-
公开(公告)号：CN114842337A
公开(公告)日：2022-08-02
申请号：CN202210452246.7
申请日：2022-04-27
Applicant: 大连理工大学
IPC: G06V20/10 , G06V10/25 , G06V10/34 , G06V10/762
Abstract: 本发明提出基于深度学习与多维信息融合聚类的果实采摘点识别方法。首先Yolo算法识别目标采摘果实，并确定目标采摘果实的采摘点感兴趣区。然后对感兴趣区的深度图像进行孔洞填充和空间边缘保留滤波处理，选取预处理后的深度信息以及筛选后的彩色图像颜色分量，自适应融合组成多个维度的数据样本。使用上述数据样本对采摘点感兴趣区进行基于K‑means的聚类，最后经过形态学处理中的去除小面积连通区域、开运算、图像细化，实现了对果梗的准确识别，并根据果梗信息定位果实采摘点。通过采用以上多种方法联合识别，提高了算法的准确率和鲁棒性，为农业采摘机器人提供了可靠的采摘点位置信息。
-
公开(公告)号：CN111190420B
公开(公告)日：2021-11-12
申请号：CN202010012919.8
申请日：2020-01-07
Applicant: 大连理工大学
IPC: G05D1/02
Abstract: 本发明属于机器人技术和安防技术领域，一种多移动机器人在安防领域中协作搜索与围捕方法，包括以下步骤：(1)移动机器人平台的搭建，(2)移动机器人通信网络的构建，(3)后台监控系统界面的设计，(4)目标物体的检测，(5)移动机器人在工作区域巡检，(6)目标物体的跟踪，(7)多移动机器人编队控制。本发明提供的方法可以将移动机器人应用于安防领域，对于移动机器人在安防领域中的入侵报警、闭路监控、巡查等方面具有一定的指导意义，克服了移动机器人应用欠缺，智能化程度和无人化程度不高的问题。
-
公开(公告)号：CN112369208B
公开(公告)日：2021-07-13
申请号：CN202011380345.6
申请日：2020-12-01
Applicant: 大连理工大学
IPC: A01D46/30
Abstract: 本发明公开了一种类球形果实的采摘顺序动态规划方法，设计了将感知点与采摘点一起进行规划的动态收获感知方法。机械臂每次采摘或感知完成后经过判断进行权值更新，添加了果实深度信息的权值更新规则。本发明所提出的动态收获感知采摘顺序规划方法在动态规划方法的基础上将采摘的感知点与采摘点相结合，与传统的基于经验的采摘顺序规划方法、全局感知方法和批量感知等方法相比，所规划的采摘顺序不仅采摘路径短，且实时性强，提高了采摘机器人的采摘效率和采摘成功率。对所设计的动态收获感知采摘顺序规划方法进行了改进，加入了基于三维空间的前后果实采摘顺序规划，避免了因采摘顺序导致的果实破坏，降低了果实采摘破坏率。
-
公开(公告)号：CN113074737A
公开(公告)日：2021-07-06
申请号：CN202110318776.8
申请日：2021-03-25
Applicant: 大连理工大学
Abstract: 本发明属于机器人技术领域，一种基于场景辨识的多机器人分布式协作视觉建图方法，包括以下步骤：(1)每个机器人进行单机器人视觉建图，(2)相似场景辨识，(3)相似场景投票，(4)点云配准，(5)得到当前时刻的全局点云地图。本发明利用的是视觉传感器，与激光雷达传感器相比，具有成本低的优点。另外，机器人与邻居机器人通信的内容和通信方式实现了，在三个及三个以上机器人时，不需要保证每个机器人的运动区域都有重叠区域，只需要保证机器人与邻居机器人的运动区域有重叠的前提，就可以让每个机器人都得到全局点云地图。
-
公开(公告)号：CN108831556B
公开(公告)日：2021-06-18
申请号：CN201810656262.1
申请日：2018-06-24
Applicant: 大连理工大学
Abstract: 本发明涉及机器学习技术领域，一种连续性肾脏替代治疗过程中肝素剂量的预测方法，包括以下步骤：(1)安装相关软件及库，(2)分析和了解由医院收集的数据集的相关信息，(3)数据预处理，(4)特征提取，(5)划分训练集和测试集及不平衡数据的处理，(6)模型预测及评估，(7)预测值的异常值处理。本发明使用梯度提升回归模型等机器学习算法预测CRRT过程中肝素剂量，能够根据训练出的模型，再经过对预测值的进一步处理，可以在CRRT过程中，给出合理可靠的肝素剂量参考值，辅助医生工作，提高手术质量，经济可靠。
-
Patent Agency Ranking
公开(公告)号：CN109962909B
公开(公告)日：2021-05-14
申请号：CN201910088370.8
申请日：2019-01-30
Applicant: 大连理工大学
Abstract: 本发明属于网络安全技术领域，一种基于机器学习的网络入侵异常检测方法，包括以下步骤：(1)对数据特征属性进行分类，(2)将数据集中的目标属性按照传统的网络入侵类别进行映射，(3)对数据中的样本特征进行降维，(4)采用处理后的数据集来训练针对网络请求的多分类模型，(5)使用测试集数据对训练后的分类模型进行评估。本发明的一种基于机器学习的网络入侵异常检测方法，配合特征处理和归一化技术对数据进行预处理，构建了SVM模型实现对网络异常攻击的高效检测，解决了传统的基于规则的检测方法所面临的维护成本高、需要实时更新过滤规则的问题。
-
公开(公告)号：CN107121131A
公开(公告)日：2017-09-01
申请号：CN201710219009.5
申请日：2017-04-06
Applicant: 大连理工大学
Abstract: 本发明涉及计算机视觉技术领域，一种双目摄像头水平相对位姿识别方法，包括以下步骤：(1)安装识别物与双目摄像头，(2)采集识别物的双目图像，(3)构建平面坐标系，(4)获取识别物在双目摄像头图像中的夹角信息，(5)计算识别物边缘与摄像头光心的距离，(6)计算识别物相对双目摄像头的水平偏角信息。本发明使用计算机视觉识别姿态，设备成本低，不必局限在固定的场景中，系统在机器人位置移动时仍然有效。另外，本发明方法可行简单，复杂程度低。
-
公开(公告)号：CN118859702A
公开(公告)日：2024-10-29
申请号：CN202410824802.8
申请日：2024-06-25
Applicant: 大连理工大学
IPC: G05B13/04
Abstract: 一种变预测视界的切换系统模型预测控制方法，首先建立了模态依赖的切换MPC优化问题；然后根据预测视界值确定出最小可行MDT的计算方法；最后针对可行域内的所有状态，提出了一种在MDT条件下计算可行且稳定的最小预测视界算法。本发明显著降低了传统方法在求解MDT时的保守性，确保了在任意切换时刻，系统状态能够可靠地进入目标子系统可行域的交集。在调整预测视界时，能够有效扩展各子系统的可行域，从而减小了满足MDT条件的最小可行预测视界，进一步降低了MDT的求解值。通过引入变预测视界机制，本发明的切换MPC策略在不改变算法可行域的前提下，实现了在求解MDT小于实际MDT条件时的递归可行性与闭环稳定性。
-
公开(公告)号：CN114842337B
公开(公告)日：2024-08-23
申请号：CN202210452246.7
申请日：2022-04-27
Applicant: 大连理工大学
IPC: G06V20/10 , G06V10/25 , G06V10/34 , G06V10/762
Abstract: 本发明提出基于深度学习与多维信息融合聚类的果实采摘点识别方法。首先Yolo算法识别目标采摘果实，并确定目标采摘果实的采摘点感兴趣区。然后对感兴趣区的深度图像进行孔洞填充和空间边缘保留滤波处理，选取预处理后的深度信息以及筛选后的彩色图像颜色分量，自适应融合组成多个维度的数据样本。使用上述数据样本对采摘点感兴趣区进行基于K‑means的聚类，最后经过形态学处理中的去除小面积连通区域、开运算、图像细化，实现了对果梗的准确识别，并根据果梗信息定位果实采摘点。通过采用以上多种方法联合识别，提高了算法的准确率和鲁棒性，为农业采摘机器人提供了可靠的采摘点位置信息。
-
公开(公告)号：CN115560773A
公开(公告)日：2023-01-03
申请号：CN202211256668.3
申请日：2022-10-14
Applicant: 大连理工大学
IPC: G01C21/34
Abstract: 本发明涉及一种两阶段多机器人路径规划方法，采用全局路径规划和在线运动协同规划两阶段相结合的方法，解决结构化密集型单道双通运行环境中的多机器人路径规划问题。从冲突消解方式的角度将路径冲突分为全局冲突和局部冲突。全局路径规划阶段使用改进基于冲突搜索算法消解全局路径冲突，为多机器人规划出无全局冲突的最优全局路径，同时大幅度降低了算法的计算量需求。在线运动协同规划阶段采用速度障碍法，通过运动协同规划调整机器人的实时运行速度，在保证全局路径最优的前提下在线检测和消解局部冲突。本发明能够实现多机器人路径规划问题的全局路径最优并为多机器人提供实时检测与消解冲突的能力，降低算法计算量，提高多机器人路径规划的性能与效率。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.021 seconds)
