-
公开(公告)号：CN108451291B
公开(公告)日：2020-10-30
申请号：CN201810298015.9
申请日：2018-04-04
Applicant: 哈尔滨工业大学
IPC: A47G19/22
Abstract: 本发明公开一种自动心情感知调节杯，包括杯体，其特征在于，还包括传感器、显示屏、加热片、控制器；所述传感器获取使用者的手心温度、手心湿度、心率、室温、光照强度数据，所述控制器基于深度神经网络模型对所述数据进行计算与分析，所述控制器的分析结果显示在所述显示屏中；所述加热片对所述杯体内的饮品进行加热。本发明公开了一种能快速判断主人心情并根据心情来给出最佳饮料、加冰程度、饮料温度的杯子，能快速调节饮料温度，改善口感，提升生活品质，结构简单，便于制造，价格便宜，功能新颖，科技感十足，时尚潮流。
-
公开(公告)号：CN109143393B
公开(公告)日：2020-06-30
申请号：CN201810860367.9
申请日：2018-08-01
Applicant: 哈尔滨工业大学
Abstract: 本发明公开一种瓶装透明药液异物检测同步跟踪视觉补偿方法，具体包括以下步骤：S1、使用高速工业相机对待检测的当前液体药品获取多帧连续图像；S2、对所述图像感兴趣区域进行瓶壁与背景区分；S3、对所述区分后的图像进行形态学处理；S4、对所述形态学处理后的图像进行Sobel滤波，得到一个方向的梯度信息；S5、对所述Sobel滤波后图像进行霍夫变换，最终得出图像的补偿值；S6、对图像序列重复以上操作并得到每张图像的偏移量，并根据所述每张图的偏移量对所述图像序列的第一张图像对齐；最终得到补偿的新的处理区域。本发明能够提高异物分析的准确率，从软件上克服了机械上无法克服的问题，并提升了成像的效果，从而进一步保障了输液患者的生命安全。
-
公开(公告)号：CN109143393A
公开(公告)日：2019-01-04
申请号：CN201810860367.9
申请日：2018-08-01
Applicant: 哈尔滨工业大学
Abstract: 本发明公开一种瓶装透明药液异物检测同步跟踪视觉补偿方法，具体包括以下步骤：S1、使用高速工业相机对待检测的当前液体药品获取多帧连续图像；S2、对所述图像感兴趣区域进行瓶壁与背景区分；S3、对所述区分后的图像进行形态学处理；S4、对所述形态学处理后的图像进行Sobel滤波，得到一个方向的梯度信息；S5、对所述Sobel滤波后图像进行霍夫变换，最终得出图像的补偿值；S6、对图像序列重复以上操作并得到每张图像的偏移量，并根据所述每张图的偏移量对所述图像序列的第一张图像对齐；最终得到补偿的新的处理区域。本发明能够提高异物分析的准确率，从软件上克服了机械上无法克服的问题，并提升了成像的效果，从而进一步保障了输液患者的生命安全。
-
公开(公告)号：CN108451291A
公开(公告)日：2018-08-28
申请号：CN201810298015.9
申请日：2018-04-04
Applicant: 哈尔滨工业大学
IPC: A47G19/22
Abstract: 本发明公开一种自动心情感知调节杯，包括杯体，其特征在于，还包括传感器、显示屏、加热片、控制器；所述传感器获取使用者的手心温度、手心湿度、心率、室温、光照强度数据，所述控制器基于深度神经网络模型对所述数据进行计算与分析，所述控制器的分析结果显示在所述显示屏中；所述加热片对所述杯体内的饮品进行加热。本发明公开了一种能快速判断主人心情并根据心情来给出最佳饮料、加冰程度、饮料温度的杯子，能快速调节饮料温度，改善口感，提升生活品质，结构简单，便于制造，价格便宜，功能新颖，科技感十足，时尚潮流。
-
公开(公告)号：CN103712603A
公开(公告)日：2014-04-09
申请号：CN201310676383.X
申请日：2013-12-07
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种基于平面光栅的三维视觉位姿测量装置及其测量方法，装置包括图像采集装置、平面光栅标志器、背光光源、图像和数据处理系统和固定标志器平台，图像采集装置与图像和数据处理系统电信号连接，背光光源紧贴于平面光栅标志器下部与其固定连接，背光光源固定于固定标志器平台上，图像采集装置实时采集平面光栅标志器的图像，并将图像传至图像和数据处理系统测量方法包括以下步骤：对采集图像进行预处理；提取标志器的光栅暗条纹及辅助标识特征；使用辅助特征进行位姿粗估计；使用粗、精多组光栅计算精确角度偏移量；将粗、精计算结果进行数据融合，得到最终位姿估计结果。本发明实现了高精度的三维位姿测量，测量自动化程度高。
-
Patent Agency Ranking
公开(公告)号：CN113689499B
公开(公告)日：2025-04-01
申请号：CN202110946515.0
申请日：2021-08-18
Applicant: 哈尔滨工业大学 , 掌上视觉(北京)科技有限公司
Abstract: 本发明提供了一种基于点面特征融合的视觉快速定位方法、装置及系统，涉及图像处理技术领域。本发明所述的基于点面特征融合的视觉快速定位方法，包括：获取图像与位姿信息数据，对所述图像与位姿信息数据进行预处理得到预处理数据；对所述预处理数据进行内点集合识别提取得到内点集合，对所述内点集合进行平面拟合得到第一平面信息；对所述第一平面信息进行动态平面更新得到第二平面信息；根据所述第二平面信息更新平面重投影误差；基于内点重投影误差、更新后的所述平面重投影误差和IMU约束进行PNP解算确定最优位姿。通过点面特征融合等方式实现稀疏纹理环境下的视觉快速定位，在环境纹理特征缺少甚至缺失的时候，仍具有较高的精度和鲁棒性。
-
公开(公告)号：CN113110455B
公开(公告)日：2022-09-23
申请号：CN202110410157.1
申请日：2021-04-16
Applicant: 哈尔滨工业大学
IPC: G05D1/02
Abstract: 本发明提供了一种未知初始状态的多机器人协同探索方法、装置及系统，涉及机器人探索技术领域。本发明所述的未知初始状态的多机器人协同探索方法，包括：获取多机器人的融合环境信息，对所述融合环境信息进行目标提取，建立目标节点；对所述目标节点进行优化和筛选，建立机器人状态与目标节点图；根据所述机器人状态与目标节点图，采用统一的协同策略进行任务决策，完成机器人对目标区域的实时导航控制任务；根据机器人相互通信实现任务的迭代，完成探索任务。本发明所述的技术方案，通过多机器人数据关联实现机器人状态图的估计，填补多机器人探索领域中系统状态初始化的空白，解决了需要人为干预的弊端，提供了一套可靠有效的探索方法。
-
公开(公告)号：CN109117838B
公开(公告)日：2021-10-12
申请号：CN201810896369.3
申请日：2018-08-08
Applicant: 哈尔滨工业大学 , 深圳市海斯比船艇科技股份有限公司
Abstract: 本发明公开了一种应用于无人船感知系统的目标检测方法，包括以下步骤，步骤一：收集图像数据；步骤二：进行预处理；步骤三：搭建神经网络结构；步骤四：将预处理后的图像数据进行优化运算；步骤五：经由判断模块对步骤四中优化运算的数据进行准确率测试，根据测试结果，将低于预设准确率的数据返回至步骤三重新处理，将高于预设准确率的数据传送至步骤六；步骤六：将数据进行封装；步骤七：通过显示模块将封装数据进行可视化显示；步骤八：根据可视化界面中对环境的识别分析，通过调节模块调控无人船的行驶状态。本发明能够通过大量的训练数据，使得神经网络能够按照“经验”对拍摄的图片进行分类，从而使识别准确率高、实时性好、鲁棒性好。
-
公开(公告)号：CN111628818A
公开(公告)日：2020-09-04
申请号：CN202010414033.6
申请日：2020-05-15
Applicant: 哈尔滨工业大学
Abstract: 本发明提供了一种空地无人系统分布式实时通信方法、装置及多无人系统，涉及多无人系统通信技术领域，包括：获取空地无人系统内多个无人平台的初始化信息；根据初始化信息对多个无人平台进行分组，确定每个小组的组长和组员，断开与所有组员的通信连接，其中，组长与所在小组内的各组员建立通信连接；向各组长发布一级调查，其中，各组长基于一级调查向所在小组内的各组员发布二级调查，并响应于所在小组内的各组员针对二级调查做出的二级应答，基于二级应答反馈一级应答；基于来自各组长的一级应答进行处理，并发送控制指令。本发明通过分组构建双层星型网络通信架构，且通过调查和应答的通信模式有效减轻服务器的负载，提升系统的稳定性。
-
公开(公告)号：CN111476868A
公开(公告)日：2020-07-31
申请号：CN202010264566.0
申请日：2020-04-07
Applicant: 哈尔滨工业大学
Abstract: 本发明提供了一种基于深度学习的动画生成模型训练、动画生成方法及装置，涉及计算机视觉领域，包括：获取训练集序列，训练集序列包括多个关键帧图像；将初始关键帧输入动画生成模型，确定预测后序关键帧；根据预测后序关键帧和实际后序关键帧确定损失函数的值；根据损失函数的值调整动画生成模型的参数直至满足收敛条件，完成对动画生成模型的训练。本发明通过输入为初始关键帧，作为输入的初始关键帧是由动画师给定，由训练好的模型补齐其他的预测后序关键帧，通过模型有效生成一系列动画，既保证了动画师设计的人物造型不会被改变，又避免了动画师大量的重复工作。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.025 seconds)
