-
公开(公告)号：CN109639548A
公开(公告)日：2019-04-16
申请号：CN201910135207.2
申请日：2019-02-22
Applicant: 南京邮电大学
IPC: H04L12/40
CPC classification number: H04L12/40013 , H04L2012/40215
Abstract: 本发明公开了一种桥接ROS系统和CANopen网络实时通信方法，ROS系统包括从最底层到最高层叠层依次设计的CANopen驱动模块、CANopen核心模块、CANopen主站模块和CANopen桥接模块；方法包括步骤：通过CANopen驱动模块驱动PC平台的CAN硬件设备，实现CAN总线的打开和关闭以及CAN报文的收发操作；在CANopen核心模块中设定CANopen协议，基于CANopen协议实现CANopen驱动模块与上层之间的数据交互；通过CANopen主站模块检测CANopen网络中的所有节点，并实现CANopen网络中所有设备的自动识别罗列、识别和初始化，并为具有已知配置文件的所有设备创建ROS topic和sercives；通过CANopen桥接模块提供OD服务，并将已知配置文件的功能映射到标准ROS消息，实现ROS网络中ROS节点的ROS消息访问；本发明满足不同通信任务的实时需求，提升了CANopen网络对机器人的适应性。
-
公开(公告)号：CN109297507A
公开(公告)日：2019-02-01
申请号：CN201811127371.0
申请日：2018-09-27
Applicant: 南京邮电大学
IPC: G01C23/00
Abstract: 本发明公开了一种基于惯性传感器的免对准动作的人体四肢运动捕捉方法，包括如下步骤：利用参照物提供水平和方位姿态参考；人体正对参照物，将一个IMU平稳放置在参照物上，使得IMU坐标系和参考坐标系一致；利用IMU输出得到的IMU相对于地理坐标系的姿态，进而实现参考坐标系与地理坐标系之间的对准；在IMU外壳上设定箭头标记，根据标记将若干个IMU分别佩戴在人体四肢的相应位置上，实现IMU和四肢坐标系之间的有效对准；实现对于人体四肢运动的捕捉。本发明通过合理的准备工作和佩戴方案，避免了通常所需要的对准动作就可以实现对准，进而实现四肢的运动捕捉，在保证精度的前提下，减少了对准时间，在偏瘫运动康复和体感游戏等领域具有极大的应用价值。
-
公开(公告)号：CN107349570A
公开(公告)日：2017-11-17
申请号：CN201710407640.8
申请日：2017-06-02
Applicant: 南京邮电大学
CPC classification number: A63B23/1209 , A61B5/1071 , A63B23/1245 , A63B23/14
Abstract: 本发明公开了基于Kinect的上肢康复训练与评估方法，包括基Kinect的上肢测量方法和上肢运动康复训练模块与评估模块。基于Kinect的上肢测量方法主要是通过Kinect分别实时提取康复医师和患者上肢的肩、肘、腕关节的空间位置，并计算肩部、肘部相对参考关节点的三个自由度的动作角度；上肢运动康复训练模块与评估模块，先设计一套擦桌子、擦玻璃虚拟康复环境，其次，康复医师设计一套用于完成虚拟环境任务的标准动作，并根据Kinect的上肢测量方法计算生成标准运动角度数据模块，最后，通过Kinect上肢测量方法获得患者完成虚拟康复任务的实际运动数据模块，并与标准运动数据进行匹配，康复医师评估患者实际运动质量，给患者提供合理的康复反馈。
-
公开(公告)号：CN105487665A
公开(公告)日：2016-04-13
申请号：CN201510872912.2
申请日：2015-12-02
Applicant: 南京邮电大学
CPC classification number: G06F3/011 , G06K9/6269
Abstract: 本发明提供一种基于头部姿势识别的智能移动服务机器人控制方法，该方法利用约束局部模型算法检测脸部特征点，再利用脸部特征点的几何关系估计当前头部姿态，从而使患者能够用头部来控制智能移动服务机器人的运动。其具体实现包括如下步骤：训练头部姿态样本得到脸部特征点形状模板和特征点的局部模板；利用Ki nect采集头部图像并找到脸部位置；通过约束局部模型算法检测脸部特征点；利用检测到的特征点估计当前头部姿态；再根据不同的头部姿态参数给移动服务机器人发出不同的控制命令。利用本发明的方法，使得残障人士也可以利用头部稳定地控制智能移动服务机器人，方便了他们的出行。
-
公开(公告)号：CN117205044A
公开(公告)日：2023-12-12
申请号：CN202311098581.2
申请日：2023-08-28
Applicant: 南京邮电大学
IPC: A61H1/02 , A61B5/389 , G06F18/214 , G06N3/0442
Abstract: 本发明公开了一种基于医患交互行为学习与LSTM泛化的上肢康复机器人训练方法及系统，方法包括：获取手把手运动康复技能演示过程中医师、机器人和患者的动觉与力觉数据；基于手把手运动康复技能演示过程中医师、机器人和患者的动觉与力觉数据，使机器人感知医患交互的动觉与力觉行为，形成医患交互行为观测序列；基于动态运动基元模型学习手把手运动康复技能演示过程中医患交互行为，得到医患柔顺交互基元序列；根据手把手运动康复技能演示过程中学习到的医患柔顺交互基元序列，构建运动康复技能训练数据集，利用所述运动康复技能训练数据集训练LSTM网络，实现患者病情变化情况下上肢康复机器人的运动康复技能的泛化。
-
Patent Agency Ranking
公开(公告)号：CN111872934B
公开(公告)日：2023-01-31
申请号：CN202010563175.9
申请日：2020-06-19
Applicant: 南京邮电大学
IPC: B25J9/16
Abstract: 本发明公开了一种基于隐半马尔可夫模型的机械臂控制方法及系统，其中方法包括：通过对获取的多组机械臂抓取过程观测数据建立对应的HMSS训练模型，再基于BIC准则从训练模型中选择最优模型；使用维特比算法对最优模型进行解码，得到隐藏的基元运动行为，建立基元运动库；计算HSMM新型前向概率，根据HSMM新型前向概率的滤波概率求得当前时刻被激活的运动基元，重新规划基元运动序列；最后基于DMP算法对每个运动基元建立基元轨迹模型，控制机械臂执行基元轨迹。本发明提高了机器的自主学习能力，同时具备稳定性和泛化性。
-
公开(公告)号：CN114888801A
公开(公告)日：2022-08-12
申请号：CN202210525911.0
申请日：2022-05-16
Applicant: 南京邮电大学
IPC: B25J9/16
Abstract: 本发明公开了机械手控制领域的一种基于离线策略强化学习的机械臂控制方法及系统，包括：将状态信息s输入至上位机系统，通过抓取模型形成轨迹控制指令控制机械臂抓取所述目标体；所述抓取模型构建过程包括：构建抓取任务训练集；仿真环境中通过抓取任务训练集对抓取模型进行训练，得到仿真抓取任务元训练模型；在真实环境中对仿真抓取任务元训练模型进行少量训练；利用仿真训练过程中的仿真数据Dmeta再次对仿真抓取任务元训练模型进行仿真训练，获得收敛的抓取模型；本发明提高了抓取模型的泛化性和迁移过程的样本效率，缩短了模型迁移时间，同时降低了机械臂在现实中训练的风险。
-
公开(公告)号：CN109859275B
公开(公告)日：2022-08-02
申请号：CN201910044816.7
申请日：2019-01-17
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于S‑R‑S结构的康复机械臂的单目视觉手眼标定方法，首先建立康复机械臂的运动学模型；然后标定相机的内参矩阵，利用圆弧轨迹分析法求出康复机械臂末端和基座各关节旋转轴在相机坐标系中坐标表示，进一步求得末端和基座坐标系与相机坐标系之间的转换矩阵，再利用靶标与相机坐标系间的转换矩阵求得末端与靶标之间的转换关系，同理求出基座与相机坐标系间的转换矩阵，实现手眼标定；根据标定得到的靶标与末端间的转换矩阵和基座与相机间的转换矩阵，以及康复机械臂转动后靶标与相机间的实时转换矩阵，可以求得末端坐标系与基座坐标系之间的转换矩阵，实现位姿测量；本发明简化了单目测量的系统结构，手眼标定和位姿测量可以同时测量。
-
公开(公告)号：CN110142764B
公开(公告)日：2021-11-09
申请号：CN201910401446.8
申请日：2019-05-15
Applicant: 南京邮电大学
IPC: B25J9/16
Abstract: 本发明揭示了一种基于遗传算法的力矩姿态无线传感器的数据融合处理系统及处理方法。系统包括：数据采集模块、下位机嵌入式模块以及上位机数据处理模块。方法包括：S1、建立耦合误差模型以及解耦函数，利用遗传算法和标定数据进行函数优化，获得电压与力/力矩的转化关系；S2、下位机嵌入式模块对于数据采集模块进行同步采样，并进行数据信息的整合与上传；S3、上位机数据处理模块结合算法解耦结果，对数据信息进行融合处理并显示数据处理结果。本发明在确保各传感器测量精度的前提下有效地提高了各传感器的采样速度，缩短了数据处理的整体时长、提升了效率。同时，本发明还避免了测量不同步而导致的计算误差，确保了计算结果的精度。
-
公开(公告)号：CN112643658A
公开(公告)日：2021-04-13
申请号：CN201910958229.9
申请日：2019-10-10
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于SIR降维DH模型的串联机器人自适应误差建模的标定方法，包括以下步骤：基于DH模型建立运动学模型；根据预构建的运动学模型建立运动学自适应误差模型；对运动学自适应误差模型的运动学参数进行标定。本发明可实现减少机械臂运动学自适应误差模型中需要辨识的参数个数，减少迭代次数，提高运算效率，实现在相邻关节不平行情况下串联机器人的运动学参数标定，提高机械臂的运动精度。降维DH运动学误差模型可减少模型中需要辨识的参数个数，减少迭代次数，简化计算，提高机器人的运动精度。
-
-
-
-
-
-
-
-
-
Search Results
62
records
(took 0.027 seconds)
