-
公开(公告)号：CN111915632B
公开(公告)日：2024-04-26
申请号：CN202010726969.2
申请日：2020-07-26
Applicant: 同济大学
IPC: G06T7/13 , G06T7/20 , G06T7/90 , G06T7/70 , G06T17/00 , G06V10/764 , G06V10/774 , G06T5/70
Abstract: 本发明涉及一种基于机器学习的贫纹理目标物体真值数据库构建方法，包括步骤1：获取贫纹理目标物体的图像数据集以及目标物体的三维模型；步骤2：提取图像数据集中各图像的图像边缘以及三维模型中的边缘光栅点；步骤3：计算图像数据集中各图像的DCM张量，并构建方向倒角距离误差函数；步骤4：获得粗分类初始位姿；步骤5：使用目标追踪子方法获得优化后的初始位姿；步骤6：使用优化后的初始位姿以及相机投影模型，使用目标追踪子方法获得图像数据集中各图像的优化位姿；步骤7：获取目标物体的真值；步骤8：使用目标物体的真值构建真值数据库。与现有技术相比，本发明具有精度高、速度快、目标物体数据更加全面以及目标数据库制作灵活等优点。
-
公开(公告)号：CN115633129B
公开(公告)日：2024-03-05
申请号：CN202211252929.4
申请日：2022-10-13
Applicant: 同济大学
IPC: H04N1/32 , H04L9/00 , G06N3/0464 , G06N3/08 , G06F21/60
Abstract: 本发明公开了一种堆栈式稀疏自编码器和GAN的混沌序列图像加密方法及装置，涉及图像加密技术领域。包括：获取待加密的原始图像；获取原始图像的混沌序列；将混沌序列输入到训练好的基于堆栈稀疏自编码器和生成对抗网络GAN的深度学习网络加密模型；根据混沌序列以及深度学习网络加密模型，得到待加密的原始图像的密文图像。本发明通过堆栈式稀疏自编码器学习图像中复杂的内在特征，堆栈式稀疏自编码不仅具有多层网络结构，而且具有稀疏编码器的约束能力，使得模型能够在复杂环境下学习更加有效的图像特征。堆栈稀疏自编码器和GAN生成对抗网络相结合的加密模型，能够消除混沌序列的周期性，进一步提高加密模型的安全性。
-
公开(公告)号：CN116958262A
公开(公告)日：2023-10-27
申请号：CN202310976771.3
申请日：2023-08-04
Applicant: 同济大学
IPC: G06T7/73 , G06T7/13 , G06N3/0455
Abstract: 本发明提供一种基于单张RGB图像的6dof物体位姿估计方法，属于计算机视觉和计算机图形学技术领域，包括对RGB图像的特征提取、三维点云重建和位姿估计三个步骤。特征提取通过搭建特征提取网络架构实现。三维点云重建是先根据物体具有的各种低层次(几何学、反射率)和高层次(连接性、对称性)的特性，得到物体的中间信息，再进一步生成物体的3D点云模型。位姿估计是使用一个异构网络分别处理RGB数据和点云数据，通过融合网络整合两种数据的特征，从而预测物体的位姿信息。本发明所提出的6dof物体位姿检测方法重点针对数据量小、RGBD数据格式不易获取、无物体3D模型等问题，能够保证目标物体位姿检测的准确性和可泛化性，可以有效应用于现实场景。
-
公开(公告)号：CN116958083A
公开(公告)日：2023-10-27
申请号：CN202310892337.7
申请日：2023-07-20
Applicant: 同济大学
IPC: G06T7/00 , G06V20/64 , G06V10/22 , G06V10/25 , G06V10/26 , G06V10/82 , G06V10/98 , H04N13/296 , H04N13/271
Abstract: 本发明涉及一种基于机器人自适应位姿调整的动车车底螺栓松动检测方法，包括：搭建数据集和螺栓目标检测模型，对数据集进行数据增强后用于模型训练；利用模型检测螺栓区域，获取螺栓点云；判断模型的置信度是否低于期望，若是则进行姿态调整，否则直接进行螺栓松动检测；姿态调整：根据螺栓点云提取基平面，并计算相机旋转矩阵、螺栓位置与原点之间的位移，并结合相机与机械臂之间的位姿变换关系，控制机械臂带动相机到达目标位姿，重新进行螺栓区域检测，直至置信度满足预设期望；螺栓松动检测：对螺栓点云进行分割和平面拟合，计算螺栓高度，根据高度判断螺栓是否松动。与现有技术相比，本发明具有检测精度高、自主适应位姿偏差等优点。
-
公开(公告)号：CN116756944A
公开(公告)日：2023-09-15
申请号：CN202310642530.5
申请日：2023-06-01
Applicant: 同济大学
Abstract: 本发明提供一种陆空协同感知的数字孪生精细建模方法，所述方法基于陆空协同无人系统以及数字孪生构建系统，包括：陆空协同无人系统在服务器的指引下实现协同引导功能和区域探索功能，协同完成对目标区域的感知任务，并将获取的感知信息传递至基于陆空协同无人系统的数字孪生构建系统；数字孪生构建系统与陆空协同无人系统双向交互，对获取的感知信息进行感知融合，并且通过盲区检测的方式寻找缺失信息，引导陆空协同无人系统对盲区的感知信息进行补充，实现对目标区域的精细数字孪生建模。本发明将陆空协同无人系统与数字孪生构建系统相结合，能够实现陆空协同感知并完成对应的数字孪生系统的精细建模。
-
Patent Agency Ranking
公开(公告)号：CN116704494A
公开(公告)日：2023-09-05
申请号：CN202310634699.6
申请日：2023-05-31
Applicant: 同济大学
Abstract: 本发明涉及一种基于视觉语义的孪生模型动态更新方法，包括：步骤S1：建立能够实现半自动更新的高保真结构模型库，模型为可能出现在真实环境中的物体的3D模型，并且对模型库定期完成半自动更新；步骤S2：实例分割，通过对于真实环境中视觉传感器得到的2D图像信息进行实例分割；步骤S3：将模型和实例建立联合嵌入空间，以训练好的模型进行匹配；步骤S4：物体坐标获取，通过视觉传感器得到的图像信息对真实环境中物体进行位姿估计，将坐标赋予步骤S2中各识别出的物体模型；步骤S5：判断物体位姿是否需要更新，并将更新后的模型与其即时位姿，在虚拟环境完成数字和现实世界的同步，本方法能够更好地完成真实环境与虚拟环境之间的一致性匹配。
-
公开(公告)号：CN116634368A
公开(公告)日：2023-08-22
申请号：CN202310694346.5
申请日：2023-06-12
Applicant: 同济大学
Abstract: 本发明提供一种传感器网络的节点故障控制方法及装置，在该方法中，包括：根据预设的子网划分条件，将传感器网络中处于运行状态的各个传感器节点分组至多个传感器子网络；获取对应各个传感器子网络的子网节点表；根据子网节点表，确定各个传感器子网络中对应相邻的传感器子网络的节点插补位置；在确定传感器网络存在节点故障的情况下，控制携带有应急传感器节点的移动机器人移动至节点插补位置，使得传感器网络基于应急传感器节点重新组网。由此，充分发挥移动机器人自主导航的优势，在移动机器人上安装传感器节点，实现传感器网络的自动故障应急插补。
-
公开(公告)号：CN116484619A
公开(公告)日：2023-07-25
申请号：CN202310457156.1
申请日：2023-04-25
Applicant: 同济大学
IPC: G06F30/20 , G06F18/25 , G06F111/04
Abstract: 本申请实施例涉及数字孪生技术领域，特别涉及一种面向人机环三元交互的数字孪生系统及其构建方法，该系统包括数字孪生空间模块、人机协同模块以及孪生协同模块；数字孪生空间模块包括机器人孪生模型、环境孪生模型、人类的数字孪生模型；孪生协同模块用于保证真实实体与孪生模型协同运动的一致性；人机协同模块用于使机器人准确识别人类的操作行为，以预测人类的动作意图；智能决策模型用于根据动作意图，在多约束下执行人机协同动作；机器人在协同任务的环境中执行任务时，顺应人类的预期需求，并满足环境的约束，实现人机环三元的交互。本申请以数字孪生体系为基础，在任务中实现迁移和强化，以提高数字孪生系统的鲁棒性和自适应能力。
-
公开(公告)号：CN116343522A
公开(公告)日：2023-06-27
申请号：CN202310130800.4
申请日：2023-02-17
Applicant: 同济大学
Abstract: 本发明涉及一种基于时空车辆重识别的智慧园区无人泊车方法，包括：获取目标车辆的图像关键帧信息，并进行车牌特征信息提取；基于路径规划算法为目标车辆推荐最优车位，并基于灯杆唯一点位构建路径，引导车辆停靠；基于图像关键帧信息和车牌特征信息，利用车辆重识别网络进行重识别关联处理，结合车辆外观特征、各灯杆地理标签和时间戳生成目标车辆行驶轨迹；基于轻量化关键点停车位检测算法对车位进行检测，结合灯杆与地锁对车辆与车位进行匹配判断，若匹配成功则进行车辆自主停靠以及停车是否规范的判断；当目标车辆驶出停车位时，统计车辆停靠时长并计算停车费用，实现无感支付。与现有技术相比，本发明具有车辆定位精度高、实用性强等优点。
-
公开(公告)号：CN116306947A
公开(公告)日：2023-06-23
申请号：CN202310090294.0
申请日：2023-02-09
Applicant: 同济大学
Abstract: 本发明提供一种基于蒙特卡洛树探索的多智能体决策方法，属于任务规划技术领域，包括1：基于分布式部分观测马尔可夫决策过程对多智能体决策任务进行建模；2：基于模型初始化蒙特卡洛树；3：在预设的时间内采用上限置信区间算法进行树内探索，采用随机策略对树外进行探索，拓展蒙特卡洛树节点，并根据产生的奖励更新蒙特卡洛树节点价值；4：根据已经构建的蒙特卡洛树进行多智能体决策，并对蒙特卡洛树进行剪枝，更新根节点的信念值，重复S3‑S4，直至任务完成。本发明中，采用在线探索方法，可以在有限的时间内取得Dec‑POMDP模型的近似解；对不同的智能体分别建立独立的蒙特卡洛树，降低了探索空间，加大了探索深度，提供了更好的求解质量。
-
-
-
-
-
-
-
-
-
Search Results
490
records
(took 0.071 seconds)
