一种基于图卷积的激光雷达点云胞体特征增强方法

    公开(公告)号:CN112862719A

    公开(公告)日:2021-05-28

    申请号:CN202110200863.3

    申请日:2021-02-23

    Applicant: 清华大学

    Abstract: 本发明的公开了一种基于图卷积的激光雷达数据胞体特征增强方法,所述方法包括:步骤1)对实时采集的雷达点云数据进行胞体划分以及信息提取,得到胞体化数据;步骤2)对胞体化数据进行构图,形成图结构;步骤3)将图结构输入图卷积单元,对图结构中的每个节点进行特征增强,将特征增强后的图结构再次输入图卷积单元,反复执行多次,直至达到循环次数;步骤4)将最后一次图卷积单元输出的增强后的胞体特征传递给后端目标检测网络,完成目标检测任务。本发明的方法提出对胞体之间信息进行融合,提升了个个胞体捕捉实例目标信息的能力,提高了3D目标检测方法的准确性。

    一种分布式多机器人目标搜索方法

    公开(公告)号:CN112827174A

    公开(公告)日:2021-05-25

    申请号:CN202110158566.7

    申请日:2021-02-05

    Applicant: 清华大学

    Abstract: 本发明属于人工智能技术领域,尤其涉及一种分布式多机器人目标搜索方法。本发明公开了一种知识驱动的基于分布式蒙特卡洛树搜索算法的机器人群体目标搜索方法,包括:根据专家知识将搜索目标之间的关联性带入算法,实时更新区域追踪奖励与探索奖励,基于分布式蒙特卡洛树搜索算法确定机器人协同搜索过程中的动作序列,改进的上限置信区间同时利帕雷托最优策略实现多目标优化,利用梯度下降法优化机器人动作序列概率分布,与其他机器人通信,更新机器人动作序列概率分布。解决了机器人群体在未知、动态环境下的群体协同目标搜索问题。

    一种多模态陆空两栖车辆平台仿真系统

    公开(公告)号:CN112818463A

    公开(公告)日:2021-05-18

    申请号:CN202110081611.3

    申请日:2021-01-21

    Applicant: 清华大学

    Abstract: 本发明公开了一种多模态陆空两栖车辆平台仿真系统,涉及陆空两栖车辆技术领域,以解决现有技术中没有一个仿真系统既可以对陆空两栖车辆的飞行过程仿真,同时也对路面行驶过程进行仿真的问题。所述多模态陆空两栖车辆平台仿真系统包括:仿真平台以及与仿真平台通信的运动控制器。仿真平台包括仿真环境以及位于仿真环境内的陆空两栖车辆。陆空两栖车辆的描述模型包括耦合的飞行动力学模型和车辆动力学模型。运动控制器用于根据运动指令向仿真平台发送控制指令,仿真平台用于根据控制指令控制陆空两栖车辆在仿真环境内运行。运动控制器还用于采集仿真平台的感知信息,根据感知信息更新控制指令。感知信息包括仿真环境的状态和陆空两栖车辆的状态。

    一种吸盘-手爪复合抓取装置

    公开(公告)号:CN109465840B

    公开(公告)日:2021-05-07

    申请号:CN201811415845.1

    申请日:2018-11-26

    Applicant: 清华大学

    Abstract: 本发明提出一种吸盘‑手爪复合抓取装置,属于分拣机器人技术领域,包括基座、外筒、吸盘和由结构相同的多个指段构成的手爪,所述外筒内设有用于驱动所述吸盘上下运动的吸盘驱动部件,该部件一端通过向上延伸的推杆与位于所述基座中心处的吸盘固定连接;多个指段圆周均布在吸盘周围、与基座保持相对平动,且各指段随基座相对于吸盘轴向具有转动自由度。本发明装置能够利用吸盘先吸取物体,然后利用手爪平行夹持物体,针对不同位置的物体,该装置可以通过吸盘与手爪间的相对旋转使得可以吸起物体后再进行手的姿态调整,该装置抓取范围大,结构简单,控制容易,成本低。

    一种基于特征点标定的智能车定位方法

    公开(公告)号:CN111272165B

    公开(公告)日:2020-10-30

    申请号:CN202010124025.8

    申请日:2020-02-27

    Applicant: 清华大学

    Abstract: 本发明了提供一种基于特征点标定的智能车定位方法,包括:判断智能车是位于盲区还是非盲区;当智能车位于GNSS非盲区,将GNSS信号、里程计数据和惯性测量单元数据组合,通过卡尔曼滤波获取智能车当前位姿,利用激光雷达扫描智能车周围环境,提取角点、圆弧特征并通过处理得到角点、圆心作为特征点,计算特征点的全局坐标和权重存入当前特征点列表;将当前特征点列表中的特征点加入已有特征点列表,将已有特征点列表中满足条件的特征点加入可信任列表;当智能车位于GNSS盲区,使用激光雷达获取周围可信任列表的特征点作为观测量,融合里程计数据和惯性测量单元数据,通过粒子滤波方法获取智能车当前位姿,从而实现智能车从非盲区进入盲区的定位无缝切换。

    一种基于阵列式触觉传感器的情感识别装置及方法

    公开(公告)号:CN108681412B

    公开(公告)日:2020-06-02

    申请号:CN201810323983.0

    申请日:2018-04-12

    Applicant: 清华大学

    Abstract: 本发明提出一种基于阵列式触觉传感器的情感识别装置及方法,属于电子信息、模式识别和人工智能领域。该装置包括:电源、阵列式触觉传感器及载体、微控制器和上位机;所述电源分别与阵列式触觉传感器、微控制器、上位机连接为其提供电力;阵列式触觉传感器放置在载体上并和微控制器连接,用于采集参与者执行动作的压力值数据并发送给微控制器;微控制器与上位机连接,用于控制阵列式触觉传感器工作,接收阵列式触觉传感器采集的压力值数据并保存,然后发送到上位机;上位机对从微控制器接收到的压力值数据进行保存,经过分析处理后实时显示情感识别的结果。本发明装置结构简单,方法易操作,可准确识别使用者的不同情绪,有很高的实用价值。

    一种从视频中分离音源的方法

    公开(公告)号:CN110970056A

    公开(公告)日:2020-04-07

    申请号:CN201911124411.0

    申请日:2019-11-18

    Applicant: 清华大学

    Abstract: 本发明提出一种从视频中分离音源的方法。该方法由训练阶段和测试阶段两个阶段构成。该方法在训练阶段构建一个由视觉目标检测网络、声音特征提取网络和声音分离网络组成的音源分离模型,从训练数据中选取两个不同类别的视频将其音频混合,训练音源分离模型使之能够从混合音频中精确的分离出两个视频对应的原音频。在测试阶段,获取测试视频后将其输入训练完毕的音源分离模型,模型检测视频中的所有视觉目标,并从原始音频中分离出各个视觉目标对应的声音。本发明可以从目标物体级别上对音源进行分离,能够检测出视频中出现的所有目标物体并将其与分离出的对应声音进行自动匹配,建立了各视觉目标物体和分离后的声音之间的联系,应用前景广阔。

    一种线驱变刚度的多功能软体手指

    公开(公告)号:CN110625634A

    公开(公告)日:2019-12-31

    申请号:CN201911017990.9

    申请日:2019-10-24

    Applicant: 清华大学

    Abstract: 本发明公开了一种线驱变刚度的多功能软体手指,包括基座、夹具、电机、腱绳和软体手指;软体手指沿其长度方向的一侧设置有至少一个方便其弯曲的凹槽,其另一侧内部沿其长度方向开设有容纳腔,容纳腔内部装有刚度调节的介质,介质的下端与安装于基座上的夹具装配并通过填充物密封容纳腔;腱绳与安装于基座上的电机驱动配合,同时腱绳适配安装于软体手指上,电机旋转时能通过缠绕腱绳从而驱动软体手指弯曲;夹具的两端通过转轴装配于基座两端侧板的轴孔上,且夹具的下端为方便其旋转一定角度的圆弧凸面,夹具和基座之间设置有用来限制夹具的转动的扭簧。本发明的软体手指具抓取物体牢靠,抓取方式多样,简单可控,适用于空间抓取操作。

    一种面向无人机群体快速目标搜索的协同主动感知方法

    公开(公告)号:CN109947136A

    公开(公告)日:2019-06-28

    申请号:CN201910151483.8

    申请日:2019-02-28

    Applicant: 清华大学

    Abstract: 本发明公开了一种面向无人机群体快速目标搜索的协同主动感知方法,属于多无人机区域监视技术领域。包括:根据无人机群体的目标监视区域设定目标位置;将多无人机三维轨迹规划解耦为水平和垂直方向的规划问题,基于树形动态增长自组织映射算法确定多无人机协同搜索在水平方向的规划顺序,调整无人机群体的飞行高度,访问所有目标位置邻域;利用分段平滑曲线实现无人机群体的平滑闭环三维轨迹规划;结合无人机路径速度和加速度约束,利用速度剖面计算来解决多无人机协同区域主动感知的最短时间优化问题。以上过程同时进行,以此规划出的航路使得多无人机在最短时间内,尽可能多访问目标物体位置,实现协同快速目标搜索,完成主动感知任务。

    一种基于深度学习的将纹理图像转换成触觉信号的方法

    公开(公告)号:CN109559758A

    公开(公告)日:2019-04-02

    申请号:CN201811306545.X

    申请日:2018-11-05

    Applicant: 清华大学

    Abstract: 本发明涉及一种基于深度学习的将纹理图像转换成触觉信号的方法,属于人工智能、信号处理技术领域。首先学习训练纹理图像数据,得到图像的特征信息,从而对各类纹理识别分类;利用短时傅里叶算法将材质表面摩擦震动的三轴加速度信号转换成频谱图像,随后训练得到频谱生成器;将分类信息与频谱生成器结合起来,自动生成纹理图像的频谱,将频谱转换成不同类别图像的触觉信号,实现不同纹理图像到触觉信号的转换。将结果通过接入到鼠标内部的触觉反馈器传递给手掌,鼠标指针所处区域即为被测材质区域,从而使得滑动鼠标即可实时的反馈了解被测物体的材质属性。本发明的转换结果与图像纹理的真实触感相似度较高,应用场景丰富,具有极高的实用价值。

Patent Agency Ranking