一种基于轻量化网络的目标识别方法、系统及扫地机器人

    公开(公告)号:CN116188849B

    公开(公告)日:2024-12-27

    申请号:CN202310052292.2

    申请日:2023-02-02

    Applicant: 苏州大学

    Abstract: 本发明提供一种基于轻量化网络的目标识别方法、系统及扫地机器人,方法包括:采集室内实际环境下不同物体的图片数据集,对图片进行标定,并将数据集划分为训练集、验证集以及测试集;基于YOLOv4‑tiny网络结构,建立包含特征提取主干网络、混合通道注意力机制模块和解耦头模块的轻量化网络模型;利用训练集和验证集对所述轻量化网络模型进行训练,保存损失函数收敛时的模型权重;加载保存的模型权重,利用训练后的轻量化网络模型对室内物体进行识别;根据识别结果对扫地机器人的运动路径进行规划。本发明训练出了泛化能力更强,识别精度更高的轻量化网络模型,提高了对小物体的检测精度,在大幅提升检测精度的同时保证了较高的实时性。

    一种YOLO_SR系统、用于扫地机器人的目标检测方法及装置

    公开(公告)号:CN116012601B

    公开(公告)日:2024-09-20

    申请号:CN202310055827.1

    申请日:2023-01-16

    Applicant: 苏州大学

    Abstract: 本发明涉及一种YOLO_SR系统、用于扫地机器人的目标检测方法及装置,方法包括:步骤S1:获取扫地机器人实时捕捉的图像;步骤S2:将所述图像输入构建的YOLO_SR系统,通过所述YOLO_SR系统识别出图像中的各类目标障碍,以使扫地机器人规避各类目标障碍。本发明通过对YOLO_SR系统进行改进,不仅提高了扫地机器人的特征提取能力,还能提高多尺度目标物体的检测能力,实验证明本发明将YOLO_SR系统应用于扫地机器人上避障效果较好且通用性较强。

    一种仿甲虫可折叠扑翼飞行机器人

    公开(公告)号:CN118025513A

    公开(公告)日:2024-05-14

    申请号:CN202410290949.3

    申请日:2024-03-14

    Applicant: 苏州大学

    Abstract: 本申请公开了一种仿甲虫可折叠扑翼飞行机器人,包括机身、尾翼、扑翼驱动装置以及分别位于机身两侧的两组机翼机构,尾翼设置于机身的一端,扑翼驱动装置设置于机身的另一端,且两组机翼机构分别与扑翼驱动装置相连,扑翼驱动装置用于驱动两组机翼机构进行扑翼运动,带动仿甲虫可折叠扑翼飞行机器人飞行;每组机翼机构的第一舵机与扑翼驱动装置固定连接,第一摆杆的第一端与第一舵机的转动轴固定连接,第二舵机设置于第一摆杆的中部,第二舵机的摇臂通过连接轴与第二摆杆的第一端固定连接,第二摆杆的第二端通过第一转动轴与机翼架转动连接,第三摆杆的两端分别与第一摆杆的第二端、机翼架转动连接,且第二摆杆与第三摆杆平行设置。

    一种环境探索方法、装置及应用

    公开(公告)号:CN115469662B

    公开(公告)日:2023-07-07

    申请号:CN202211110233.8

    申请日:2022-09-13

    Applicant: 苏州大学

    Abstract: 本发明涉及一种环境探索方法,包括获取环境信息、生成广义维诺图并构建GVD节点集;从GVD节点集中选取节点构建启发式边界点集并融合,剔除冗余节点,生成融合后的启发式边界点集;融合GVD节点集,剔除冗余节点,构建GVD特征节点集;将GVD特征节点集、融合后的启发式边界点集与机器人当前位姿求并集,得到GVD特征节点全集;在GVD特征节点全集中任选两特征节点进行碰撞检测,得到带有边信息的特征矩阵;根据信息增益与特征矩阵计算融合后的边界点集中各节点的收益函数值;根据收益函数值选取目标节点,向目标节点导航,更新地图数据;重复探索,直至整个环境探索完成。通过融合边界点,剔除冗余节点,减少了机器人边界决策时的计算消耗,减少了回溯,提高了探索效率。

    基于生成对抗网络的人机共融移动机器人路径规划方法

    公开(公告)号:CN115309164B

    公开(公告)日:2023-06-27

    申请号:CN202211034628.4

    申请日:2022-08-26

    Applicant: 苏州大学

    Abstract: 本发明涉及一种基于生成对抗网络的人机共融移动机器人路径规划方法,包括S1:初始化行人避障区域;S2:机器人向终点导航;S3:判断机器人是否到达终点,若到达,则结束,若未到达,则执行S4;S4:对行人进行检测;S5:判断行人是否在避障区域内,若是,则执行S6,若否,则返回S2;S6:生成临时终点;S7:生成避障点;S8:机器人向避障点导航;S9:判断机器人是否到达终点,若到达,则结束,若未到达,则执行S10;S10:判断机器人是否到达避障点,若到达,则执行S2,若未到达,则执行S8。本发明综合考虑行人的信息生成避障点,引导机器人规划出一条连续、自然、安全且满足行人舒适度的路径。

    融合路径信息丰富度的移动机器人自主探索方法

    公开(公告)号:CN112327852B

    公开(公告)日:2022-12-27

    申请号:CN202011240856.8

    申请日:2020-11-09

    Applicant: 苏州大学

    Abstract: 本发明公开了融合路径信息丰富度的移动机器人自主探索方法,包括:机器人获取感知范围内的环境信息,将环境由未知状态变为已知状态;在已知状态的空闲区域内生成快速搜索随机树,采用聚类算法对快速搜索随机树的边界点进行聚类得到质心点,同时检测边界点的栅格状态并剔除无效点;结合信息增益、路径成本、路径信息丰富度和边界点信息丰富度构建收益函数,计算收益函数在每个质心点的收益值;选择收益值最大的质心点作为目标点,引导机器人向目标点移动;重复以上步骤直至探索完整个环境得到栅格地图。本发明在构建收益函数时加入路径信息丰富度和边界点信息丰富度,丰富边界点选取过程的考量因素,减少机器人的感知不确定性,提升探索效率。

    面向人机自然交互的移动机器人自主导航方法及系统

    公开(公告)号:CN113485382B

    公开(公告)日:2022-07-12

    申请号:CN202110990651.X

    申请日:2021-08-26

    Applicant: 苏州大学

    Abstract: 本发明涉及一种面向人机自然交互的移动机器人自主导航方法及系统,包括以下步骤:控制机器人在未知环境中走动,为未知环境建图;获得指令地标序列和指令时序词序列;将指令地标序列中的地标和指令时序词序列中的时序词配对;计算指令时序词序列中的每一个时序词的权重,并将时序词按照其权重进行重新排序,获得新的指令时序词序列;将指令地标序列中的地标根据地标与时序词的配对关系以新的指令时序词序列为准重新排序,获得导航地标序列;根据导航地标序列生成机器人导航目标点序列,并按照机器人导航目标点序列依次导航。其能够实现自然语言指令下的机器人导航任务,无需任何语料库或标注数据集,能够降低成本,灵活性高。

    基于多模态信息特征树的机器人实时运动规划方法

    公开(公告)号:CN112428271B

    公开(公告)日:2022-07-12

    申请号:CN202011262159.2

    申请日:2020-11-12

    Applicant: 苏州大学

    Abstract: 本发明公开了一种基于多模态信息特征树的机器人实时运动规划方法,包括获取环境地图,实时提取机器人的位姿信息,判断特征点对该环境地图的表征度是否已经完备,如果还未完备则使用角速度和距离融合对机器人的节点位姿进行特征初步提取,直到特征点的表征度完备获得最优特征点,得到最终特征点集,更新特征地图;如果已经完备则使用欧式距离对环境地图更新,得到特征地图;然后根据特征点集得到特征矩阵,根据起点、终点以及特征矩阵生成特征点的多模态信息特征树,得到启发式路径。本发明通过构建多模态信息特征树和实时提取特征点的方式快速找出可行区域的候选节点来优化基于随机采样的路径规划,解决陷阱空间、提高移动机器人的智能化。

    一种基于扩展维诺图特征的可复用搜索树方法

    公开(公告)号:CN111504321B

    公开(公告)日:2022-03-18

    申请号:CN202010277152.1

    申请日:2020-04-10

    Applicant: 苏州大学

    Abstract: 本发明公开了一种基于扩展维诺图特征的可复用搜索树方法,包括以下步骤:S1:提取环境地图的扩展维诺图;S2:使用尺度滤波器对扩展维诺图进行特征初步提取,获得初始特征GPF;S3:使用环境结构滤波器对初始特征GPF进行进一步提取,获得最终特征GAF;S4:使用欧氏距离细化特征地图MF,完成扩展维诺图的特征提取;S5:根据起点、终点及细化后的特征地图MF形成扩展维诺图的特征搜索树,输出路径;其优点在于,在路径规划的搜索过程中,仅需遍历GVD特征节点,而不是遍历所有的地图栅格点,大大降低了遍历的复杂度,保证了路径规划的实时性。

    一种面向机械臂抓取的自然语言指令消歧方法及系统

    公开(公告)号:CN113742458A

    公开(公告)日:2021-12-03

    申请号:CN202111101881.2

    申请日:2021-09-18

    Applicant: 苏州大学

    Abstract: 本发明公开了一种面向机械臂抓取的自然语言指令消歧方法及系统,包括以下步骤:标定物体抓取区域和释放区域的各点位置坐标;通过词预测模型训练生成词向量模型;对输入句子进行处理,基于词向量模型生成相应的句向量;通过损失函数计算两个句向量之间的相似度,初步判别两个句子之间语义的一致性;对句子提取有用词,并根据时间状语优先级重新排序,获得规定的句子时序逻辑形式;根据得到的句子时序逻辑形式,判别句子之间语义的一致性;通过堆栈确定句子时序逻辑中的指定物体;结合方位词和位置坐标,机械臂对指定物体进行抓取和摆放。本发明实现自然语言指令之间语义的一致性判别,进一步指导机械臂完成抓取任务。

Patent Agency Ranking