-
公开(公告)号：CN110221614B
公开(公告)日：2021-06-01
申请号：CN201910513339.4
申请日：2019-06-14
Applicant: 福州大学
IPC: G05D1/02
Abstract: 本发明涉及一种基于快速探索随机树的多机器人地图探索方法，包括以下步骤：步骤1：利用基于RRT的边界检测器，包括全局边界检测器和局部边界检测器，检测边界点；步骤2：对得到的边界点进行滤波，即剔除已被探测过的边界点并将一些密集的边界点进行聚类，再将滤波后的边界点存入边界点列表中；步骤3：使用基于市场经济的多机器人任务分配策略，根据各个边界点和机器人的位置，通过对成本和收益的计算，将特定的边界点分配给利润最高的机器人，从而建立机器人的局部地图；步骤4：通过网络通信，共享并融合各个机器人所得到的地图信息从而得到最终的地图。本发明能够克服现有技术的不足，引导多机器人自主探索未知环境并建立环境地图。
-
公开(公告)号：CN112651969A
公开(公告)日：2021-04-13
申请号：CN202110169782.1
申请日：2021-02-08
Applicant: 福州大学
Abstract: 本发明涉及一种结合多信息融合网络和区域增长的气管树分级提取方法，其包括以下步骤：步骤S1：获取肺部的CT图像，并预处理；步骤S2:将预处理后的肺部的CT图像集进行分级，划分整体气管树和细小气管分支两个训练集；步骤S3:分别对整体气管树训练集和细小气管分支训练集进行采样，得到整体气管树训练子集和细小气管训练子集；步骤S4:构建多信息融合分割模型，并根据整体气管树训练子集训练；步骤S5:构建体素分类网络模型，并根据细小气管训练子集训练；步骤S6:将待分割图像数据依次输入训练后的多信息融合分割模型和训练后的体素分类网络模型，得到初步气管树；步骤S7:基于中心线的几何重建方法进处理初步气管树，得到最终的气管树。本发明有效提高分类的准确性。
-
公开(公告)号：CN109597418B
公开(公告)日：2021-03-02
申请号：CN201910038299.2
申请日：2019-02-27
Applicant: 福州大学
IPC: G05D1/02
Abstract: 本发明涉及一种基于独立虚拟中心点的机器人分散式协同避障方法，包括如下步骤：步骤1：获得机器人的当前位姿信息；步骤2：计算出每个机器人的虚拟中心点，虚拟中心点随机器人运动而运动；步骤3：根据每个机器人的当前位置与其目标点位置、其虚拟中心点的位置，得到机器人的目标矢量和排斥矢量；步骤4：定义一个切换信号判断机器人的运动模式为避障模式或者为无障碍模式；步骤5：利用矢量微分法得到机器人的期望速度与期望角度，根据控制法则得到机器人的实时速度和角速度，指导机器人运动。本发明采用绕虚拟中心点，垂直于排斥矢量方向旋转运动；机器人始终朝着目标矢量运动，从而引导机器人进行有序地避障。
-
公开(公告)号：CN112396656A
公开(公告)日：2021-02-23
申请号：CN202011329017.3
申请日：2020-11-24
Applicant: 福州大学
Abstract: 本发明涉及一种视觉与激光雷达融合的室外移动机器人位姿估计方法，包括以下步骤：步骤S1:获取点云数据及视觉图像数据；步骤S2:采用迭代拟合的算法对地面模型进行准确估计并提取地面点；步骤S3:对视觉图像下半区域提取ORB特征点，并根据地面点为视觉特征点估计深度；步骤S4:获取由点云的深度信息构成的深度图像；步骤S5:提取边缘特征、平面特征及地面特征；步骤S6:利用汉明距离及RANSAC算法对视觉特征进行匹配并采用迭代最近点法初步计算移动机器人的相对位姿；步骤S7:根据视觉得到的相对位姿、地面点云提供的点面约束、法向量约束和非地面点云提供的点线、点面约束，得到机器人的最终位姿。本发明实现移动机器人在室外环境中精度更高、鲁棒性更高的位姿估计。
-
公开(公告)号：CN112286202A
公开(公告)日：2021-01-29
申请号：CN202011251462.2
申请日：2020-11-11
Applicant: 福州大学
IPC: G05D1/02
Abstract: 本发明提出一种非均匀采样FMT*的移动机器人路径规划方法，包括如下步骤：步骤S1、地图初始化；步骤S2、建立广义Voronoi图，即GVG；步骤S3、寻找初始化路径并实现最优路径与初始路径同伦；步骤S4、安全隧道建立；步骤S5、非均匀采样；步骤S6、构造采样集合 、探索集合 、已探索集合 ；步骤S7、搜索采样集合 的节点，组成集合 ；步骤S8、探索 中点组成集合 ；步骤S9、计算所有点 到点 的代价，实现算法的渐进最优；步骤S10、判断 与 是否有障碍物并针对结果进行处理；步骤S11、将所需的Z从放入 ；步骤S12、若Z是是目标点则返回路径解，若否则返回步骤S7继续；步骤S13、机器人对可行路径解进行处理；本发明算法收敛速度快于FMT*，能快速得到最优解，在单查询规划中具有优势。
-
Patent Agency Ranking
公开(公告)号：CN111968441A
公开(公告)日：2020-11-20
申请号：CN202010863612.9
申请日：2020-08-25
Applicant: 福州大学
IPC: G09B9/00
Abstract: 本发明涉及一种虚拟颅脑辅助认知系统，包括脑认知学习模块、脑功能分区测试模块、虚拟手术实践模块和数据库；所述脑认知学习模块用于提供完整颅脑模型,用于进行颅脑认知性学习；所述脑功能分区测试模块，用于进行脑功能分区测试；所述虚拟手术实践模块，用于构建虚拟侧脑室穿刺手术室场景，提供病患的CT病例，用户可在该场景中使用穿刺针穿刺侧脑室。本发明提供一种虚拟颅脑辅助认知系统及方法，基于虚拟交互，能够有效的帮助学习颅脑相关知识，提高教学效率。
-
公开(公告)号：CN111650836A
公开(公告)日：2020-09-11
申请号：CN202010557868.7
申请日：2020-06-18
Applicant: 福州大学
IPC: G05B13/04
Abstract: 本发明涉及一种基于作业飞行机器人动态滑翔抓取物体的控制方法，包括以下步骤：步骤S1：考虑重心偏移，构建搭载机械臂的四旋翼无人机系统模型和二自由度机械手模型；步骤S2：通过对机械手与物体瞬时接触时的分析，计算出机械手末端受到的接触力和摩擦力；步骤S3：进行姿态解耦，解算出无人机按目标轨迹飞行所需的翻滚角 俯仰角θd和升力，并进行动力学模型整合；步骤S4：引入稳定的参考模型，计算系统的误差动态模型，在控制器中考虑飞行机器人的转动惯量为有界变量，设计鲁棒自适应控制器，解算出系统的升力和翻滚、俯仰、偏航的输入力矩；步骤S5：通过升力、翻滚力矩、俯仰力矩、偏航力矩解算出四个旋翼的转速。
-
公开(公告)号：CN111325203A
公开(公告)日：2020-06-23
申请号：CN202010069950.5
申请日：2020-01-21
Applicant: 福州大学
Abstract: 发明涉及一种基于图像校正的美式车牌识别方法及系统，文本检测、图像校正、文本识别、文本分类模块，包括以下步骤：对数据集的图像文件进行预处理，并进行数据增强，生成训练集和测试集；设计文本检测模块，对图像中的文本信息进行检测，实现对图像中的文本与背景分割，得到仅包含文本信息的文本图像；采用图像校正模块对文本图像进行校正，将原本扭曲或倾斜的文本图像转换到水平方向；对校正后的文本图像进行识别，得到文本图像内包含的字母、数字等信息；构建文本分类模块，从所有的文本信息中筛选出车牌号、洲名、年检日期，完成车牌识别。本发明解决了对美式车牌识别时存在背景图案复杂、目标文本图像变形模糊、文本信息复杂以及使用神经网络进行离线训练时计算量大的问题。
-
公开(公告)号：CN111185907A
公开(公告)日：2020-05-22
申请号：CN202010034948.4
申请日：2020-01-13
Applicant: 福州大学
Abstract: 本发明涉及一种作业型飞行机器人抓取后的位姿稳定控制方法，首先，利用牛顿-欧拉方程法对四旋翼无人机搭载机械臂系统建模；然后，在位置控制器中考虑重心偏移系统参数，在滑模控制中补偿重心偏移系统参数，使四旋翼无人机平台按目标轨迹飞行；接着，解算出四旋翼无人机平台按期望轨迹飞行所需的期望翻滚角、期望俯仰角和升力；在姿态控制器中考虑重心偏移控制参数和惯性张量不为常数，在姿态控制器中加入自适应去估计重心偏移控制参数和惯性张量，并加入CMAC神经网络在线逼近惯性张量的真实值，解算出所需的输入力矩，进而联立解算出四个旋翼的的转速。本发明能解决姿态控制律中时变参数未知以及姿态控制稳定不足和重心偏移对位置稳定不足问题。
-
公开(公告)号：CN111015673A
公开(公告)日：2020-04-17
申请号：CN202010000903.5
申请日：2020-01-02
Applicant: 福州大学
Abstract: 本发明涉及一种作业型飞行机器人的四自由度机械臂遥操作系统及方法，包括飞行机器人和控制终端；所述飞行机器人包括四旋翼无人机、从端控制单元、RealSense深度相机和四自由度机械臂；所述四自由度机械臂接于四旋翼无人机底部；所RealSense深度相机设置于四旋翼无人机底部前端。本发明通过传输双向信息反馈实现功能，可对于某些复杂且人不能或者不易到达的环境实时远距离作业，同时，机械臂可离线工作实时完成指令任务。
-
-
-
-
-
-
-
-
-
Search Results
272
records
(took 0.026 seconds)
