回转窑内冷却带熟料温度检测方法和系统

    公开(公告)号:CN102928118B

    公开(公告)日:2014-12-24

    申请号:CN201210462495.0

    申请日:2012-11-16

    Abstract: 本发明提供一种回转窑内冷却带熟料温度检测方法和系统。一种方法包括:采集回转窑内冷却带熟料图像,并根据所述回转窑内冷却带熟料图像,得到冷却带熟料图像特征参数;根据所述冷却带熟料图像特征参数和回转窑内热工数据,得到冷却带熟料特征参数;将所述冷却带熟料特征参数与冷却带熟料参数模型进行相似性对比,得到冷却带熟料温度状态。本发明提供的回转窑内冷却带熟料温度检测方法和系统,通过将回转窑内热工数据和图像特征参数进行融合,并与冷却带熟料参数模型进行比较,能够提高回转窑内冷却带温度状态检测的准确度和可靠性。

    一种基于三维高斯的增量式地图优化方法

    公开(公告)号:CN119579819A

    公开(公告)日:2025-03-07

    申请号:CN202411642494.3

    申请日:2024-11-18

    Applicant: 湖南大学

    Abstract: 本申请提供一种基于三维高斯的增量式地图优化方法,包括:S1:获取当前帧和估计站姿,S2:判断所述当前帧,是否为关键帧;若是,执行步骤S3;S3:基于所述估计站姿,渲染得到轮廓图像;S4:获取历史三维高斯图;基于所述轮廓图像和所述历史三维高斯图,确定新增区域对应的像素;S5:基于所述新增区域对应的像素,对所述历史三维高斯图进行优化处理,得到新增区域对应的第一精度三维高斯图;S6:获取历史关键帧,基于所述历史关键帧,对所述第一精度三维高斯图进行损失优化,得到新增区域对应的第二精度三维高斯图。用以在逐步优化地图的过程中,减少冗余,提高效率与精度,实现生高保真、高效率渲染。

    一种面向海面场景的无人艇点云数据的修正方法

    公开(公告)号:CN119414370A

    公开(公告)日:2025-02-11

    申请号:CN202411733036.0

    申请日:2024-11-29

    Applicant: 湖南大学

    Abstract: 本申请提供一种面向海面场景的无人艇点云数据的修正方法,包括:获取处于运动状态中的无人艇的原始点云数据和外参标定数据信息,其中,所述原始点云数据为激光雷达一帧点云数据时间周期内,采集到的点云数据,获取与所述原始点云数据对应的辅助估计矫正信息;其中,所述辅助估计矫正信息为与所述无人艇一帧点云数据时间周期内对应的IMU角速度信息,和与所述无人艇一帧点云数据时间周期内对应的GPS信息;基于所述外参标定数据信息和所述辅助估计矫正信息,对所述原始点云数据进行矫正处理,得到矫正后的点云数据;对所述矫正后的点云数据进行降噪处理,得到干净点云。从而为后续依靠点云信息进行目标检测、测距等感知任务提供准确稳定的数据来源。

    一种面向海面场景的多目标跟踪方法

    公开(公告)号:CN118941595B

    公开(公告)日:2024-12-17

    申请号:CN202411419806.4

    申请日:2024-10-12

    Applicant: 湖南大学

    Abstract: 一种面向海面场景的多目标跟踪方法,包括步骤S1,YOLOv8m检测模型训练;步骤S2,将图片送入YOLOv8m检测模型中输出目标检测框信息;步骤S3,判断当前图片是否是第一帧图片,若是则初始化多目标跟踪器,进入步骤S4,若否则采用相机运动补偿算法对图片进行配准操作,进入步骤S4;步骤S4,将图片和目标检测框信息送入多目标跟踪器内,目标检测框和轨迹预测框进行基于IoU、基于ReID特征、基于马氏距离的匹配,生成新的轨迹信息并更新扩展卡尔曼滤波器;步骤S5,判断当前图片是否是最后一帧图片,若是则结束,输出跟踪轨迹集合,若否则转至步骤S2。本发明提高了无人艇对海面场景下的碍航目标的稳定跟踪能力。

    一种面向工业机器人的柔性服务编排系统及其方法

    公开(公告)号:CN114819483B

    公开(公告)日:2024-05-31

    申请号:CN202210245905.X

    申请日:2022-03-14

    Applicant: 湖南大学

    Abstract: 一种面向工业机器人的柔性服务编排系统及其方法,该系统包括包括ESB总线、拖拽服务编排前端、路由规则生成处理模块、服务节点信息数据库等,ESB总线分别与拖拽服务编排前端、路由规则生成处理模块、服务节点信息数据库及服务注册模块相连,拖拽服务编排前端与路由规则生成处理模块相连,路由规则生成处理模块与服务节点信息数据库相连,服务节点信息数据库与服务注册模块相连,服务注册模块分别与物理资源控制HTTP服务器、服务资源模块相连,服务资源模块与物理资源控制HTTP服务器相连;ESB总线内布置有路由引擎及Java虚拟机。还包括一种面向工业机器人的柔性服务编排方法。本发明通过实现Processor的业务逻辑动态可控,达到柔性动态编排的目的。

    分布式工业机器人在线服务编排的路由参数传递方法

    公开(公告)号:CN114726911B

    公开(公告)日:2023-09-19

    申请号:CN202210350393.3

    申请日:2022-04-02

    Applicant: 湖南大学

    Abstract: 分布式工业机器人在线服务编排的路由参数传递方法,包括启动编排服务,按顺序执行各个服务;服务A执行完后,将输出参数值以键值对的方式存入到参数存储模块,键值对以自身的服务名和输出参数名拼接成键,以自身的输出参数值为值;服务B、C执行完后以类似服务A的方式存储键值对;服务D获取服务B、服务C键值对的值,作为服务D的输入参数;判断服务D的所有输入参数是否都取到,如果都取到,执行服务D,如果有一个输入参数没有取到,服务D采用注册回调机制注册未取到的参数的回调;相应服务执行完后触发回调,获取回调结果,服务D根据回调结果获取未取到的参数,开始执行服务D。本发明能解决实际编程中全局参数和服务异步等待的问题。

    工业机器人数据同步采集加载中间件装置及方法

    公开(公告)号:CN114900511B

    公开(公告)日:2023-02-03

    申请号:CN202210439668.0

    申请日:2022-04-25

    Applicant: 湖南大学

    Abstract: 工业机器人数据同步采集加载中间件装置及方法,该中间件装置包括可视化前端模块、后端配置管理服务模块、数据映射绑定模块、数据监管中心模块、数据存储模块、代码生成模块、数据加载代码、历史数据文件和数据传输模块,可视化前端模块与后端配置管理服务模块相连,后端配置管理服务模块分别与代码生成模块、数据存储模块、数据监管中心模块相连,代码生成模块与数据加载代码相连,数据存储模块与历史数据文件、数据监管中心模块相连,数据监管中心模块分别与数据传输模块、数据映射绑定模块相连,数据加载代码分别与历史数据文件、数据传输模块相连。还包括工业机器人数据同步采集加载方法。本发明能减少数据采集适配工作量,提高生产效率。

    玻璃尺寸检测中自适应的相机调整曝光时间的方法

    公开(公告)号:CN115277984A

    公开(公告)日:2022-11-01

    申请号:CN202210873541.X

    申请日:2022-07-24

    Applicant: 湖南大学

    Abstract: 本发明提供了一种玻璃尺寸检测中自适应的相机调整曝光时间的方法,包括以下步骤:S1、获取玻璃图像;将最佳曝光时间下的玻璃照片作为模板玻璃图像,并将其进行保存,将不同于最佳曝光时间下的玻璃照片作为尺寸检测过程中的待检测玻璃图像;S2、计算所有待检测玻璃图像的背景区域灰度S3、计算待检测玻璃图像的背景区域灰度与模板玻璃的背景区域灰度的平均灰度差将的绝对值与灰度差阈值Th进行对比,当则进行曝光补偿;否则,不进行曝光补偿,进行后续玻璃尺寸检测。解决了现有技术中在进行实时性检测时,曝光补偿耗时长,在高亮度的工作背景下,经常会产生曝光振荡等问题。

    一种支持异步调度的服务总线编排系统及方法

    公开(公告)号:CN115277745A

    公开(公告)日:2022-11-01

    申请号:CN202210721784.1

    申请日:2022-06-24

    Applicant: 湖南大学

    Abstract: 本发明公开了一种支持异步调度的服务总线编排系统,包括:可视化编排平台,用于提供客户端界面以供开发人员编排服务;服务调用层,用于调用编排中各个服务;消息回调层,用于接收回调消息;以及消息解析层,用于解析服务调用后的调用返回消息。本发明还提供了一种支持异步调度的服务总线编排方法。本发明的有益效果如下:同时支持同步请求和异步请求的支持,进一步拓展了服务总线编排能力;丰富了可以进行服务编排场景,有更多的场景可以使用服务编排;减少了工业机器人编程中的二次开发,进一步降低了开发人员的工作量,提升工作效率。

    基于注意力机制的无监督单目深度估计方法

    公开(公告)号:CN114119698B

    公开(公告)日:2022-07-19

    申请号:CN202110676865.X

    申请日:2021-06-18

    Applicant: 湖南大学

    Abstract: 基于注意力机制的无监督单目深度估计方法,包括以下步骤:步骤S1:将KITTI数据集调整至同一分辨率大小后,划分为训练数据集、验证数据集和测试数据集;步骤S2:对训练数据集和验证数据集中的数据进行数据增广;步骤S3:构建单目深度估计神经网络;步骤S4:利用训练数据集训练单目深度估计神经网络得到相应的权重与偏置,即网络模型参数,将得到的网络模型参数代入验证数据集,保存使得验证数据集损失函数最小的网络模型参数;步骤S5:使用损失函数最小的网络模型参数,对测试数据集进行测试,得到测试数据集的预测值。本发明能有效提高单目深度估计的精度。

Patent Agency Ranking