-
公开(公告)号：CN119665861A
公开(公告)日：2025-03-21
申请号：CN202510192613.8
申请日：2025-02-21
Applicant: 湖南大学
Abstract: 一种基于图像的亚像素级高精度二维尺寸在线测量方法、系统，在线测量方法包括：1、采集零件图像，对图像进行去噪和二值化处理；2、对图像进行矫正处理；3、对图像进行边缘检测，将线段按不同的斜率和截距分组；4、将每个分组的线段合成一条直线；5、获得所有合成直线的交点坐标，对二值化处理后的零件图像进行腐蚀，筛选掉位于腐蚀后图像黑色区域外的点坐标，得到新的交点坐标，此交点坐标作为边缘直线的两端点，并连接直线，直线即为该零件的轮廓边缘直线；7、对零件的轮廓进行测量，得到测量数据。本发明使用图像对物体进行二维尺寸的高精度测量，使测量精度达到微米级，实现了对生产过程中零件尺寸的高效、精准、自动化检测。
-
公开(公告)号：CN119359815A
公开(公告)日：2025-01-24
申请号：CN202411945356.2
申请日：2024-12-27
Applicant: 湖南大学
IPC: G06T7/73 , G06T7/00 , G06T7/10 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种多尺度零部件抓取姿态估计方法及系统，获取场景图像并进行标注得到数据集；搭建姿态估计神经网络模型；将数据集输入至图像切块编码模块输出编码特征序列；将编码特征序列输入至滑动窗口保留注意力特征编码模块中分别以不同大小的感知窗口进行序列分割并分别应用保留注意力机制映射到高维特征输出；将高维特征输入多尺度空间金字塔感知模块并优化输出优化后的特征序列；窗口保留注意力特征解码模块接收优化特征序列输出抓取姿态；设置损失函数并依据梯度情况更新网络参数，得到训练好的姿态估计神经网络模型，完成工业真实抓取作业场景图像的抓取姿态估计，完成抓取作业任务。提高了抓取效率和准确性，降低了硬件成本。
-
公开(公告)号：CN118885788A
公开(公告)日：2024-11-01
申请号：CN202410549067.4
申请日：2024-05-06
Applicant: 湖南大学
IPC: G06F18/213 , G01M13/045 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于属性学习的零样本轴承故障诊断方法，通过振动传感器采集轴承驱动端的振动数据，定义轴承故障属性，通过属性对未知故障种类进行诊断。通过信号样本特征搭起信号样本到信号属性的桥梁。首先通过特征嵌入子模块提取信号特征，并且通过样本信号与属性的重构考虑了故障特征空间与故障语义属性空间的一致性问题，提取的是没有语义鸿沟的样本特征；然后把提取的特征输入特征‑属性连接子模块对样本属性进行预测；最后计算预测的属性向量与不可见类属性矩阵之间的欧式距离完成标签映射，得到不可见类样本的故障类型。不仅在未知故障种类的诊断上达到较高精度，而且也能较好的诊断已知故障类型。
-
公开(公告)号：CN114565629B
公开(公告)日：2024-09-06
申请号：CN202210189810.0
申请日：2022-02-28
Applicant: 湖南大学
IPC: G06T7/13
Abstract: 本发明公开了一种基于多尺度邻域的大型蒙皮边缘缺陷检测方法。该方法通过构建一种多尺度空间搜索方法，更好的判断对应关键点的空间信息，并以此为依据优化搜索方向以及识别三维点云边缘点，极大的提升了三维图像边缘识别的运行效率，提高了识别成功率；同时，对提取的边界点有序化，并用遮罩特征值变化检测缺陷。该方法能够在更短的时间内更加精确地实现点云图像的边缘缺陷检测，具有极高的算法鲁棒性，能够应用于大尺度、结构复杂且效率要求高的精密检测领域。
-
公开(公告)号：CN115688018B
公开(公告)日：2023-09-08
申请号：CN202310005044.2
申请日：2023-01-04
Applicant: 湖南大学
IPC: G06F18/2411 , G06F18/213 , G06F18/10 , G06F18/2135 , G06F18/25 , G01M13/045
Abstract: 本发明公开了一种多工况下轴承状态监测与故障诊断方法，通过扭矩传感器采集多工况下轴承振动数据并进行预处理；对预处理后的振动数据用经验模态分解，得到一系列的固有模态分量函数IMF，再用主成分分析对固有模态分量函数进行筛选；对筛选得到的IMF进行包括时域、频域、时频域在内的多域特征提取，并按照故障类型划分为测试集跟训练集；根据所提取到的特征进行特征融合；将融合后的特征输入支持向量机进行模式识别，得到轴承的工作状态，若出现故障进一步判定故障类型。实现多工况下轴承的状态监测与故障诊断，故障识别准确率高。
-
Patent Agency Ranking
公开(公告)号：CN116604571A
公开(公告)日：2023-08-18
申请号：CN202310864607.3
申请日：2023-07-14
Applicant: 湖南大学
Abstract: 本发明公开了一种基于深度强化学习的机器人三维测量路径规划方法，包含基于多层视球和下一最优视点的MLVS‑NBV规划方法生成候选视点集合，使用IKFast运动学求解器求解各视点对应的机器人的所有逆运动学解，建立视点—逆运动学解的评估矩阵，利用PC‑NBV点云网络学习和预测选择下一视点后的覆盖率，建立GTSP问题并利用DDQN深度强化学习方法求解，使用GPMP2运动规划器快速生成测量路径，将训练网络迁移到实际的机器人测量任务。通过视点规划方法保证测量视点的可行性并提高对不同测量对象的测量覆盖率，利用深度强化学习技术实现对不同已知对象的自主测量和对未知对象的探索式测量，规划速度快、适应性强、效率高。
-
公开(公告)号：CN115965628B
公开(公告)日：2023-06-02
申请号：CN202310255890.X
申请日：2023-03-16
Applicant: 湖南大学
Abstract: 本发明公开了一种工件涂装质量在线动态检测方法及检测系统，采集待检测工件的图像数据并预处理，筛选出待检测工件摆动幅度最大时的点云数据，通过点云配准方法得到第一目标位姿，控制机械臂带动末端执行机构前往第一目标位姿；采用位移传感器实时采集末端执行机构与待检测工件之间的距离信息，并构建实时检测平面坐标系作为第二目标位姿，控制机械臂带动末端执行机构实时到达第二目标位姿；采用光纤传感器检测末端执行机构与待检测工件的贴合状态，当末端执行机构与待检测工件贴合后，通过吸盘吸气，将末端执行机构吸附到待检测工件表面，末端执行机构上的涂装质量检测模块对待检测工件进行涂装质量检测。该方法可实现工件涂装质量在线动态检测。
-
公开(公告)号：CN115578460B
公开(公告)日：2023-04-18
申请号：CN202211407718.3
申请日：2022-11-10
Applicant: 湖南大学
IPC: G06T7/73 , G06N3/045 , G06N3/0464 , G06N3/084 , G06V10/44 , G06V10/766 , G06V10/80 , G06V10/82 , B25J9/16 , B25J19/02
Abstract: 本发明公开了基于多模态特征提取与稠密预测的机器人抓取方法与系统，获取场景彩色图像和深度图像，从深度图像中计算出场景三维点云以及不同尺度的自适应卷积感受野，根据场景三维点云得到表面法向量图像；构建多模态特征提取与稠密预测网络，并对场景彩色图像和表面法向量图像进行处理，得到每类物体预测的稠密三维姿态信息和三维位置信息，通过计算得到对应物体的三维姿态和三维位置，两者共同组成三维位姿，将三维位姿发送至机器人抓取系统，完成场景下对应物体的抓取任务。本发明方法融合多模态彩色与深度数据，特征提取中保留二维平面特性以及深度信息，结构简单、预测精度高，适合复杂场景的机器人抓取任务。
-
公开(公告)号：CN115965628A
公开(公告)日：2023-04-14
申请号：CN202310255890.X
申请日：2023-03-16
Applicant: 湖南大学
Abstract: 本发明公开了一种工件涂装质量在线动态检测方法及检测系统，采集待检测工件的图像数据并预处理，筛选出待检测工件摆动幅度最大时的点云数据，通过点云配准方法得到第一目标位姿，控制机械臂带动末端执行机构前往第一目标位姿；采用位移传感器实时采集末端执行机构与待检测工件之间的距离信息，并构建实时检测平面坐标系作为第二目标位姿，控制机械臂带动末端执行机构实时到达第二目标位姿；采用光纤传感器检测末端执行机构与待检测工件的贴合状态，当末端执行机构与待检测工件贴合后，通过吸盘吸气，将末端执行机构吸附到待检测工件表面，末端执行机构上的涂装质量检测模块对待检测工件进行涂装质量检测。该方法可实现工件涂装质量在线动态检测。
-
公开(公告)号：CN115688018A
公开(公告)日：2023-02-03
申请号：CN202310005044.2
申请日：2023-01-04
Applicant: 湖南大学
IPC: G06F18/2411 , G06F18/213 , G06F18/10 , G06F18/2135 , G06F18/25 , G01M13/045
Abstract: 本发明公开了一种多工况下轴承状态监测与故障诊断方法，通过扭矩传感器采集多工况下轴承振动数据并进行预处理；对预处理后的振动数据用经验模态分解，得到一系列的固有模态分量函数IMF，再用主成分分析对固有模态分量函数进行筛选；对筛选得到的IMF进行包括时域、频域、时频域在内的多域特征提取，并按照故障类型划分为测试集跟训练集；根据所提取到的特征进行特征融合；将融合后的特征输入支持向量机进行模式识别，得到轴承的工作状态，若出现故障进一步判定故障类型。实现多工况下轴承的状态监测与故障诊断，故障识别准确率高。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.026 seconds)
