的图片数据集，该数据集包含用于膝关节检测和膝关节KL分级的膝关节x光数据。分级说明如下0级膝关节健康图像。2级(最低)明确存在骨赘，可能存在关节间隙狭窄。3级(中等)多发性骨赘，明确存在关节间隙狭窄，伴轻度硬化症。4级(严重)大骨赘，关节明显变窄，严重硬化。共9000多张图片

髋关节植入物松动X光监测数据集，共3700多张X光图片 髋关节植入物松动X光监测数据集，共3700多张X光图片 髋关节植入物松动X光监测数据集，共3700多张X光图片

为了实现三关节机械臂的轨迹跟踪控制，提出了一种变论域模糊控制方法，设计了一种不依赖被控对象精确数学模型的变论域模糊控制器。该控制器引入一种新的混合型伸缩因子，选择机械臂期望关节角度与实际关节角度的差值作为偏差，利用偏差和偏差的变化作为输入量来自动调整论域。运用MATLAB软件对采用该控制器的三关节机械臂轨迹跟踪控制进行仿真分析，并与采用指数型伸缩因子的变论域模糊控制器的仿真结果进行对比。结果表明，所设计的混合型伸缩因子的变论域模糊控制器在机械臂轨迹跟踪中的控制精度更高，稳态误差小，且响应速度快、无超调。

利用matlab m文件，编制的机器人关节坐标逆解程序

针对安川弧焊工业机器人手臂 MOTOMAN － MA1400 的构型特点，采用 D － H 法建立了机械臂的连杆坐标系，得到了以关节角度为变量的正运动学方程，利用 Matlab 进行正逆运动学计算以及机械臂末端点的轨迹规划。

带有骨骼跟踪技术的Microsoft Kinect的推出为基于骨骼的人类动作识别开辟了新的潜力。 但是，从深度图序列通过骨骼跟踪生成的3D人体骨骼通常非常嘈杂且不可靠。 在本文中，我们介绍了一种基于鲁棒性信息关节的人体动作识别方法。 受人类视觉系统本能的启发，我们通过关节位置的微分熵分析了每个动作类别的人类关节的平均贡献。 大多数动作之间存在显着差异，并且贡献率与常识高度一致。 我们提出了一种新颖的方法，称为骨架上下文，以测量姿势之间的相似性并将其用于动作识别。 通过提取每个信息关节的多尺度成对位置分布来计算相似度，然后使用线性CRF以词袋方式评估特征集。 我们报告实验结果，并在两个公共行动数据集上验证了该方法。 实验结果表明，所提出的方法对于相似的人类动作识别是有区别的，并且很好地适应了类内变异。

Unity 模拟手指关节运动,控制手指握拳,展开 Unity 逆向动力学关节运动 关键技术就是逆向动力学,如何控制"一个点"带动其他关节运动,类似于Unity内置的铰链关节Joint.

lbp代码matlab miccai2013 MICCAI 2013代码-通过关节水平集分割多个重叠的子宫颈细胞。 论文引文：[待更新...] ====================里面有什么？ 数据集：文件夹“ ./ims”中的四个真实的EDF巴氏涂片图像和综合测试/培训图像。 本文的Matlab代码。 ====================运行之前 此代码需要用于GMM密度估计，Quick Shift和LBP的第三方库。 您需要单独下载它们。 1.1统计模式识别工具箱： 1.2 VLFeat： 1.3 LBP ：（下载文件“ lbp.m”和“ getmapping.m”） 该代码与Matlab R2012b或更高版本兼容。 ====================如何运行？ 调用脚本“ Run.m”。 第7行中调用函数Runner_inOne（...）的参数引用： 1.1'EDF'-真正的子宫颈抹片检查图像 1.2'测试'-综合测试图像 1.3'火车'-综合训练图像

image.png3.3 提取joint5和joint6复制puma560_link5_vision到一个新文件中，选择Triangle 841——Triang