-
公开(公告)号：CN103713900B
公开(公告)日：2017-02-01
申请号：CN201310711341.5
申请日：2013-12-20
Applicant: 北京工业大学
IPC: G06F9/44
Abstract: 本发明公开一种基于朴素贝叶斯算法的机器人模块语义分类方法，包括：为模块添加语义标签；根据已知分类的模块建立样本集合；计算模块的后验概率；对模块进行分类；显然分类结果。针对机器人功能复杂，有大量的模块被调用，而这些模块在显示呈现给用户时是按照网络地址组织的，不方便用户查找调用的问题，本发明利用朴素贝叶斯分类法将机器人程序功能模块进行自动分类，使大量的模块按照功能进行组织显示，只需提供用户简单的使用功能，不需要给用户提供内部模块的结构和组成关系，用户启动机器人后，只需要对图形用户界面模块进行操作，而不需要去连接各个功能模块，大大方便了用户查找调用。
-
公开(公告)号：CN106022480A
公开(公告)日：2016-10-12
申请号：CN201610320200.4
申请日：2016-05-13
Applicant: 北京工业大学
CPC classification number: G06N5/04 , G06K9/6224
Abstract: 基于D‑S证据理论的机器人功能模块粒度划分评价方法，属于机器人分散控制领域，该评价方法主要分四步完成：以智能服务机器人系统的各功能模块独立性为原则，分别构建各功能模块间的联系度量指标与各功能模块内的联系度量指标，结合相关性度量矩阵求取各模块划分方案的内聚度与耦合度效用值。将内聚度和耦合度作为证据理论的两个证据源，构造多属性决策矩阵，同时引入隶属度函数概念，对决策矩阵中的效用值进行转换。结合基本概率分配值的定义，求取各焦元的效用分配值，并对每个方案不同属性下的偏好信息进行合成，构造信任区间。最后，基于区间数偏好排序方法，对各决策方案进行排序，获取智能服务机器人系统的各功能模块最优划分粒度。
-
公开(公告)号：CN103837869B
公开(公告)日：2016-06-01
申请号：CN201410065887.2
申请日：2014-02-26
Applicant: 北京工业大学
Abstract: 本发明涉及基于向量关系的单线激光雷达和CCD相机标定方法，在激光坐标系中提取激光雷达扫描V型靶标的点集信息，通过直线拟合求得靶标两个不同平面内的直线的方向向量及交点坐标；在相机坐标系中利用CCD相机捕获图像，通过对图像信息处理获取靶标平面方程和过原点与激光雷达扫描线的平面方程，建立激光雷达扫描的直线方程，进一步得到直线的方向向量及交点坐标；最后依据不同坐标系对应直线方向向量及交点间的关系完成标定。本发明不需要移动标定场景中的任何物体，一次即可完成所有标定数据的采集，标定效率大大提高；本发明直接获取待标定传感器各自坐标系下激光扫描靶标平面的直线方向向量，在保证标定精度的同时简化了标定算法。
-
公开(公告)号：CN103278141B
公开(公告)日：2016-05-18
申请号：CN201310071434.6
申请日：2013-03-06
Applicant: 北京工业大学
Abstract: 婴幼儿睡眠监控系统及方法，涉及计算机视觉监控领域。红外激光器和数字CCD摄像机组成视觉感知系统，红外激光器通过传感器支架固定在CCD摄像机的下方；婴幼儿睡眠的床上置有被褥，红外激光器投射的线激光投射在被褥上，线激光位于婴幼儿下半身的位置，线激光的方向与婴幼儿躯干方向垂直；红外激光器投射到被褥上形成光带，光带被数字CCD摄像机采集成像；CCD摄像机在传感器支架上可调整俯仰角度，使得所述的狭长的光带出现在CCD摄像机的视场中央；CCD摄像机捕获的狭长的光带的数字图像通过1394图像采集卡由传输电缆传输至计算机，完成信息处理判别是否有婴幼儿蹬被的发生，即通过视觉测量软件检测光带并判别是否有婴幼儿蹬被的发生。
-
公开(公告)号：CN103064283B
公开(公告)日：2015-12-09
申请号：CN201210546677.6
申请日：2012-12-14
Applicant: 北京工业大学
Abstract: 一种基于人体重心变化的自学习轮椅控制方法属于模式识别与智能系统领域。本发明.在轮椅座椅与架构间安装压力传感器，采集人体坐姿下的受力分布，计算二维重心坐标，并将实时重心数据保存到嵌入式计算机中；依据常规的SOFM算法的基本学习过程，对包括输出层神经元数目、网络初始权值以及网络邻域半径调整规则等进行了算法优化，降低运算复杂度，提高算法在应用中的计算实时性，实现控制算法因人而异的目的。利用改进后的SOFM算法，在驾驶习惯学习过程中，SOFM聚类算法收敛速度和学习效率得到大幅度提高，提升了算法的实时性和聚类正确率，满足轮椅实时学习控制的要求，消除了因用户驾驶习惯不同带来的手动调整参数过于繁琐的问题。
-
Patent Agency Ranking
公开(公告)号：CN103268616B
公开(公告)日：2015-11-25
申请号：CN201310136312.0
申请日：2013-04-18
Applicant: 北京工业大学
IPC: G06T7/20
Abstract: 本发明属于计算机视觉与智能机器人的交叉领域，公开了一种新的多特征多传感器的移动机器人运动人体跟踪方法。包括：步骤一，利用RFID系统对在其附近携带无源标签的人体进行粗定位；步骤二，利用基于头肩特征的自适应模板匹配算法对图像中人体进行初定位；步骤三，利用基于多特征的mean-shift算法对图像中人体精确定位；步骤四，利用扩展卡尔曼滤波算法预测人体运动状态；步骤五，采用双层协作定位机制对获取到的目标位置信息进行筛选；步骤六，利用机器人跟随控制算法控制机器人跟随人体运动。本发明可实现对不同位姿人体的跟踪，解决了目标突然转弯及被遮挡对跟踪的影响问题，使机器人能够精确、稳定、连续地跟踪运动人体。
-
公开(公告)号：CN103247058B
公开(公告)日：2015-08-19
申请号：CN201310174158.6
申请日：2013-05-13
Applicant: 北京工业大学
IPC: G06T7/20
Abstract: 本发明属于机器视觉领域，公开了一种基于误差分布式多层网格的快速光流场计算方法，包括：步骤一，输入图像，构建线性方程Ax=f；步骤二，建立多层图像金字塔；步骤三，进行前优化，消除高频分量；步骤四，进行残差传递，消除低频分量；步骤五，重复步骤三、四，直至残差传递至最粗层；步骤七，从最粗层开始进行误差回传；步骤八，进行细网格误差校正；步骤九，进行后优化迭代，提高解的稳定性；步骤十，重复步骤七～九，直至残差传递至最细层。本发明所述的方法是一种加速方程优化求解的有效方法，高频误差收敛很快，能够显著提高视觉光流场的计算速度，与变分法相比，该方法的收敛速度能够提高到3.5倍以上。
-
公开(公告)号：CN104732518A
公开(公告)日：2015-06-24
申请号：CN201510025810.7
申请日：2015-01-19
Applicant: 北京工业大学
Abstract: 一种基于智能机器人地面特征的PTAM改进方法，首先，完成参数校正，这包括参数定义与相机校正；然后利用相机获取当前环境纹理信息，并构建四层高斯图像金字塔，运用FAST角点检测算法提取当前图像中的特征信息，建立角点特征间的数据关联，得到位姿估计模型；在地图的初始绘制阶段，获取两个关键帧将相机架设在移动机器人上；在初始化过程中，移动机器人开始移动，同时相机捕获当前场景中角点信息并建立关联；实现三维稀疏地图的初始化后，更新关键帧并利用极线搜索与块匹配方法建立特征点亚像素精度映射关系，结合位姿估计模型实现相机精确重定位。最后将匹配点投影到空间，完成当前全局环境三维地图创建。
-
公开(公告)号：CN103247040A
公开(公告)日：2013-08-14
申请号：CN201310175391.6
申请日：2013-05-13
Applicant: 北京工业大学
IPC: G06T5/50
Abstract: 本发明属于智能移动机器人领域，公开了一种基于分层拓扑结构的未知环境下多机器人系统地图拼接方法。解决了在相对位姿未知情况下的多机器人系统地图拼接问题。该方法包括：获取可通行空间树，建立分层拓扑结构，创建全局拓扑地图，提取SIFT特征并进行特征匹配，基于ICP扫描匹配进行地图拼接。本发明在机器人间相对位姿未知的情况下，提出一种融合SIFT特征的分层拓扑结构，并增量式地创建全局拓扑地图，根据节点间的SIFT匹配信息，结合扫描匹配的方法实现大规模未知环境下的多机器人系统地图拼接。有效地提高了拼接的准确性和实时性。该方法可适用于与地图创建与地图拼接有关的智能移动机器人领域。
-
公开(公告)号：CN108242079B
公开(公告)日：2021-06-25
申请号：CN201711492119.5
申请日：2017-12-30
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于多特征视觉里程计和图优化模型的VSLAM方法，属于机器人SLAM领域。该方法首先利用FAST(Features from Accelerated Segment Test)和改进的LSD算法提取彩色图像中的点、线特征，进而使用不同的描述符描述特征，之后进行特征匹配，最后使用改进的NICP(Normal Iterative Closest Point)算法和PnL(Perspective n Line)算法估计机器人初始位姿。对图像提取线特征扩大了算法的应用场景，且得到了较好的机器人初始位姿。随后将多特征视觉里程计表示成贝叶斯网络，在贝叶斯网络基础上得到因子图，并利用最大后验概率估计因子图中机器人的全局位姿，使用高斯‑牛顿法求解最大后验概率得到更新后的位姿图。最后，融合位姿图与相应帧的三维点得到重构的三维地图。
-
-
-
-
-
-
-
-
-
Search Results
76
records
(took 0.025 seconds)
