-
公开(公告)号：CN111275634B
公开(公告)日：2023-04-28
申请号：CN202010031333.6
申请日：2020-01-13
Applicant: 南京师范大学 , 南京智能高端装备产业研究院有限公司
Abstract: 本发明公开了一种熔池形貌检测及弧焊机器人控制方法，包括：采集弧焊增材制造熔覆池视频，提取单帧彩色图像，进行灰度变换和噪声滤波；进行掩膜修补，剔除金属液滴区域部分，去除图像多余的部分，利用天牛须搜索自适应阈值算法的边缘检测，进行阈值分割和灰度增强，从而达到对图像进行去噪和增强；通过像素遍历搜寻出熔覆池圆心，再进行区域图像分割、镜像对称和组合，拟合出椭圆，通过圆心遍历出长轴和短轴，对长轴和短轴像素数大小进行计算，判断长轴和短轴的变化量，进而控制弧焊机器人是否继续打印，再根据当前图像是否为最后一帧来决定是否结束循环，进而实现本方法，为弧焊增材制造打印质量提供低成本、高效率的检测分析与控制方法。
-
公开(公告)号：CN110006444A
公开(公告)日：2019-07-12
申请号：CN201910215637.5
申请日：2019-03-21
Applicant: 南京师范大学 , 南京智能高端装备产业研究院有限公司
Abstract: 本发明公开了一种基于优化混合高斯模型的抗干扰视觉里程计构建方法，包括：读取采集连续视频帧序列图像，进行灰度化处理；对图像进行相似度判定，若结果为相似度较小则舍弃，直至判定结果为相似度较大；提取前n1帧相邻帧灰度图像中的特征点；对每个特征点建立混合高斯模型；利用混合高斯模型进行目标检测，得到有效特征点；将有效特征点作为初始数据，获得有效特征点在当前帧序列灰度图像中的位置坐标，获取后续帧灰度图像的有效特征点；将获得的相邻灰度图像间的有效特征点组成有效特征点对，估算相机的位置与运动轨迹；循环上述步骤，重新获取有效特征点并进行运动估计，直到所有的序列帧图像处理完毕，完成视觉里程计的构建。
-
公开(公告)号：CN112232240B
公开(公告)日：2024-08-27
申请号：CN202011129588.2
申请日：2020-10-21
Applicant: 南京师范大学
IPC: G06V20/40 , G06V20/52 , G06V10/25 , G06V10/44 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于优化交并比函数的道路抛洒物检测与识别方法，包括如下步骤：搭建基于优化交并比函数的道路抛洒物检测与识别模型；采集道路交通监控视频并进行分帧处理生成道路抛洒物数据集，对训练集图像进行标注，生成标签文件；将训练集全部图像和标签文件输入道路抛洒物检测与识别模型中进行训练，得到训练好的模型；将测试集图像输入训练好的道路抛洒物检测与识别模型进行检测识别，输出对于道路抛洒物的检测识别结果。本发明能够在复杂道路交通背景下对道路抛洒物进行检测和识别，能够输出道路抛洒物位置信息、类别信息以及大致形状特征，对于小目标有较好的检测识别效果，检测速度快、识别精度高。
-
公开(公告)号：CN111951303A
公开(公告)日：2020-11-17
申请号：CN202010806613.X
申请日：2020-08-12
Applicant: 南京师范大学
Abstract: 本发明公开了一种机器人运动姿态视觉估计方法。涉及机器人与机器视觉的技术领域，包括：采集动态环境中的连续视频图像，选取其中两张采集的图像，检测关键点，计算关键点特征值，检测并保存特征点位置；对原始图像进行分割，获取并保存图像中动态物体所在像素区域的位置；对比保存特征点信息的图像和保存分割结果的图像，剔除保存特征点信息的图像中分布在动态物体所在像素区域的位置的特征点；使用剔除优化后剩余的特征点在相邻图像间进行特征匹配，计算在相邻图像间机器人的位姿运动，输出机器人运动位姿估计。本发明具有位姿估计准确率高、计算量小、抗背景环境干扰能力强的优点。
-
公开(公告)号：CN111950451B
公开(公告)日：2024-11-22
申请号：CN202010806204.X
申请日：2020-08-12
Applicant: 南京师范大学
IPC: G06V20/40 , G06V10/764 , G06V10/774 , G06V10/82 , G06T3/4007 , G06T3/4046 , G06N3/0464
Abstract: 本发明公开了一种基于多尺度预测CNN及龙芯芯片的多类别目标识别方法，包括：将目标图像输入到搭建好的多尺度背景预测卷积神经网络，输出分类结果；将分类结果为物体的候选框，去除重复的候选框；对多尺度背景预测卷积神经网络充分训练，得到训练好的多尺度背景预测卷积神经网络；视觉摄像头采集视频文件，并且统一尺寸大小；将训练好的多尺度背景预测卷积神经网络模型移植到基于龙芯芯片的嵌入式系统中完成对多类别目标的识别。本发明充分考虑了目标识别快速准确的特点，设计了多尺度背景预测卷积神经网络，利用多尺度网络模型来对多类别目标进行识别，提高了对于多类别目标的识别准确率和速度，并且具有很高的可移植性，应用前景广泛。
-
Patent Agency Ranking
公开(公告)号：CN111460941B
公开(公告)日：2023-06-09
申请号：CN202010206651.1
申请日：2020-03-23
Applicant: 南京智能高端装备产业研究院有限公司 , 南京师范大学
Abstract: 本发明提供了一种穿戴式导航装备中视觉导航特征点提取与匹配方法，包括：读取两帧原始图像，构建图像的高斯‑拉普拉斯金字塔，生成高斯‑拉普拉斯差分尺度空间；进行特征点检测，将局部极值点作为特征点提取出来；计算出特征点的方向；基于BRIEF算子生成特征点的描述符，对每个点对进行二进制赋值，形成一个二进制编码；基于前一步生成的描述子对两张图像进行特征点的匹配，测量前一帧图中的每一个特征点与后一帧图像中所有特征点的相似程度，将相似程度最大的匹配成一对；重复上一步匹配操作，直到两帧图像中的所有特征点匹配完成，这些匹配好的特征点对为视觉导航提供大量的基础信息，提高导航定位结果的稳定性、环境适应性及抗干扰性能。
-
公开(公告)号：CN112232240A
公开(公告)日：2021-01-15
申请号：CN202011129588.2
申请日：2020-10-21
Applicant: 南京师范大学
Abstract: 本发明公开了一种基于优化交并比函数的道路抛洒物检测与识别方法，包括如下步骤：搭建基于优化交并比函数的道路抛洒物检测与识别模型；采集道路交通监控视频并进行分帧处理生成道路抛洒物数据集，对训练集图像进行标注，生成标签文件；将训练集全部图像和标签文件输入道路抛洒物检测与识别模型中进行训练，得到训练好的模型；将测试集图像输入训练好的道路抛洒物检测与识别模型进行检测识别，输出对于道路抛洒物的检测识别结果。本发明能够在复杂道路交通背景下对道路抛洒物进行检测和识别，能够输出道路抛洒物位置信息、类别信息以及大致形状特征，对于小目标有较好的检测识别效果，检测速度快、识别精度高。
-
公开(公告)号：CN111950451A
公开(公告)日：2020-11-17
申请号：CN202010806204.X
申请日：2020-08-12
Applicant: 南京师范大学
Abstract: 本发明公开了一种基于多尺度预测CNN及龙芯芯片的多类别目标识别方法，包括：将目标图像输入到搭建好的多尺度背景预测卷积神经网络，输出分类结果；将分类结果为物体的候选框，去除重复的候选框；对多尺度背景预测卷积神经网络充分训练，得到训练好的多尺度背景预测卷积神经网络；视觉摄像头采集视频文件，并且统一尺寸大小；将训练好的多尺度背景预测卷积神经网络模型移植到基于龙芯芯片的嵌入式系统中完成对多类别目标的识别。本发明充分考虑了目标识别快速准确的特点，设计了多尺度背景预测卷积神经网络，利用多尺度网络模型来对多类别目标进行识别，提高了对于多类别目标的识别准确率和速度，并且具有很高的可移植性，应用前景广泛。
-
公开(公告)号：CN111275634A
公开(公告)日：2020-06-12
申请号：CN202010031333.6
申请日：2020-01-13
Applicant: 南京师范大学 , 南京智能高端装备产业研究院有限公司
Abstract: 本发明公开了一种熔池形貌检测及弧焊机器人控制方法，包括：采集弧焊增材制造熔覆池视频，提取单帧彩色图像，进行灰度变换和噪声滤波；进行掩膜修补，剔除金属液滴区域部分，去除图像多余的部分，利用天牛须搜索自适应阈值算法的边缘检测，进行阈值分割和灰度增强，从而达到对图像进行去噪和增强；通过像素遍历搜寻出熔覆池圆心，再进行区域图像分割、镜像对称和组合，拟合出椭圆，通过圆心遍历出长轴和短轴，对长轴和短轴像素数大小进行计算，判断长轴和短轴的变化量，进而控制弧焊机器人是否继续打印，再根据当前图像是否为最后一帧来决定是否结束循环，进而实现本方法，为弧焊增材制造打印质量提供低成本、高效率的检测分析与控制方法。
-
公开(公告)号：CN110263836B
公开(公告)日：2021-02-19
申请号：CN201910510060.0
申请日：2019-06-13
Applicant: 南京师范大学 , 南京智能高端装备产业研究院有限公司
Abstract: 本发明公开了一种基于多特征卷积神经网络的不良驾驶状态识别方法，包括：采集车载智能手机惯性传感器数据，进行预处理，得到源数据集；将源数据集划分成一个个的数据单元，对每一个数据单元进行统计学特征提取，并打上标签制成数据集，命名为特征数据集；搭建多特征卷积神经网络，选择合适的网络参数与优化器，并使用源数据集与特征数据集对多特征卷积神经网络进行充分训练，得到训练好的多特征卷积神经网络模型；使用训练好的多特征卷积神经网络模型对车载手机惯性传感器数据进行分类，从而实现对汽车当前驾驶状态的识别，判断汽车当前驾驶状态是否为不良驾驶状态，并在后台进行数据记录与处理。本发明具有运算速度快、识别率高、抗环境干扰能力强的优点。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.086 seconds)
