-
公开(公告)号：CN106384079B
公开(公告)日：2019-04-30
申请号：CN201610783805.7
申请日：2016-08-31
Applicant: 东南大学
Abstract: 本发明公开了一种基于RGB‑D信息的实时行人跟踪方法，包括：步骤10)环境数据的获取与模型初始化：对行人进行感知，以获取RGB‑D信息，将RGB‑D信息转化为三维点云，并对跟踪模型进行初始化；步骤20)构建聚类的几何评价模型：通过欧氏距离对三维点云进行聚类，构建聚类的几何评价模型；步骤30)构建聚类的颜色评价模型：采用RGB获取的颜色信息，进行色彩空间转换与归一化后，构建聚类的颜色评价模型；步骤40)对几何评价模型和颜色评价模型进行综合评定，确定最优的跟踪目标，并通过跟踪模型确定最优目标参数，生成相应跟踪指令。该基于RGB‑D信息的实时行人跟踪方法实现了室内行人的高效检测与跟踪。
-
公开(公告)号：CN104268598B
公开(公告)日：2017-05-03
申请号：CN201410506045.6
申请日：2014-09-26
Applicant: 东南大学
Abstract: 本发明公开了一种基于二维扫描激光的人腿检测方法，首先通过激光传感器对室内环境进行扫描，并将扫描数据进行预处理；其次，根据采集数据进行AdaBoost训练，即将采集的若干组扫描样本进行数据分割，将其作为算法的输入通过已建立的弱分类器训练学习得到一个强分类器；然后进行人腿步态检测，即将预处理后的激光扫描数据进行垂直边缘检测，然后从提取的垂直边缘中检测满足人腿模式的所有子集；最后对检测出的SL模型采用AdaBoost算法进行分类判断。本发明使用低成本的二维激光有效的解决了人腿快速检测的问题，简单快速，准确率高，避免常用计算机视觉方法计算慢、受图像干扰的缺陷。
-
公开(公告)号：CN104268598A
公开(公告)日：2015-01-07
申请号：CN201410506045.6
申请日：2014-09-26
Applicant: 东南大学
CPC classification number: G06K9/6256 , G06K9/00362
Abstract: 本发明公开了一种基于二维扫描激光的人腿检测方法，首先通过激光传感器对室内环境进行扫描，并将扫描数据进行预处理；其次，根据采集数据进行AdaBoost训练，即将采集的若干组扫描样本进行数据分割，将其作为算法的输入通过已建立的弱分类器训练学习得到一个强分类器；然后进行人腿步态检测，即将预处理后的激光扫描数据进行垂直边缘检测，然后从提取的垂直边缘中检测满足人腿模式的所有子集；最后对检测出的SL模型采用AdaBoost算法进行分类判断。本发明使用低成本的二维激光有效的解决了人腿快速检测的问题，简单快速，准确率高，避免常用计算机视觉方法计算慢、受图像干扰的缺陷。
-
公开(公告)号：CN102909148B
公开(公告)日：2014-10-29
申请号：CN201210286395.7
申请日：2012-08-13
Applicant: 东南大学
Abstract: 本发明公开了一种多喷枪自适应建模的喷涂路径自动生成方法，首先针对所使用的喷枪设计喷涂实验，根据涂层厚度测量自适应地选择参数化涂层累积模型拟合逼近；由此建立多行程喷涂优化模型并采用二分法迭代求解相应的最优喷枪路径参数；然后提出最长边参考路径算法以自动生成工件的喷涂行程，并添加过渡路径构成完整的喷涂路径；最后针对工件表面的复杂曲面特征采用可变行程方法对路径进一步优化调整。本发明可针对不同的喷枪自适应建立相应的精确喷涂模型，并由此自动生成复杂工件曲面上的最优喷涂路径，在保证涂层均匀性的前提下，提高喷涂制造产业的工作效率和涂料的利用率，改善喷涂质量和产品的美观度，从而能够取得很好的经济和社会效益。
-
公开(公告)号：CN119205707A
公开(公告)日：2024-12-27
申请号：CN202411364694.7
申请日：2024-09-29
Applicant: 东南大学
IPC: G06T7/00 , G06V10/26 , G06V10/30 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/0895
Abstract: 本发明公开了一种基于自监督学习和特征降噪的图像异常检测方法，属于图像异常检测技术领域。包括深度特征提取、深度特征融合、深度特征重建、异常分割步骤。本发明充分利用深度学习模型多尺度特征的优点，对多尺度特征进行有效融合。同时，在融合多尺度特征之后，对其进行重建以实现降噪操作。并在模型最后添加分割头，以提升模型性能。与现有方法相比，本模型以同等级的参数量和训练成本达到了更好的异常检测效果。
-
Patent Agency Ranking
公开(公告)号：CN111091062B
公开(公告)日：2023-07-04
申请号：CN201911146390.2
申请日：2019-11-21
Applicant: 东南大学
Abstract: 本发明公开了一种基于3D视觉聚类和匹配的机器人乱序目标分拣方法，包括：对采集的分拣场景点云滤除分拣场景点云平面，并对堆叠分拣场景进行分割点云平面，得到多个种类的分拣场景点云簇；查询三维点邻域得到各分拣场景点云簇的堆叠状态；估计分拣场景点云中各点的法线，并提取各分拣场景点云簇和目标模型的边缘；生成不同的边缘候选匹配集合，利用Super4PCS粗匹配获取初始位姿，再通过ICP精匹配进行排序识别和位姿估计。本发明通过对物体的三维感知，实现了对具有堆叠、遮挡、乱序等特点的多目标物体的识别、分类和匹配定位，有利于实现工业机器人的自主识别和抓取动作的规划，从而提高搬运、分拣作业的抓取效率和准确程度。
-
公开(公告)号：CN114237244A
公开(公告)日：2022-03-25
申请号：CN202111538508.3
申请日：2021-12-15
Applicant: 东南大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于光线跟踪的移动机器人路径规划方法，通过跟踪光线的传播轨迹来生成一条连接机器人起始位置和目标位置的无碰撞路径。首先，模拟现实世界中的光线传播，获得一条连接起始点和目标点的原始路径，然后祛除多余的轨迹点并借助于三次贝塞尔曲线使得各个直线段路径平滑连接，最终生成一条连接起始点和目标点的光滑无碰撞路径。本发明的路径规划算法运行速度快，且可以保证机器人的运动速度始终连续变化，大大增强了移动机器人运动的平稳性和安全性，且适合移动机器人进行高速运动。
-
公开(公告)号：CN113997284A
公开(公告)日：2022-02-01
申请号：CN202111241095.2
申请日：2021-10-25
Applicant: 东南大学
IPC: B25J9/16
Abstract: 本发明公开了一种基于天牛须算法的双臂协作机器人逆解优化方法，包括以下步骤：S1、将双臂分为主从臂，运动规划采用主从方式，建立协作约束方程，根据主臂计算从臂；S2、将从臂关节角作为迭代初值，结合变换矩阵，得到从臂的末端位姿；S3、根据天牛须算法，利用符号函数判断飞行方向，更新X，比较和大小再次确定飞行方向；S4、判断X是否在目标区间内，若不在，X的值退回到上一步；S5、重复步骤S3、S4满足条件，此时X即为七轴机械臂的逆解。本申请使用的天牛须算法受天牛觅食原理启发而开发，属于一种智能优化算法，其迭代过程不易受梯度和初值的影响，从而能够快速准确地求得满足精度要求和目标区间的七轴机械臂运动学逆解。
-
公开(公告)号：CN111113409B
公开(公告)日：2021-05-11
申请号：CN201911146612.0
申请日：2019-11-21
Applicant: 东南大学
Abstract: 本发明公开了一种基于分步优化的多机器人多工位协作点焊作业规划方法，包括：对多机器人多工位协作点焊作业优化问题进行描述与分析，并设立约束条件与优化目标，建立多机器人多工位协作点焊作业优化模型；基于任务均衡原则，建立初始分配方案，进行焊点编码分配和遗传算法迭代求解，得到局部最优焊点分配方案；单机器人焊点排序；完成焊点工位分配，得到多机器人多工位协作点焊作业规划方案。本发明提供了一种多机器人协作多工位点焊作业规划方法，解决了多机器人多工位任务规划问题约束和模型复杂、搜索解空间广导致难于求解的问题，提高了算法的搜索能力和收敛速度。
-
公开(公告)号：CN107767457B
公开(公告)日：2021-04-06
申请号：CN201710928391.7
申请日：2017-10-09
Applicant: 东南大学
IPC: G06T17/30
Abstract: 本发明公开了一种基于点云快速重建的STL数模生成方法，包括对输入的点云进行简化滤波并提取特征；对数模表面点云进行曲面重建；在STL数模上建立模型拓补关系，并进行网格简化；对简化后的STL数模进行孔洞检测和修复以去除模型中的缺陷。本发明方法可有效解决基于激光扫描点云的STL模型重建问题，通过点云特征提取和模型重建等步骤生成了STL模型，并通过网格简化和孔洞修复技术实现了对所生成的STL模型表面缺陷的自动修复，从而在保留点云基本特征的前提下实现了STL数模的快速重建并提高了重建出的STL数模的可用度，可满足智能制造过程中的机器人离线编程技术、自动轨迹规划技术等不同领域的广泛需求。
-
-
-
-
-
-
-
-
-
Search Results
71
records
(took 0.025 seconds)
