-
公开(公告)号：CN115858811A
公开(公告)日：2023-03-28
申请号：CN202211609449.9
申请日：2022-12-14
Applicant: 之江实验室
IPC: G06F16/36 , G06F18/22 , G06F18/214 , G06F40/295 , G06F40/30 , G06F16/35 , G06F18/25 , G06F16/31 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于知识图谱的中文易混词生成方法。该方法包括中文词知识图谱的本体设计、中文文本数据的预处理过程、中文词对在语义/字音/字形等方面的相似性计算过程、知识图谱实例化过程、用户输入文本的预处理过程、与用户输入文本相对应的知识图谱子图抽取过程以及以多源异构数据为输入的中文易混词生成过程等。本发明可从发音、字形、语义等多方面刻画中文词对的相似性，并能结合文本的领域和主题信息，实现跨领域中文易混淆词的准确生成。
-
公开(公告)号：CN115857516A
公开(公告)日：2023-03-28
申请号：CN202310191246.0
申请日：2023-03-02
Applicant: 之江实验室
IPC: G05D1/02
Abstract: 本发明公开一种结合牛耕式运动与遗传算法的全覆盖路径规划方法和装置，该方法包括：步骤一，对环境地图进行障碍物膨化处理，生成栅格地图；步骤二，在确定完机器人在环境地图的任务目标区域后，对栅格地图进行编码处理；步骤三，采用传统的牛耕式运动方式进行运动，生成代表机器人移动路径的多条初代染色体，作为遗传算法的初代种群；步骤四，对生成的多条初代染色体进行选择操作，并采用轮盘赌的方式生成下一代种群；步骤五，对生成的下一代种群进行交叉和变异操作，后重复步骤四至步骤五，进行种群代数优化，当种群代数达到最大值后，获得最终规划路径。本发明能够有效解决机器人在储罐、桥梁上探伤、除锈等诸多任务场景。
-
公开(公告)号：CN115796288A
公开(公告)日：2023-03-14
申请号：CN202211511472.4
申请日：2022-11-29
Applicant: 之江实验室
Abstract: 本发明公开了一种基于知识库的动态场景下推理任务的方法和装置，包括：在将表达知识库的语义网络按照关系类型划分为动作关系子网络、状态变化关系子网络、从属关系子网络以及介词关系子网络的基础上，依据动作关系子网络进行任务的行为树缺失判断的推理，通过所有子网络实现目标物体和与状态相关的感知数据等缺失数据的推理获取，进而实现行为树的推理。这样的方式能够避免使用任务知识或结构化的机器人任务设计语言，使用通用的语义网络完成任务的推理规划，实现机器人的作业问题，该推理过程不需要过多的人为编辑和干预，作为技术使用方，只需要提供完备的语义网络和实时感知数据，即可以完成对机器人行为的自主控制。
-
公开(公告)号：CN115761569A
公开(公告)日：2023-03-07
申请号：CN202211288216.3
申请日：2022-10-20
Applicant: 之江实验室
IPC: G06V20/40 , G06V40/16 , G06V10/44 , G06V10/82 , G06N3/0464
Abstract: 一种基于情感分类的视频情感定位方法，包括：通过人脸识别模型进行视频预处理，将人脸识别的检测结果作为情感定位网络训练集；建立情感定位网络，使用卷积神经网络提取图像局部特征，建立多分支图像特征，使用视觉transformer算法获取情感类别；判断各帧之间情感类别关系，删除误检或者异常结果；将相同表情识别结果，且时序距离较近作为视频中情感定位候选片段；基于情感类别获取的情感定位片段，获取视频候选片段特征，过滤判断错误候选片段；输出模型对视频情感定位结果，具体包括情感片段首尾时间及对应情感类别。本发明能够改善定位片段预设鲁棒性不佳的缺点，保证情感分类准确性的同时提升视频情感定位速率。
-
公开(公告)号：CN112722261B
公开(公告)日：2023-02-14
申请号：CN202110178009.1
申请日：2021-02-07
Applicant: 之江实验室
IPC: B64C27/52
Abstract: 本发明公开了一种襟翼和旋翼联动的倾转机构，解决了倾转机构与襟翼联动和对气动力考虑欠缺的问题，其中，支架固定于机翼上，支架的两端分别与机翼上设置的襟翼龙骨及旋翼组件活动连接，所述旋翼组件包括旋翼电机和旋翼电机座，所述旋翼电机固定设于所述旋翼电机座上，旋翼电机座与支架活动连接。所述旋翼倾转机构与支架和旋翼组件连接，用于驱动旋翼组件绕支架倾转。所述襟翼联动机构与旋翼倾转机构和支架连接，用于在旋翼组件倾转时联动襟翼摆动。其中，在旋翼轴线为水平状态时，襟翼为非工作状态，当旋翼轴线由水平状态转换为垂直状态时，襟翼联动变为下摆，达到了倾转机构与襟翼联动和优化气动布局的目的。
-
Patent Agency Ranking
公开(公告)号：CN115620356A
公开(公告)日：2023-01-17
申请号：CN202211019716.7
申请日：2022-08-24
Applicant: 之江实验室
IPC: G06V40/16 , G06V40/20 , G06V20/40 , G06V10/82 , G06F18/25 , G06N3/0464 , G06N3/047 , G06N3/08 , G10L15/02 , G10L15/06 , G10L15/16 , G10L15/22 , G10L25/03 , G10L25/24
Abstract: 本发明属于视听处理、机器学习技术领域，公开了一种基于音频和面部输入的受话方检测框架和方法，前端包括音频流编码器和视频流编码器；后端包括交叉注意力模块；双线性融合模块以及自注意力模块；本发明框架输入可变长度的音频和面部区域信息，并通过联合分析音频和面部特征，预测每帧中的受话方。它使用在人对人和人对机器人混合设置中记录的数据集。因此，所述框架可应用并适用于机器人，以区分机器人是否为受话方。使得机器人具有智能视听感知能力，提高了机器人智能化程度。
-
公开(公告)号：CN115542897A
公开(公告)日：2022-12-30
申请号：CN202211137238.X
申请日：2022-09-19
Applicant: 之江实验室
IPC: G05D1/02
Abstract: 本发明属于单机器人全覆盖路径规划领域，公开了一种基于牛耕式运动的全覆盖路径规划方法，以路径长度最短（路径重复率较低）为目标的、基于牛耕式运动的单机器人全覆盖路径规划方法，可应用于机器人扫地、除锈、扫雷、探伤等环境已知的二维平面场景。本方法在栅格地图上进行，通过机器人的牛耕式运动，并在陷入死区时更新未遍历栅格集合，之后对已生成路径进行路径插入操作，以及A*算法逃离死区的方式，获取一条路径重复率较低的规划路径。本发明能够在具有较复杂的区域边界、障碍物的二维已知环境下获取一条长度较短（路径重复率较低）的单机器人全覆盖路径。
-
公开(公告)号：CN115496930A
公开(公告)日：2022-12-20
申请号：CN202211390935.6
申请日：2022-11-08
Applicant: 之江实验室
IPC: G06V10/762 , G06V10/28 , G06V20/70
Abstract: 本说明书公开了一种图像处理方法、装置、存储介质及电子设备，本说明书实施例先在环境图像中识别出可降落的目标图像区域，再对目标图像区域内的各像素点进行聚类，并将每个聚类簇的聚类中心标记为候选降落点。针对每个候选降落点，根据包含该候选降落点的子图像区域的地形类型的类型数量、子图像区域的图像面积、子图像区域包含的地形类型对应的降落危险系数中的至少一种，确定针对该候选降落点的综合降落危险系数。从各候选降落点中标记出目标降落点，得到环境图像对应的处理后图像，处理后图像用于控制无人机降落。在此方法中，对可降落区域内的每个降落点进行降落危险评估，以选择出能够安全降落的降落点，可以提高无人机降落的安全性。
-
公开(公告)号：CN115469815A
公开(公告)日：2022-12-13
申请号：CN202211341478.1
申请日：2022-10-31
Applicant: 之江实验室
IPC: G06F3/06 , G06F16/22 , G06F16/2455
Abstract: 本发明公开了提高闪存可靠性的缓存管理方法、装置、设备和储存介质，该装置包括主控模块、缓存管理模块和可靠性记录表，该方法是通过主控模块进行闪存的控制和管理，缓存管理模块管理读缓存和写缓存，可靠性记录表记录数据块在缓存中的驻留时间。此方法减轻闪存块由于接近擦除极限而导致的数据丢失问题，从而在保证闪存存储性能的同时提高了闪存存储的可靠性。
-
公开(公告)号：CN115366095A
公开(公告)日：2022-11-22
申请号：CN202210876315.7
申请日：2022-07-25
Applicant: 之江实验室
Abstract: 本发明属于机器人抓取与操作技术领域，公开了一种杂乱环境机器人6自由度抓取姿态生成方法，包括S1：训练数据集生成；S2：神经网络训练；S3：预测结果转换到抓取姿态齐次矩阵。本发明是一种端到端的6自由度抓取姿态生成方法，即输入场景点云直接输出场景中每个物体的多样密集的成功的抓取姿态。姿态的多样性可以保证机器人在考虑避障与运动学约束时仍能更够满足抓取；具体执行时选择网络预测的指向点概率最大的且机器人有运动学解的抓取姿态执行；不需要长时间的采样过程与抓取姿态评估过程，相比于3‑4自由度的抓取姿态更具有通用性；提出的新的抓取姿态表示方法只需要预测gi＝(qi,ai,θi,di)四个量，且不需要向量间正交约束，更有利于神经网络的学习。
-
-
-
-
-
-
-
-
-
Search Results
487
records
(took 0.033 seconds)
