-
公开(公告)号：CN115496996A
公开(公告)日：2022-12-20
申请号：CN202211301086.2
申请日：2022-10-24
Applicant: 南京邮电大学
IPC: G06V20/00 , G06V10/774 , G06F16/36
Abstract: 本发明属于室内场景识别方法，具体地说，是一种基于知识图谱嵌入的机器人室内场景识别方法，具体包括以下步骤：选取足够且合适的物品类别、属类概念和场景名称，构建实体字典；设计关系字典；构建三元组形式的场景描述；以上述三元组场景描述数据为基础，训练可处理非对称关系的模型，得到以嵌入向量表达的场景知识模型；当机器人获取新的场景图片后，由打分函数给出图片中所有可能三元组的评分，将得分最高三元组的尾实体场景名称，作为场景识别的最终结果。本发明从概念层面描述场景，充分利用场景内的实体语义信息完成识别，相比主流场景识别方法，对底层检测器有一定容错能力，并且语义信息丰富、模型具有解释性，便于机器人应用。
-
公开(公告)号：CN112085066B
公开(公告)日：2022-08-26
申请号：CN202010812456.3
申请日：2020-08-13
Applicant: 南京邮电大学
IPC: G06V10/774 , G06V10/80 , G06V10/82 , G06N3/04
Abstract: 本发明公开了一种基于图卷积神经网络的体素化三维点云场景分类方法，具体包括以下步骤：首先，对视觉传感器获得的场景点云数据进行适应旋转平移变换的体素化处理；接着，对体素内的点云用基于图神经网络谱卷积的方法，将每个点附近点的信息加权至该点，以获得每个点的特征向量；再对体素内每个点按空间距离远近逐个编号，按编号对每个点的特征向量进行最大值池化，并首尾拼接池化结果获得每个体素的特征向量；最后，将体素的特征向量输入全连接网络获得场景类别标签。本发明在一定程度上缓解了谱卷积方法的计算复杂度高的问题，对于点云旋转与平移变换具有一定的鲁棒性。
-
公开(公告)号：CN113616436A
公开(公告)日：2021-11-09
申请号：CN202110969471.3
申请日：2021-08-23
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于运动想象脑电与头姿的智能轮椅及控制方法，智能轮椅装置包括电动轮椅和附加装置脑电采集设备、头姿采集设备、颈部肌电采集设备、头部姿态估计模块、虚拟光标控制模块、轮椅人机交互接口模块、疲劳感知模块和智能轮椅。控制方法包括：(1)运动想象脑电控制模式使用感觉运动节律控制虚拟光标，头姿交互控制模式使用头部姿态控制虚拟光标；(2)根据用户颈部肌肉的疲劳状态切换运动想象脑电与头姿两种控制方式；(3)根据虚拟光标的坐标位置并通过差分运动学模型计算轮椅左右轮对应的转速。利用该控制方法及装置，可连续调节智能轮椅的速度和转向角度，缓解了用户操作时颈部肌肉的疲劳程度，提升了智能轮椅的连续性和舒适性。
-
公开(公告)号：CN111958608A
公开(公告)日：2020-11-20
申请号：CN202010674093.1
申请日：2020-07-14
Applicant: 南京邮电大学
IPC: B25J11/00
Abstract: 本发明公开了一种易拆装的悬挂式立面作业机器人工作系统，包括机器人主体、移动基座、远程控制器和本地控制器；移动基座包括基座下滑轨以及与基座下滑轨垂直设置的基座上滑轨；基座下滑轨上设有可沿下滑轨轨道移动的下滑轨移动座，下滑轨移动座通过电机驱动；基座上滑轨与下滑轨移动座固定连接；基座上滑轨上设有可沿上滑轨轨道移动的上滑轨移动座、用于驱动上滑轨移动座的驱动装置以及与上滑轨移动座固定连接的升降装置；升降装置与机器人主体固定连接；本地控制器与远程控制器无线连接。本申请的工作系统结构简单稳定、易于拆装、便于维护，并且易于扩展安装不同的作业设备，支持多种功能立面作业应用。
-
公开(公告)号：CN111947657A
公开(公告)日：2020-11-17
申请号：CN202010532832.3
申请日：2020-06-12
Applicant: 南京邮电大学
IPC: G01C21/20 , G01S17/06 , G01S17/931
Abstract: 本发明涉及一种适用于密集排架环境的移动机器人导航方法。属于移动机器人领域，具体包括以下步骤：(1)、获取密集排架环境地图；(2)、基于矩形检测方法定位密集排架；(3)、构建行为树选择路径模式；(4)、在路径参考点间使用A*算法生成规划路径，再使用基于机器人运动学模型的预测控制方法跟踪路径实现导航，在狭长排架通道内定位不准的情况下使用局部激光观测信息提取的直线特征提供参考。该方法实现了密集排架环境下机器人的工作路径最优划分，排除了人工设置路标点带来的误差，与现有技术相比能够在狭窄的排架环境中完成多种移动机器人的导航，适应不同的巡航速度。
-
Patent Agency Ranking
公开(公告)号：CN111872934A
公开(公告)日：2020-11-03
申请号：CN202010563175.9
申请日：2020-06-19
Applicant: 南京邮电大学
IPC: B25J9/16
Abstract: 本发明公开了一种基于隐半马尔可夫模型的机械臂控制方法及系统，其中方法包括：通过对获取的多组机械臂抓取过程观测数据建立对应的HMSS训练模型，再基于BIC准则从训练模型中选择最优模型；使用维特比算法对最优模型进行解码，得到隐藏的基元运动行为，建立基元运动库；计算HSMM新型前向概率，根据HSMM新型前向概率的滤波概率求得当前时刻被激活的运动基元，重新规划基元运动序列；最后基于DMP算法对每个运动基元建立基元轨迹模型，控制机械臂执行基元轨迹。本发明提高了机器的自主学习能力，同时具备稳定性和泛化性。
-
公开(公告)号：CN111150566A
公开(公告)日：2020-05-15
申请号：CN202010050496.9
申请日：2020-01-17
Applicant: 南京邮电大学
Abstract: 本发明提供一种自主导航与多模人机交互共享的轮椅控制系统及方法，所述系统包括自主导航器和多模人机交互控制器分别向共享控制器发出导航指令和用户指令，并由共享控制器确定最终控制指令控制智能轮椅；人机交互控制器包括操纵杆控制方式、头姿控制方式、手势控制方式；还包括切换器完成多模人机交互控制方式间的切换。本发明可以有效降低用户驾驶轮椅的疲劳感，提高用户驾驶轮椅舒适性、平稳性和交互的流畅性，满足不同对象的需求，提高智能轮椅的应用范围。
-
公开(公告)号：CN110646014A
公开(公告)日：2020-01-03
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：CN107260420B
公开(公告)日：2018-11-23
申请号：CN201710531252.0
申请日：2017-07-03
Applicant: 南京邮电大学
IPC: A61G5/04 , A61G5/10 , A61B5/0488 , G06F3/01
Abstract: 本发明公开了基于眼部动作识别的智能轮椅人机交互控制系统及方法，通过肌电信号采集模块采集眼部肌电信号，对肌电信号进行特征选择，根据眨眼时肌电特征变化差异进行眼部动作识别实现对有意识眨眼的准确判断，通过多种有意识眨眼方式组合实现对轮椅方向的精确控制，模糊控制器部分以信号肌电积分值和信号斜率作为输入，智能轮椅行驶速度作为输出，建立两输入单输出的二维结构模糊控制器，实现对轮椅行驶速度的精确控制。本方案多样化，操作方式简便、快捷、易于学习，充分考虑到老年人以及残障人士在控制方式上的特殊需要，避免了传统控制方式操作不灵活、用户反映迟钝等导致的智能轮椅系统的控制问题，非常适应老龄人以及残障人士的现实需求。
-
公开(公告)号：CN107621880A
公开(公告)日：2018-01-23
申请号：CN201710909411.6
申请日：2017-09-29
Applicant: 南京邮电大学
Abstract: 本发明提供一种基于改进头姿估计方法的机器人轮椅交互控制方法，该方法利用随机森林结合最近点迭代算法实时计算头部姿态，从而让使用对象能够用头部来控制机器人轮椅的运动。其具体实现包括如下步骤：构建头部姿态检测的随机森林；构建个人头部点云模板；利用深度数据传感器采集头部深度图像并预处理；通过随机森林算法检测当前头部的粗略姿态；通过最近点迭代算法精确计算当前头部姿态；再根据不同的头部姿态参数给机器人轮椅发出不同的控制命令。利用本发明的方法，使得老年和残障人士可以利用头部稳定地控制机器人轮椅，方便了他们的出行。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.024 seconds)
