-
公开(公告)号：CN119169606A
公开(公告)日：2024-12-20
申请号：CN202411241486.8
申请日：2024-09-05
Applicant: 湖南大学
IPC: G06V20/64 , G06V10/80 , G06V10/25 , G06V10/44 , G06N3/0464 , G06N3/0495 , G06N3/08
Abstract: 本发明属于大范围制造场景机器人协同三维感知领域，具体涉及一种基于视觉状态空间模型的多机器人协同三维目标检测方法，包括：搭建多机器人激光雷达三维感知平台，采集飞机制造与装配大范围场景中的三维点云数据；对所采集的三维点云数据进行数据标注，制作三维点云检测数据集，并将三维点云检测数据集进行划分；构建基于视觉状态空间模型的点云三维目标检测模型；将训练集代入到点云三维目标检测模型中进行迭代训练，并采用验证集进行模型验证，得到最优点云三维目标检测模型；将测试集代入到最优点云三维目标检测模型中进行预测，得到三维点云检测结果，实现多机器人在大范围场景中的协同三维目标检测。
-
公开(公告)号：CN118550313B
公开(公告)日：2024-12-06
申请号：CN202411009923.3
申请日：2024-07-26
Applicant: 湖南大学
Abstract: 一种绳索牵引飞行机器人抗扰动控制方法，包括：1、推算移行机构期望轨迹和机械臂关节角、无人机平台中心期望轨迹和移行机构初始位置；2、计算机械臂运动对无人机平台带来的扰动力和扰动力矩，并计算绳索引起的扰动力和扰动力矩，得到总扰动方程；3、建立飞行机器人系统的动力学方程，进行解耦设计，得到解耦后的动力学方程，并得到旋翼升力、旋翼力矩、俯仰角期望值和横滚角期望值的计算公式；4、构建系统状态误差动力学方程，解算出飞行机器人旋翼升力和旋翼力矩；5、设计旋翼转速分配矩阵，根据旋翼升力、旋翼力矩以及旋翼转速分配矩阵计算旋翼转速，实现飞行机器人抗扰动运行。本发明解决了飞行机器人工作过程中的平稳性和安全性问题。
-
公开(公告)号：CN118650634A
公开(公告)日：2024-09-17
申请号：CN202411133433.4
申请日：2024-08-19
Applicant: 湖南大学
Abstract: 一种基于深度学习的多机器人柔性物体伺服方法，包括：1、搭建多机协同操作柔性物体装配场景；2、确认柔性物体位置以及抓取点，控制双机器人协同抓取柔性物体；3、双机器人协同柔性物体伺服成多组形状，并记录柔性物体的点云信息和机器人末端位置信息；4、特征提取器提取点云信息的特征向量，并训练形变控制模块；5、收集一组随机生成的形状点云信息并导入到形变控制模块中，输出运动指令，控制双机器人协同抓取柔性物体，并将物体形状伺服到目标形状。本发明设计了一套基于深度学习、柔性物体形状伺服和多机协同控制的框架，提高了机器人对不同材料可形变零件的形状伺服的泛化性，提升柔性部件形状伺服作业任务的复杂度和精确度。
-
公开(公告)号：CN116728291B
公开(公告)日：2023-10-31
申请号：CN202311030811.1
申请日：2023-08-16
Applicant: 湖南大学
IPC: B24B49/12 , B24B27/00 , B25J11/00 , G01M13/00 , G01H1/00 , G06F18/241 , G06N3/0455 , G06N3/0464 , G06V10/764 , G06V10/82 , G06F18/22
Abstract: 本申请的实施例提供了基于边缘计算的机器人打磨系统状态监测方法和装置。所述方法包括获取当前的振动信号；对所述振动信号进行降噪和融合处理，得到振动图像；将所述振动图像，输入至预先训练的故障诊断模型，得到当前打磨系统的故障类型；将所述振动图像，输入至预先训练的质量匹配模型，得到当前打磨系统的相关值和力信号；所述力信号用于确定当前打磨系统的打磨质量；基于所述故障类型、相关值和打磨质量，完成对当前打磨系统的监测。以此方式，仅采集加度传感器的振动信号即可完成故障、打磨质量的统一监测，极大的减少了传感器的数量和类型，在降低了经济成本的同时降低了机器人打磨系统的复杂性。
-
公开(公告)号：CN112284290B
公开(公告)日：2021-09-28
申请号：CN202011122728.3
申请日：2020-10-20
Applicant: 湖南大学
IPC: G01B11/24
Abstract: 本发明公开了一种航空发动机叶片机器人自主测量方法及系统。该方法包括：标定伺服旋转工作台、结构光三维扫描仪、机器人，根据航空发动机叶片设计模型布置测量点，规划机器人测量的路径，测量航空发动机叶片的三维形貌，处理航空发动机叶片的测量数据。该系统包括硬件系统和软件系统，硬件系统包含伺服旋转工作台、叶片测量夹具、结构光三维扫描仪、机器人、机器人控制柜、工业计算机；软件系统包含测量系统标定模块、测量点布局模块、机器人测量路径规划模块、点云数据处理及可视化模块、三维模型格式转换模块、人机交互模块、测量过程控制模块。本发明根据产品设计模型自动布局测量点并生成机器人测量路径，实现机器人自主测量。
-
Patent Agency Ranking
公开(公告)号：CN113240101A
公开(公告)日：2021-08-10
申请号：CN202110521611.0
申请日：2021-05-13
Applicant: 湖南大学
Abstract: 本发明公开了一种卷积神经网络软硬件协同加速的异构SoC实现方法，包括：片内处理器获取当前待检测图片进行预处理，当当前待检测图片预处理完毕后，将预处理完毕的当前待检测图片通过存储器发送至可编程逻辑电路，并获取下一张待检测图片作为当前待检测图片进行预处理；可编程逻辑电路接收预处理完毕的当前待检测图片，根据预设的卷积神经网络硬件加速器和预设的卷积神经网络模型进行计算，当当前待检测图片计算完毕后，将计算完毕的当前待检测图片通过存储器发送至片内处理器；片内处理器接收计算完毕的当前待检测图片，对计算完毕的当前待检测图片进行后处理，输出当前待检测图片的检测结果。实现低成本的嵌入式SoC的高速实时图像处理。
-
公开(公告)号：CN109389625A
公开(公告)日：2019-02-26
申请号：CN201811169910.7
申请日：2018-10-08
Applicant: 湖南大学
IPC: G06T7/30
Abstract: 本发明公开了一种基于多尺度描述子筛除误匹配的三维图像配准方法，该方法通过构造一种新型的多尺度描述子，更好的描述对应关键点的特征，并初步获得对应匹配点；并以此为特征遍历待配准点云中与之有相似多尺度描述子的点云集，极大的提高了点云粗配准的运行效率，减小了计算机的计算量，为点云配准带来了极大的便利；该方法能够在更短的时间里获得更加准确的配准效果，且鲁棒性更好，适用于存在噪声、结构复杂、对配准要求高的精密测量领域。
-
公开(公告)号：CN108766894A
公开(公告)日：2018-11-06
申请号：CN201810582133.2
申请日：2018-06-07
Applicant: 湖南大学
Abstract: 本发明公开了一种机器人视觉引导的芯片贴装方法及系统，在PCB放置区域和芯片放置区域增设一第二工业相机，机器人吸取芯片移至该第二工业相机处，拍摄吸取后芯片的图像，比较芯片贴装区域与水平轴的夹角和吸取芯片后芯片与水平轴的夹角之间的角度差，使末端执行器在P3处旋转该角度差，进行角度补偿，并且在X和Y轴上进行补偿，改善了在吸取芯片或者吸取后移动过程中产生的滑动误差，提高了贴装精度；同时，本发明采用六轴机器人，因六轴机器人具有更好的自由度和灵活性，实现了腔体类工件内部的芯片贴装，做到柔性生产；再加上第一工业相机设置在机器人手部，更易于运动，使得本发明这种基于位置的视觉控制方法具有更高的灵活性，适用范围更广。
-
公开(公告)号：CN108717262A
公开(公告)日：2018-10-30
申请号：CN201810454177.7
申请日：2018-05-14
Applicant: 湖南大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于矩特征学习神经网络的异形曲面跟踪方法及系统，所述方法包括如下步骤：获取期望矩特征向量；获取初始矩特征向量、初始矩特征向量的雅可比矩阵、机械臂的目标关节角速度向量；利用期望矩特征向量、初始矩特征向量以及械臂关节角速度矩阵对B样条基的神经网络控制器进行深度离线训练；机械臂关节角速度向量将当前矩特征向量与所述期望矩特征向量的特征误差输入训练后的B样条基的神经网络控制器得到当前位姿下机械臂关节角速度向量；依据当前位姿下机械臂关节角速度向量控制机械臂运动使机械臂端的相机随之移动。本发明通过上述方法可以实现异形曲面精确定位跟踪。
-
公开(公告)号：CN119169606B
公开(公告)日：2025-04-25
申请号：CN202411241486.8
申请日：2024-09-05
Applicant: 湖南大学
IPC: G06V20/64 , G06V10/80 , G06V10/25 , G06V10/44 , G06N3/0464 , G06N3/0495 , G06N3/08
Abstract: 本发明属于大范围制造场景机器人协同三维感知领域，具体涉及一种基于视觉状态空间模型的多机器人协同三维目标检测方法，包括：搭建多机器人激光雷达三维感知平台，采集飞机制造与装配大范围场景中的三维点云数据；对所采集的三维点云数据进行数据标注，制作三维点云检测数据集，并将三维点云检测数据集进行划分；构建基于视觉状态空间模型的点云三维目标检测模型；将训练集代入到点云三维目标检测模型中进行迭代训练，并采用验证集进行模型验证，得到最优点云三维目标检测模型；将测试集代入到最优点云三维目标检测模型中进行预测，得到三维点云检测结果，实现多机器人在大范围场景中的协同三维目标检测。
-
-
-
-
-
-
-
-
-
Search Results
60
records
(took 0.031 seconds)
