公开(公告)号：CN116992499A

公开(公告)日：2023-11-03

申请号：CN202311006566.0

申请日：2023-08-11

Applicant: 安徽大学

Inventor： 张慧珊 ,  闫子豪 ,  吴新雅 ,  王均宜 ,  张安琪 ,  李相辉 ,  贺建伟 ,  徐凯 ,  关宇欣 ,  董泓宇 ,  姚亮 ,  郭小辉 ,  李迎松

IPC: G06F21/73 ,  G06F21/75 ,  H04L9/32

Abstract: 本发明涉及一种基于FPGA的轻量级M_SR PUF电路，包括第一M_NAND延时门、第二M_NAND延时门、第一锁存器和第二锁存器，第一锁存器的输出端分别与第一M_NAND延时门的第一信号输入端、第二M_NAND延时门的第一信号输入端相连，第一M_NAND延时门的输出端分别与第二M_NAND延时门的第二信号输入端、第二锁存器的输入端相连，第二M_NAND延时门的输出端与第一M_NAND延时门的第二信号输入端相连，第二锁存器的输出端输出RES信号。本发明还公开了一种基于FPGA的轻量级M_SR PUF电路的评估系统。本发明中的MUX单元结构一致且位置固定，保证了延迟单元的公平性；达到了可观的输出响应质量指标，例如唯一性和稳定性；所提出的PUF电路面积消耗低，是目前轻量级物联网认证系统的良好候选者。

公开(公告)号：CN119107582A

公开(公告)日：2024-12-10

申请号：CN202411193554.8

申请日：2024-08-28

Applicant: 安徽大学

Inventor： 文梦阳 ,  范旭昊 ,  涂铮铮 ,  贺建伟 ,  王更斌 ,  翁语嫣 ,  程烨

IPC: G06V20/40 ,  G06V10/25 ,  G06V10/30 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82

Abstract: 一种基于YOLOv8和DeepSORT算法的安全预警方法，属于安全预警技术领域，为了解决目标检测跟踪算法的性能和准确性显著下降，无法同时捕捉多个目标，特别是目标消失的情况下，难以进行重复捕捉的问题，发明包括数据采集模块、数据处理模块、目标检测模块、目标跟踪模块、行为分析模块、预警机制。本发明通过使用YOLOv8目标检测算法以提高检测精度，使该系统拥有高检测速度与精度，使用DeepSORT作为目标跟踪算法，使系统具有强大的跟踪性能，实现多目标跟踪和充实别能力。

公开(公告)号：CN117671207A

公开(公告)日：2024-03-08

申请号：CN202311441003.4

申请日：2023-11-01

Applicant: 安徽大学 ,  合肥锐航小库智能科技有限公司

Inventor： 杨建文 ,  万秭濛 ,  段章领 ,  贺建伟 ,  范旭昊 ,  宋乐怡 ,  高刘轩祺

IPC: G06T19/00 ,  G01C21/00 ,  G01C21/20 ,  G06T17/05 ,  G06V20/40 ,  G06V20/64 ,  G06V10/82 ,  G06V10/75 ,  G06T7/246 ,  G06T7/73 ,  G06N3/044 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/0985

Abstract: 本发明基于一种具有识别建图、路径规划与纠偏功能的导航渲染模型。具体步骤如下：根据定位位置和预先采集的图像，利用神经辐射场NeRF及Nice‑SLAM进行三位渲染重建实现室内精准定位；用YOLOv8n+DeepSORT算法实现视频目标识别，关联跟踪，实现纠偏校正；视频理解对地图添加语义信息，实现语义地图，将所有规划结果渲染在3D导航界面；利用融合深度神经网络和强化学习方法的基于改进DQN算法选出最优路径。该系统整合了感知、定位、数据更新和路径规划方法，以提供更精确、实时和可适应性的导航体验，旨在改善室内导航系统的性能，使其更适合广泛的应用领域，为用户提供更好的室内导航解决方案。

公开(公告)号：CN117621145A

公开(公告)日：2024-03-01

申请号：CN202311636919.5

申请日：2023-12-01

Applicant: 安徽大学

Inventor： 高刘轩祺 ,  贺建伟 ,  闫子豪 ,  孟子杨

IPC: B25J19/02 ,  G01N3/40 ,  G06F18/241 ,  G06F18/23213 ,  G06N3/0464 ,  G06F18/2135 ,  B25J11/00

Abstract: 本发明公开了一种基于FPGA的水果成熟度检测柔性机械臂系统，包括柔性触觉感知机械臂模块、数据预处理模块、基于FPGA的水果成熟度检测分类模块；柔性触觉感知机械臂模块包含六自由度协同机械臂模块、柔性夹持器模块、控制中心模块和柔性触觉传感单元模块；控制中心模块包含控制单元和监视单元；数据预处理模块包含主成分分析模块和K‑Means聚类算法模块；基于FPGA的水果成熟度检测分类模块主要包含片上缓存模块、DMA模块、ResNet10模型加速器模块、DDR外部存储模块、AXI总线模块、ARM处理器模块；ResNet10加速器模块包含卷积层、池化层、批量归一化层、残差网络模型层和Dropout层。本发明具有高效率、高精度、低功耗等优点，与机器视觉和人工分级相比，更适合应用于水果分级线。

公开(公告)号：CN117292153A

公开(公告)日：2023-12-26

申请号：CN202311233168.2

申请日：2023-09-22

Applicant: 安徽大学

Inventor： 张鲁川 ,  段章领 ,  杨建文 ,  宋乐怡 ,  高刘轩祺 ,  贺建伟 ,  万秭濛

IPC: G06V10/62 ,  G06V10/25 ,  G06V10/40 ,  G06V10/762 ,  G06V10/82 ,  G06N3/044

Abstract: 本发明公开了一种融合深度神经网络去除纯动态特征点的SLAM方法，步骤一：使用RGB‑D相机进行RGB图像和深度图像的采集并输入到系统中；步骤二：通过三角测量原理计算出每个像素点对应的三维空间坐标；步骤三：采用两种不同的策略来对高动态特征点进行剔除；步骤四：通过初始相机姿态将上一帧的三维特征点重投影到当前帧并计算重投影偏移向量；步骤五：将当前帧的3D特征点通过SOM‑K‑means算法分成k个簇；步骤六：对于每个聚类通过计算并确定每个簇的类型，根据判定结果将动态簇中的所有特征点进行去除。步骤七：将剩余静态特征点嵌入到SLAM系统中进行跟踪和建图，本发明涉及动态环境中同步定位与建图领域，具体为一种融合深度神经网络去除纯动态特征点的SLAM方法。