一种基于稀疏化可视图的机器人快速路径规划方法

    公开(公告)号:CN115220448A

    公开(公告)日:2022-10-21

    申请号:CN202210831716.0

    申请日:2022-07-15

    Abstract: 本发明公开了一种基于稀疏化可视图的机器人快速路径规划方法,其特征在于,包括:针对激光雷达采集得到的点云信息,通过PCL点云库进行点云降采样得到稀疏点云;将得到的稀疏点云使用空洞网格结构进行存储,并且将稀疏点云平面投影得到二值图像,进行图像模糊得到模糊图像;将模糊图像进行轮廓点的提取,得到障碍物的轮廓特征点,并将障碍物的轮廓特征点进行过滤;通过过滤后的障碍物的轮廓特征点构建可视图;使用双向BFS搜索寻找最优路径,并且在路径规划的过程中,剔除障碍物。本发明算法运行速度快,具有良好的实时性;缩短了构建地图和路径规划所需要的时间,同时减少了机器人在未知环境中探索造成的空间浪费,具有抗复杂环境干扰性强等优点。

    一种基于自适应图像增强的弱光照环境下目标识别方法

    公开(公告)号:CN113392702A

    公开(公告)日:2021-09-14

    申请号:CN202110504839.9

    申请日:2021-05-10

    Abstract: 本发明公开了一种基于自适应图像增强的弱光照环境下目标识别方法,包括:搭建自适应图像增强模块;搭建基于自适应图像增强的弱光照环境下目标识别模型;采集弱光照环境下的目标视频并处理生成弱光照环境下目标的数据集,划分测试集图像与训练集图像,对训练图像进行标注,生成标签文件;将训练集的全部图像和标签文件送入基于自适应图像增强的弱光照环境下目标识别模型进行训练;将训练好的基于自适应图像增强的弱光照环境下目标识别模型完成弱光照环境下的目标识别,并输出识别结果。本发明提升了弱光照环境下的目标识别的快速性与准确性,能够有效解决目前目标识别技术在弱光照环境下目标识别准确率不高,识别速度慢等问题,应用前景广泛。

    一种基于多特征卷积神经网络的不良驾驶状态识别方法

    公开(公告)号:CN110263836B

    公开(公告)日:2021-02-19

    申请号:CN201910510060.0

    申请日:2019-06-13

    Abstract: 本发明公开了一种基于多特征卷积神经网络的不良驾驶状态识别方法,包括:采集车载智能手机惯性传感器数据,进行预处理,得到源数据集;将源数据集划分成一个个的数据单元,对每一个数据单元进行统计学特征提取,并打上标签制成数据集,命名为特征数据集;搭建多特征卷积神经网络,选择合适的网络参数与优化器,并使用源数据集与特征数据集对多特征卷积神经网络进行充分训练,得到训练好的多特征卷积神经网络模型;使用训练好的多特征卷积神经网络模型对车载手机惯性传感器数据进行分类,从而实现对汽车当前驾驶状态的识别,判断汽车当前驾驶状态是否为不良驾驶状态,并在后台进行数据记录与处理。本发明具有运算速度快、识别率高、抗环境干扰能力强的优点。

    一种穿戴式导航装备中视觉导航特征点提取与匹配方法

    公开(公告)号:CN111460941A

    公开(公告)日:2020-07-28

    申请号:CN202010206651.1

    申请日:2020-03-23

    Abstract: 本发明提供了一种穿戴式导航装备中视觉导航特征点提取与匹配方法,包括:读取两帧原始图像,构建图像的高斯-拉普拉斯金字塔,生成高斯-拉普拉斯差分尺度空间;进行特征点检测,将局部极值点作为特征点提取出来;计算出特征点的方向;基于BRIEF算子生成特征点的描述符,对每个点对进行二进制赋值,形成一个二进制编码;基于前一步生成的描述子对两张图像进行特征点的匹配,测量前一帧图中的每一个特征点与后一帧图像中所有特征点的相似程度,将相似程度最大的匹配成一对;重复上一步匹配操作,直到两帧图像中的所有特征点匹配完成,这些匹配好的特征点对为视觉导航提供大量的基础信息,提高导航定位结果的稳定性、环境适应性及抗干扰性能。

    基于傅里叶变换和卷积神经网络的人体姿态识别方法

    公开(公告)号:CN109711324A

    公开(公告)日:2019-05-03

    申请号:CN201811585913.9

    申请日:2018-12-24

    Abstract: 本发明公开了一种基于傅里叶变换和卷积神经网络的人体姿态识别系统,包括以下步骤:1、收集九轴陀螺仪和加速度计的数据集;2.对收集的数据进行预处理,并且按照一定的比例把数据分成测试集和训练集;3.将训练集和测试集送入卷积神经网络进行训练,网络自发完善自身的参数;4.将训练好的网络移植到终端上。在实际过程中,手机自带的陀螺仪加速度计采集到的数据可以输入到已经训练好的网络中,实现对当前行为的姿态识别。本发明有效的提高了数据的辨识度;识别精度高,识别类型多;识别方法识别的动作数量具有可扩展性,且扩展操作简单,易于开发人员操作;相比于视频或者图像识别的方法,可以有效的保护用户隐私。

Patent Agency Ranking