一种多特征语义原语6D姿态估计与抓取异常监测方法

    公开(公告)号:CN116385973A

    公开(公告)日:2023-07-04

    申请号:CN202310386176.4

    申请日:2023-04-12

    Abstract: 本发明提出一种多特征语义原语6D姿态估计与抓取异常监测方法,首先,本发明设计了一个全新的图像‑点云协同的多特征语义分割网络,该网络分别提取物体纹理等信息和每个像素的类别概率以及点云特征,然后通过像素‑点协同融合从而有效地提升分割的精度和速度。然后,本发明提出了一种全新的原语特征提取模块,提取的特征保证了旋转、平移和尺度不变特性,相比传统描述符具有更高的鲁棒性和更强的特征表达能力,并且相比其他深度学习网络更加高效且轻量。最后,本发明还将基于多特征语义原语6D姿态估计与机器人抓取异常监测结合,有效地提高机器人抓取异常检测的精度和灵敏度。

    一种轮式移动机器人的地面应力分布测量系统及方法

    公开(公告)号:CN109583106B

    公开(公告)日:2023-04-07

    申请号:CN201811480096.0

    申请日:2018-12-05

    Abstract: 本发明公开一种轮式移动机器人的地面应力分布测量系统及方法,主要包含一个三维力传感器、一组连接法兰、一个接触部件及配套夹具构成的内嵌式地面应力测量系统,采用如下方式:首先,利用地面应力测量系统测量车轮圆周方向上的一维正应力分布;叠加10个在车轮宽度方向的一维正应力分布,获得二维的正应力分布;建立基于高阶多项式回归的正应力分布模型,画出完整的二维应力分布情况。本发明提供的应力分布测量系统及方法,设备简单、方法有效,能准确获取客观、合理的车轮‑地面应力分布规律,为分析移动机器人的轮‑地相互作用、轮式机构的运动学特征、动力性和地面通过能力等提供了一种重要手段。

    一种基于图神经网络的分层融合式预测方法

    公开(公告)号:CN115457081A

    公开(公告)日:2022-12-09

    申请号:CN202211061521.9

    申请日:2022-08-31

    Abstract: 本发明公开了一种基于图神经网络的分层融合式预测模型,包括:上层图神经网络:用于学习多个行人之间的空间交互;中层图神经网络:用于学习行人自身的终点意图;下层图神经网络:将上层图神经网络获得的行人之间的空间交互、中层图神经网络获得的行人自身的终点意图和行人的历史轨迹相结合,通过时间卷积网络TCN预测未来轨迹。本发明还公开了一种基于图神经网络的分层融合式预测方法。本发明充分考虑了内在因素和外在因素对行人未来轨迹的影响,用于在每个时间步模拟整个行人场景之间的空间和时间交互,并预测多个未来轨迹,通过这种方法使得轨迹预测精度得到提高。

    一种用于轮式移动机器人的室外地形分类方法

    公开(公告)号:CN111598142A

    公开(公告)日:2020-08-28

    申请号:CN202010339296.5

    申请日:2020-04-26

    Abstract: 本发明公开一种用于轮式移动机器人的室外地形分类方法,包括如下步骤:采集移动机器人在不同地形上运动时的动态车轮力信号;采用自回归滑动平均模型将车轮力信号进行时间序列建模;对该时间序列模型进行特征参数的提取,整理得到特征矩阵;将特征矩阵作为输入,地面类型作为标签,对该数据集进行归一化处理,并送入人工神经网络模型进行训练,得到地形分类器;将该分类器写入机器人主控制程序,当机器人在未知地面上行驶时,能够实现移动机器人当前或近邻地形的识别。本发明通过移动机器人的“力觉”感知到当前或邻近区域行驶时的地面信息,并对其分类,使其能够采取与地形相适应的的行驶风格,识别准确率得以提高。

    一种基于LSTM网络的移动机器人软地面通过性预测方法

    公开(公告)号:CN109583571A

    公开(公告)日:2019-04-05

    申请号:CN201811480067.4

    申请日:2018-12-05

    Abstract: 本发明公开一种基于LSTM网络的移动机器人软地面通过性预测方法,包括如下步骤:1、实时测量和记录移动机器人的三种通过性指示数据,包括牵引系数、驱动效率、纵向速度,作为模型的输入数据;同时,人为观测的当前工况下的地面可通过度情况,作为输入数据的标签;2、基于LSTM单元构建面向移动机器人的软地面通过性预测模型,并将前一步骤的大量带标签数据送入此模型进行训练;3、调整步骤2中的模型参数并多次训练,直至得到稳定收敛的通过性预测模型。通过上述方式,所建立的模型能够将当前工况下新输入的三个指标进行融合、特征提取,并给出相应的可通过性程度预测值,从而判断松软地面是否发生运动受阻的情况。

    一种轮式移动机器人的地面应力分布测量系统及方法

    公开(公告)号:CN109583106A

    公开(公告)日:2019-04-05

    申请号:CN201811480096.0

    申请日:2018-12-05

    Abstract: 本发明公开一种轮式移动机器人的地面应力分布测量系统及方法,主要包含一个三维力传感器、一组连接法兰、一个接触部件及配套夹具构成的内嵌式地面应力测量系统,采用如下方式:首先,利用地面应力测量系统测量车轮圆周方向上的一维正应力分布;叠加10个在车轮宽度方向的一维正应力分布,获得二维的正应力分布;建立基于高阶多项式回归的正应力分布模型,画出完整的二维应力分布情况。本发明提供的应力分布测量系统及方法,设备简单、方法有效,能准确获取客观、合理的车轮-地面应力分布规律,为分析移动机器人的轮-地相互作用、轮式机构的运动学特征、动力性和地面通过能力等提供了一种重要手段。

    一种适用于移动机器人平台的人体动作检测方法

    公开(公告)号:CN113283381B

    公开(公告)日:2024-04-05

    申请号:CN202110659014.4

    申请日:2021-06-15

    Abstract: 本发明提供了一种适用于移动机器人平台的人体动作检测方法,包括如下步骤:步骤一,获取特征量:对输入的视频进行剪辑,采用人物检测器和主干网络分别从关键帧中提取出N个目标人物特征A1,A2,…,AN∈RC和一组背景环境特征映射X∈RC×H×W,其中,C代表通道,H代表高度,W代表宽度;R代表数域。本发明以目标人物‑背景环境‑目标人物关系(OCOR)的形式对高阶交互关系进行建模,推导出多个目标人物和背景环境之间的间接关系,进而更为准确高效的实现动作定位,整个设计简单灵活,充分利用了背景环境和其他对象的信息,能够有效提高目标动作检测的准确率。

    一种基于图文融合对比学习预测方法

    公开(公告)号:CN117611576A

    公开(公告)日:2024-02-27

    申请号:CN202311769202.8

    申请日:2023-12-21

    Abstract: 本发明涉及图像处理技术领域,公开了一种基于图文融合对比学习预测方法,包括以下步骤:为工业零件图像数据配对相关类别标签的文本嵌入,并进行预处理;构建图文融合对比学习模型,并通过引入基于图像实例的属性权重机制来区分缺陷种类,采用按通道条件提示模块进行特征拆分和信息提取,同时利用训练集对模型进行训练;调整模型参数进行多次训练,并进行测试及性能评估;利用图文融合对比学习模型进行预测得到工业零件的缺陷信息。本发明具有较好的预测性能,能够以较小的误差来预测出工业零件是否有缺陷,能够生成更加解释性强的注意力图,可以更准确地对零件进行分类和缺陷预测。

Patent Agency Ranking