基于视觉辅助的地面广告清除机器人控制系统及控制设备

    公开(公告)号:CN101864745B

    公开(公告)日:2014-06-25

    申请号:CN201010158888.3

    申请日:2010-04-29

    Abstract: 基于视觉辅助的地面广告清除机器人控制系统及控制设备。国外在清除地面广告的技术方法上,主要是应用高压水来解决。通过高压泵产生的强大的水压力冲刷小广告的表面来清除广告。本发明由主控模块发出指令直接控制图像控制模块,由图像控制模块发出信号应用到单目摄像头对要清除的地面进行图像采集和处理,处理后的数据信息反馈给电机控制模块和舵机控制模块进行控制,并动态扫描电机反馈模块的实时状态,使机器人能够自动寻找地面广告并清除;同时,由无线通信模块发出的指令,控制上位机和小广告清除机器人的直接通信,可完成远程控制、数据跟踪;应用程序下载调试模块与上位机搭配编程开发环境,进行程序修改和维护。本发明用于地面广告清除机器人。

    新型遥操作远端机器人控制平台及方法

    公开(公告)号:CN102120325B

    公开(公告)日:2012-12-12

    申请号:CN201010032439.4

    申请日:2010-01-08

    Abstract: 新型遥操作远端机器人控制平台及方法。传统的主从式人及交互控制系统通常被认为是一种有效的遥操作方法,操作质量由操作人员决定,不仅要花费长时间训练操作人员,而且操作员工作时劳动强度大,易疲劳,难以完成高精度操作。本发明,其组成包括:客户机端(1)和服务器(2),客户机端通过网络数据传输(3)到服务器,客户机端包括人机交互设备(4),人机交互设备同时连接视频显示(5)、数据比较(6)和叠加(13)在一起的虚拟操作模型(7)和虚拟反馈模型(8);服务器包括远端机器人控制单元(9),远端机器人控制单元连接远端机器人(10),远端机器人连接数据采集单元(11)和视频监视设备(12)。本发明用于遥控操作机器人。

    基于视觉辅助的地面广告清除机器人控制系统及控制设备

    公开(公告)号:CN101864745A

    公开(公告)日:2010-10-20

    申请号:CN201010158888.3

    申请日:2010-04-29

    Abstract: 基于视觉辅助的地面广告清除机器人控制系统及控制设备。国外在清除地面广告的技术方法上,主要是应用高压水来解决。通过高压泵产生的强大的水压力冲刷小广告的表面来清除广告。本发明由主控模块发出指令直接控制图像控制模块,由图像控制模块发出信号应用到单目摄像头对要清除的地面进行图像采集和处理,处理后的数据信息反馈给电机控制模块和舵机控制模块进行控制,并动态扫描电机反馈模块的实时状态,使机器人能够自动寻找地面广告并清除;同时,由无线通信模块发出的指令,控制上位机和小广告清除机器人的直接通信,可完成远程控制、数据跟踪;应用程序下载调试模块与上位机搭配编程开发环境,进行程序修改和维护。本发明用于地面广告清除机器人。

    一种适应多种环境的复合硬度轮足式软体机器人

    公开(公告)号:CN119872726A

    公开(公告)日:2025-04-25

    申请号:CN202510093255.5

    申请日:2025-01-21

    Abstract: 一种适应多种环境的复合硬度轮足式软体机器人,涉及轮足式软体机器人领域,本发明为了现有移动机器人存在运动速率较低,运动环境单一和适应性差的问题,本申请中所述轮足式软体机器人包括中部支撑单元和四个软体轮足单元,四个软体轮足单元平均分为两个软体轮足单元组,两个软体轮足单元组沿中部支撑单元长度延伸方向的中心线对称设置,每个软体轮足单元组中的两个软体轮足单元相对设置在中部支撑单元的两侧,且每个软体轮足单元与中部支撑单元拆卸连接。本申请主要提供一种在狭小空间可以适应多种工作环境的轮足式软体机器人。

    一种利用双螺旋桨驱动的无人艇港口靠泊方法

    公开(公告)号:CN118276584A

    公开(公告)日:2024-07-02

    申请号:CN202410355161.6

    申请日:2024-03-26

    Abstract: 本发明提出了一种利用双螺旋桨驱动的无人艇港口靠泊方法,包括以下步骤:(1)环境建图,采用代价地图法建立靠泊环境地图;(2)全局路径规划,采用A*算法生成全局靠泊规划路径,并对路径做平滑处理;(3)局部动态避障,在跟踪路径过程中,对于动态障碍物采用动态窗口法结合避障策略重新规划路径,安全驶入靠泊区域;(4)提前镇定,待无人艇提前镇定后调整艏向角完成靠泊作业。本发明在环境建模、动态避障和双螺旋桨驱动的无人艇靠泊方法等方面进行了改进,使得路径规划更加高效准确,并且能够处理复杂多障碍的环境,达到更好的规划效果,有效利用双桨无人艇通过差送控制原地调整艏向的优势,解决该类无人艇靠泊安全性和滞后性等问题。

    一种面向基于电化学的金属微构件操作的过程监控方法

    公开(公告)号:CN114894860B

    公开(公告)日:2024-03-22

    申请号:CN202210387950.9

    申请日:2022-04-14

    Abstract: 在基于电化学的金属微构件操作过程中,如何快速检测出拾取时管嘴何时与操作对象接触及释放时操作对象何时与操作基底接触,是微操作的重中之重,也是确保操作工具和操作对象及基底不受损坏的保障。本发明实时监控基于电化学的金属微构件操作过程中的离子电流,通过检测操作回路中有无电流即可判断拾取时操作工具是否与操作对象形成有效“软接触”,以及释放时操作对象是否与操作基底有效接触,并且研究所沉积的微尺度金属电沉积质量与过程监测离子电流之间的对应关系,用于微尺度金属电沉积得质量监控。本发明提供了一种方便有效的方法实现了对基于电化学的金属微构件操作的过程监控。

    一种基于视觉的微夹持器与微操作对象快速定位方法

    公开(公告)号:CN117576684A

    公开(公告)日:2024-02-20

    申请号:CN202311370151.1

    申请日:2023-10-20

    Abstract: 一种基于视觉的微夹持器与微操作对象快速定位方法。目的是对微夹持器与微操作对象上的操作点进行定位,为视觉微操作系统提供操作点的坐标。该方法包含以下步骤:步骤1,利用加权平均法将原图像转化为灰度图,降低后续图像处理复杂度;步骤2,利用快速傅里叶变换去除灰度图像中的高频噪声;步骤3,利用改进的基于灰度的快速模板匹配算法定位图像中微夹持器的操作点;步骤4,利用BRISK算法寻找图像上微操作对象上的特征点并匹配;步骤5,利用匹配点对应的特征点之间的空间尺度关系筛选匹配点,并完成对微操作对象操作点的定位。

    基于NMDAU-Net的脑胶质瘤3D分割网络
    28.
    发明公开

    公开(公告)号:CN117437245A

    公开(公告)日:2024-01-23

    申请号:CN202311453353.2

    申请日:2023-11-02

    Abstract: 本发明提出了基于NMDAU‑Net的脑胶质瘤MRI图像的3D分割算法,包括:脑胶质瘤数据集的制作,对MRI图像进行分块处理,再对图像数据进行标准化,图像预处理之后将数据划分为训练集和测试集,并对数据进行增强;在3DU‑Net基础上提出了NMDAU‑Net,在卷积层上使用3D深度可分离卷积MobileNet V2 3D,并在其后引入密集注意力DAM块,使用MobileNet V2‑DAM模块所构成的编码器对特征进行提取,随后利用空洞空间金字塔池化模块所形成的特征增强模块,获得更多语义信息,接着使用加权双向特征金字塔模块进行多尺度的特征融合,最后利用解码器逐渐恢复初始的图像尺寸,输出脑胶质瘤的分割结构。本发明采用NMDAU‑Net算法,大幅度提高了脑胶质瘤的分割精度,为医生对患者病情的判断提供有力的支持。

    一种复合硬度软体机器人模块单元

    公开(公告)号:CN113601494B

    公开(公告)日:2023-09-19

    申请号:CN202110995053.1

    申请日:2021-08-27

    Abstract: 一种复合硬度软体机器人模块单元,包含弹性变形体、非金属硬质主动体、非金属硬质被动体和直线型连接机构;非金属硬质主动体的外侧面和非金属硬质被动体的外侧面分别具有数量相一致的多个平面,非金属硬质主动体内布置有与所述平面数量相一致的直线型连接机构,直线型连接机构的输出部从非金属硬质主动体的平面的中部伸出和缩回,相邻模块单元对接时,输出部伸出与对接部相连锁紧,相邻模块单元断开时,输出部脱离对接部并缩回;弹性变形体内的中部设有向两端延伸的多个直内腔,多个直内腔沿同一圆周均布设置,弹性变形体内位于多个直内腔的两端分别设有双螺旋内腔。本发明模块单元结构紧凑,运动灵活性好,可完成多种机器人构型的重构。

    一种基于改进YOLOv7模型的木材缺陷检测方法

    公开(公告)号:CN116612100A

    公开(公告)日:2023-08-18

    申请号:CN202310638618.X

    申请日:2023-05-31

    Abstract: 一种基于改进YOLOv7模型的木材缺陷检测方法。目的是为了提高木材缺陷检测的精度来减少木材加工过程中的浪费。该方法包含以下步骤:步骤1,制作并划分木材缺陷数据集;步骤2,将数据集图像输入骨干特征提取网络中进行特征提取,提取出三个有效特征层;步骤3,将步骤2处理后的特征层输入改进后的FPN网络进行特征融合,输出三个不同尺度的特征层;步骤4,将步骤3中的三个特征层输入预测网络中得到目标的类别信息和位置信息,并使用α‑EIoU损失函数作为损失函数进行训练。该算法可以提高木材缺陷检测的精度,为工厂木材加工提供依据。

Patent Agency Ranking