-
公开(公告)号：CN116330290A
公开(公告)日：2023-06-27
申请号：CN202310373017.0
申请日：2023-04-10
Applicant: 大连理工大学
IPC: B25J9/16
Abstract: 本发明提供一种基于多智能体深度强化学习的五指灵巧机器手控制方法。考虑一个与人手大小和结构相同的五指灵巧机器手，场景中有一个放置在桌面的物体，通过将五根手指以及手腕和手臂视作单独的智能体分别进行训练，彼此分工协作，最终完成抓取物体的任务。本发明考虑到了机器手各关节的协作关系，通过多智能体方法在保证机器手完成抓取物体的任务前提下，将整个抓取过程进一步细致化和精细化，让机器手的抓取动作更加贴近理想的姿态、各手指更加灵活自由，完成更多单智能体无法完成的细节抓取动作。同时，本发明可以在不需要数据集的情况下对抓取物体任务进行有效的学习，减轻了收集大量数据的负担，并提高了机器五指手对陌生物体和环境的适应能力。
-
公开(公告)号：CN110175566B
公开(公告)日：2022-12-23
申请号：CN201910448208.2
申请日：2019-05-27
Applicant: 大连理工大学
IPC: G06V40/10 , G06V10/42 , G06V10/80 , G06V10/82 , G06V10/766 , G06V10/774 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于RGBD融合网络的手部姿态估计系统及方法。本发明系统包括全局深度特征提取模块、残差模块、多模态特征融合模块、分支并行干扰消除模块，全局深度特征提取模块，采用平行的两路交叉融合的残差网络，上路为高分辨率的特征图，下路为低分辨率特征图，通过交叉融合多分辨率的信息来进行多尺度特征融合，最终在高分辨率特征图预测网络输出；系统的输入部分分为深度图像处理支路和RGB彩色图像处理支路，两个支路所提取的特征，进行多模态融合后形成全局特征，送入分支并行干扰消除模块进行手部分支的特征提取，得到强化的手部分支特征，用于最终的关节位置预测。本发明主要通过彩色图像与深度图像的信息综合，达到具有较高准确度的手部姿态估计。
-
公开(公告)号：CN112051285B
公开(公告)日：2021-08-20
申请号：CN202010828721.7
申请日：2020-08-18
Applicant: 大连理工大学
IPC: G01N23/04 , G01N23/046 , G06T7/00 , G06N3/04
Abstract: 本发明属于无损检测领域，尤其涉及X射线实时成像与CT断层扫描一体化智能无损检测系统。该系统可同时实现DR和CT的检测与成像，实现DR/CT数据采集、处理、缺陷自动检测和显示的一体化，为检测人员提供被测物体不同视角的内部结构信息，从而综合判断物体内部缺陷的性质和状态；且系统中集成的缺陷识别技术可自动识别缺陷的大小、位置和种类，从而有效减轻检测人员识别缺陷的压力和提高检测效率。
-
公开(公告)号：CN111428555A
公开(公告)日：2020-07-17
申请号：CN202010053784.X
申请日：2020-01-17
Applicant: 大连理工大学
Abstract: 本发明提供分关节的手部姿态估计方法，包括：S1、准备数据集；S2、设计网络结构，将数据集中的图像数据输入到神经网络进行处理和融合重构；S3、设计损失函数；S4、构建网络并进行网络训练，网络使用python2.7基于tensorflow1.3构建，在配有GTX1080显卡的主机上进行训练和测试；S5、通过评价指标对测试结果进行分析；所述评价指标包括平均关节误差、正确检测帧比率以及平均检测速度。本发明依据手指功能区别设计了分手指、分关节的手部姿态估计网络结构，使手部姿态估计具有较高的准确度。
-
公开(公告)号：CN106898048B
公开(公告)日：2019-10-29
申请号：CN201710034517.6
申请日：2017-01-19
Applicant: 大连理工大学
Abstract: 本发明提出了一种适用于复杂场景下无畸变集成成像三维显示方法，该方法首先利用Kinect获取三维场景的彩色图像和深度图像，并针对深度图像与彩色图像边界不一致问题，结合边缘信息进行干扰消除；然后，进一步针对深度图像的黑洞区域提出联合三边滤波进行填充，并将联合三边滤波器中的值域滤波器进行自适应处理消除深度图像的伪影效应；最后利用光场数学模型得到复杂场景的基元图像阵列，实现无畸变的三维集成成像显示。本发明不仅可以有效克服记录复杂场景时微透镜阵列的物理局限性，而且可以实现对复杂场景的无畸变集成成像三维显示。
-
Patent Agency Ranking
公开(公告)号：CN108663386B
公开(公告)日：2019-08-20
申请号：CN201810466388.2
申请日：2018-05-09
Applicant: 大连理工大学
IPC: G01N23/046
Abstract: 本发明提供了一种基于特征纹理模板的锥束CT系统探测器角度偏差测量方法，属于图像处理领域里的计算机层析成像技术领域。其特征是本发明使用包含旋转对称纹理及平移对称纹理的特定模板，将探测器的角度偏差与两种纹理图像的对称性之间建立联系，求解探测器角度偏差。本发明的效果和益处是利用具有特征纹理的标定模板，采集单角度投影数据求解得出锥束CT系统中探测器的角度偏差，模板制作容易，操作简单，解决了模板制作复杂及测量操作复杂的不足。
-
公开(公告)号：CN104997529B
公开(公告)日：2017-12-26
申请号：CN201510386560.X
申请日：2015-06-30
Applicant: 大连理工大学
IPC: A61B6/03
Abstract: 一种基于对称重复的模板校正锥束CT系统几何失真的方法，属于图像处理领域里的计算机层析成像技术领域。其特征是本发明建立了探测器角度偏差与纹理图像的秩之间的联系，并将探测器角度偏差的求解问题等效为一定约束下纹理图像的秩最小化问题，根据求得的角度偏差对探测器进行调节，消除角度偏差后再利用特定的几何关系对探测器位移偏差进行求解。本发明的效果和益处是，利用含有纹理低秩性的模板进行CT成像系统的角度偏差求取，仅需要采集单角度投影图像，而位移偏差的求取也只需移动旋转台一次，获取变化前后的两幅投影图像，该方法模板制作容易，测量方法简单有效。
-
公开(公告)号：CN104835186B
公开(公告)日：2017-11-10
申请号：CN201510214008.2
申请日：2015-04-30
Applicant: 大连理工大学
IPC: G06T11/20
Abstract: 一种历史地震图波形自动跟踪方法，属于油气地球物理勘探技术领域。其特征包括：(1)利用微分几何曲线提取算法从地震图中提取出地震波曲线点，以及地震波曲线的局部方向；(2)依据已经提取出来的曲线局部方向将提取出来的曲线点，连成多条曲线段；(3)最后依据地震波曲线的自身特性，如地震波曲线在其拐点处呈现出的对称特性以及地震波曲线围绕其中轴线做往返运动的震动特性，以回溯的思路对地震波曲线段进行跟踪。本发明的效果和益处是提高了地震波波形自动跟踪的精度，无需人工干预，能够处理有交叉线和断点的地震图。
-
公开(公告)号：CN104504691B
公开(公告)日：2017-05-24
申请号：CN201410777911.5
申请日：2014-12-15
Applicant: 大连理工大学
IPC: G06T7/73
Abstract: 基于低秩纹理的摄像机位置和姿态测量方法，属于计算机视觉测量技术领域。其特征是：将室内场景中的一些低秩纹理如天花板上的方格纹理，用于摄像机位置和姿态的测量。通过摄像机拍摄低秩纹理的图像，用欧拉角表示摄像机拍摄时的投影矩阵，并通过求解关于低秩纹理成像模型的优化问题求得表示摄像机姿态的欧拉角；再进一步结合场景中纹理的几何关系和摄像机成像原理解出摄像机在场景中的位置。本发明的效果和益处是，能够利用室内场景中的低秩纹理特征实现摄像机姿态和空间位置6个自由度的测量，且在测量过程中，摄像机可以转动，从而使视觉测量的应用范围更广。
-
公开(公告)号：CN106346485A
公开(公告)日：2017-01-25
申请号：CN201610840052.9
申请日：2016-09-21
Applicant: 大连理工大学
CPC classification number: B25J9/163 , B25J9/1697 , B25J13/08 , G06K9/00375
Abstract: 本发明提供了通过学习人手运动姿态控制五指仿生机械手的非接触式控制方法，属于智能控制领域。该方法提出了具有自适应性的三维手部建模方法，并根据三维手部模型对控制人员手部所有关节点的运动姿态进行跟踪，通过映射算法建立人手的运动姿态和机械手的动作指令之间的对应关系，使控制人员以自然的方式对五指机械手进行控制。本发明在使用RGB-D图像的情况下，建立三维手部模型来描述人手各个关节的位姿参数，并提出了改进的APSO算法对位姿参数进行求解，有效的提高了高维参数求解的收敛速度，避免了配戴数据手套等穿戴设备的局限性，解决了现有基于传感器的控制方法只能获取手部部分关节的位姿，无法适用于高自由度的仿生灵巧手的不足。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.03 seconds)
