-
-
公开(公告)号：CN106095107A
公开(公告)日：2016-11-09
申请号：CN201610453305.7
申请日：2016-06-21
Applicant: 南京邮电大学
IPC: G06F3/01
CPC classification number: G06F3/017
Abstract: 本发明公开了一种应用于智能移动轮椅的手势交互控制方法，该方法使用Kinect摄像头获取用户手部实时坐标，利用模糊控制算法对虚拟手柄进行坐标置位，从而使用户可通过手部来定量控制智能移动轮椅的行动。其具体实现包括如下步骤：Kinect摄像头获取深度图像信息过滤非用户手部干扰得到用户手部实时坐标；对获得的手部实时坐标进行空间坐标转换和虚拟手柄机制设定及其空间建立；再根据模糊控制算法对虚拟手柄进行坐标置位；最后以虚拟手柄的方式实现定量控制智能移动轮椅。利用本发明的方法，使得老年用户可以利用手部姿势良好地定量控制智能移动轮椅，改善了他们的出行方式。
-
公开(公告)号：CN104287747A
公开(公告)日：2015-01-21
申请号：CN201410571745.3
申请日：2014-10-24
Applicant: 南京邮电大学
IPC: A61B5/16
CPC classification number: A61B5/165
Abstract: 本发明提供一种非侵入式的基于情绪感知的运动康复机器人交互控制方法，该方法以机器人辅助康复训练过程中患者“挫败”、“兴奋”及“厌烦”三类情绪为目标情绪状态，其具体实现包括如下步骤：获取康复训练过程中患者目标情绪反应的生理响应信号；从生理响应信号中分析出反应目标情绪变化的生理信号重要特征及其组合；根据分析得到的目标情绪生理响应特征及其组合，设计分类器识别目标情绪状态；以及根据识别到的患者目标情绪状态，设计与患者目标情绪变化相一致的闭环自适应人机交互控制方法。利用本发明的方法，可克服现有的机器人辅助康复人机交互协作训练方法主要以感知患者主动“运动”参与为主的局限。
-
公开(公告)号：CN102831446A
公开(公告)日：2012-12-19
申请号：CN201210295181.6
申请日：2012-08-20
Applicant: 南京邮电大学
Abstract: 本发明公开了一种单目视觉SLAM中基于图像外观的闭环检测方法。本发明方法包括：移动机器人前进过程中利用自身携带的单目摄像头采集当前场景图像，并提取当前场景图像的视觉词袋特征；对图像进行预处理：利用图像权重向量之间的内积来衡量图像之间的相似度，将与前一帧历史图像相似度较大的当前图像剔除；利用贝叶斯滤波方法不断更新闭环假设状态的后验概率进行闭环检测，判断当前场景图像是否发生闭环；利用图像逆检索方法对上步中得到的闭环检测结果进行验证。进一步地，本发明在构建视觉词典过程中，利用TSC值作为聚类结果的评价标准来对聚类类别数进行动态调整。相比现有技术，本发明的闭环检测方法具有实时性强、检测精确度高的优点。
-
公开(公告)号：CN115476360B
公开(公告)日：2025-02-11
申请号：CN202211143209.4
申请日：2022-09-20
Applicant: 南京邮电大学
IPC: B25J9/16 , G06F17/16 , G06F18/23213 , G06F18/22 , G06T17/00
Abstract: 本发明公开了一种基于异构体映射的串联机器人人机示教控制方法及装置，其方法包括：获取示教者示教动作的示教信息；通过改进K‑means算法获取示教信息的关键帧序列；基于示教信息的关键帧序列通过预构建的空间映射将每个关键帧对应的人体关节点三维坐标转换为人体重构关节点三维坐标；通过齐次坐标变换将每个人体重构关节点三维坐标转换为串联机器人坐标系下的三维坐标；将每个串联机器人坐标系下的三维坐标作为串联机器人的机器重构关节点三维坐标点的目标点；基于每个目标点通过并行CCD控制方法控制串联机器人完成示教动作；本发明能够有效改善机器人示教运动的通用性和简洁性，为进一步推广机器人的普及应用提供了有力的手段。
-
Patent Agency Ranking
公开(公告)号：CN118713866A
公开(公告)日：2024-09-27
申请号：CN202410703631.3
申请日：2024-06-03
Applicant: 南京邮电大学
IPC: H04L9/40 , H04L41/06 , G06F18/213 , G06F18/214 , G06F18/243 , G06N20/20 , G06N3/126
Abstract: 本申请公开了一种基于随机森林的网络异常检测方法及系统，所述方法包括：对待检测的网络流量数据进行特征提取，得到网络流量入侵特征；其中所述网络流量入侵特征至少包括第一特征、第二特征、第三特征和第四特征；所述第一特征指示登录尝试是否使用主机的帐户进行了或没有；所述第二特征表示过去两秒内与当前连接相同服务的不同目标主机的比例；所述第三特征指示登录尝试是否以访客身份进行了或没有；所述第四特征表示连接期间目标主机发送的数据字节数；将所述网络流量入侵特征输入训练好的基于遗传算法的随机森林模型，得到网络异常检测结果。
-
公开(公告)号：CN114536333B
公开(公告)日：2023-10-31
申请号：CN202210150175.5
申请日：2022-02-18
Applicant: 南京邮电大学
IPC: B25J9/16
Abstract: 本发明公开了一种基于行为树的机械臂任务规划系统及应用方法，包括：轨迹分割模块、目标位姿检测模块、行为树设计模块、动态运动基元泛化模块、上位机系统和Kinova Jaco机械臂。一方面使用遥操作控制Kinova Jaco机械臂进行多次抓取任务演示，上位机系统将收集到的演示数据经轨迹分割模块得到动作基元，构建动作基元库；另一方面，根据抓取任务执行逻辑，经行为树设计模块创建抓取任务行为树；Kinect传感器捕获物体深度图像经目标位姿检测模块估计出物体位置和姿态后，结合动作基元库中对应动作基元，再由动态运动基元泛化模块进行泛化，将泛化得到的动作基元作为行为树动作节点，行为树将执行指令传送至上位机系统，控制Kinova Jaco机械臂执行抓取任务。
-
公开(公告)号：CN113724197B
公开(公告)日：2023-09-15
申请号：CN202110847674.5
申请日：2021-07-26
Applicant: 南京邮电大学
IPC: G06T7/00 , G06T7/60 , G06T7/62 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/048 , G06N3/084 , G06N3/0985 , G01B21/10 , G01B21/16 , G01B21/22
Abstract: 本发明公开了一种基于元学习的螺纹旋合性判定方法。包括步骤：S1：收集螺纹参数信息，制成原始数据集；对原始数据集进行标注；得到不平衡螺纹参数数据集；S2：对不平衡螺纹参数数据集平衡化处理，得到检测数据集；对检测数据集中进行归一化；S3、将归一化的检测数据集划分为预训练数据集和精调数据集；S4：构建人工神经网络模型，将预训练数据集作为模型的输入，采用MAML元学习算法，进行螺纹旋合性特征预训练，得到预训练好的元模型Meta和初始化参数；S5：将精调数据集输入元模型Meta中进行螺纹旋合性特征微调训练，得到螺纹旋合性判断模型Mfine‑tune。本发明能够通过小样本数据集得到准确的模型，提高了螺纹旋合性检测的准确性，高效性，泛化性，可靠性。
-
公开(公告)号：CN110646014B
公开(公告)日：2023-04-25
申请号：CN201910938329.5
申请日：2019-09-30
Applicant: 南京邮电大学
IPC: G01C25/00
Abstract: 本发明公开了一种基于人体关节位置捕捉设备(如Kinect)辅助的惯性传感器安装误差校准方法，借助人体关节位置捕捉设备获得的人体关节位置信息、惯性传感器输出和人体运动特性，即可实现惯性传感器安装误差校准。校准过程中，人体无需执行通常所需要的严格的校准动作，只需人体待捕捉部位进行短暂的自然运动，即可实现安装误差校准。除了实现常规的安装姿态误差校准，本发明同时能实现安装位置误差校准，这样建立了惯性传感器和关节之间的完整运动学关系，有助于有效估计关节线运动参数。本发明很大程度上解决了偏瘫患者不能严格执行校准动作的问题，同时降低校准难度，减少校准时间，在偏瘫运动康复和体感游戏等领域具有极大的应用价值。
-
公开(公告)号：CN115294441B
公开(公告)日：2023-02-10
申请号：CN202211205005.9
申请日：2022-09-30
Applicant: 南京邮电大学
IPC: G06V20/00 , G06V10/40 , G06V10/42 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08
Abstract: 一种由注意力融合三特征的机器人场景识别与解析方法，提出利用物品识别算法中物品特征图进一步精确解析场景中物品信息的方法；提出一种获取物品单体描述信度的方法，并且设计了由物品单体描述信度组成的物品向量；改造了卷积神经网络CNN的全连接层网络，并定义了某个全连接层网络的输出为全局特征；求出卷积神经网络CNN卷积层的输出的格拉姆矩阵，并提出全连接层网络的结构，在输入为格拉姆矩阵时输出为风格特征；利用注意力机制将三种特征进行融合，并将融合注意力向量送进用于分类的全连接层网络，输出即为最终的场景标签。本发明支持整体训练优化，可以解析该场景的物品标签与场景标签，在室内场景解析与场景分类中有较好的结果。
-
-
-
-
-
-
-
-
-
Search Results
105
records
(took 0.023 seconds)
