-
公开(公告)号：CN117358652A
公开(公告)日：2024-01-09
申请号：CN202311450099.0
申请日：2023-11-02
Applicant: 苏州大学
IPC: B08B3/02 , B08B13/00 , H02G1/02 , B64U10/40 , B64U101/29
Abstract: 本发明公开了一种绝缘子串清洁装置及飞行机器人清洁系统，涉及电力工程技术领域，绝缘子串清洁装置包括两件清洗环、支撑组件以及驱动组件，清洗环为半圆环状，且半圆环状内侧开设有多个出液孔，清洗环内腔中空，且清洗环的一侧开设有进液孔，清洗环的内腔、出液孔以及进液孔连通；两件清洗环对称设置，且两件清洗环能够闭合为完整圆环状；支撑组件与清洗环连接；驱动组件驱动两件清洗环移动远离或移动闭合为完整圆环状；其中，支撑组件用于与输电塔固定连接，两件清洗环闭合为完整圆环状时环设在绝缘子串外周。所述绝缘子串飞行机器人清洁系统包括绝缘子串清洁装置和扑翼飞行机器人。本发明具有绝缘子串清洁操作简单，提高了工作效率的效果。
-
公开(公告)号：CN116821361A
公开(公告)日：2023-09-29
申请号：CN202310697331.4
申请日：2023-06-13
Applicant: 苏州大学
IPC: G06F16/36 , G06V40/16 , G06F16/903 , G06F18/213 , G06F18/23213 , G06N3/0464 , G06N3/045 , G06N3/042 , G06N3/08 , G06N5/04 , G06F18/24 , G06F18/214
Abstract: 本发明涉及人机交互技术领域，提出了一种面向人机交互的社交知识图谱推理更新方法及装置，包括：以人物为节点，社交关系为边构建基础社交知识库，基于所述人物的社交属性特征得到社交知识图谱；建立交互问答机制网络和性格模型；采集社交对象的交互信息，若所述社交对象的身份信息存在于社交知识库中，输出所述社交对象的社交知识；若不存在，则调用交互问答机制网络和性格模型，实现社交知识库的推理更新。本发明根据知识图谱的社交知识聚类，既可刻画微观社交对象，又可以描绘宏观社交图谱的大型知识网络，可以有效推理和更新社交知识图谱。
-
公开(公告)号：CN116188849A
公开(公告)日：2023-05-30
申请号：CN202310052292.2
申请日：2023-02-02
Applicant: 苏州大学
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06V10/40 , G06N3/08 , G06V10/766 , G06V10/22 , G06N3/0464
Abstract: 本发明提供一种基于轻量化网络的目标识别方法、系统及扫地机器人，方法包括：采集室内实际环境下不同物体的图片数据集，对图片进行标定，并将数据集划分为训练集、验证集以及测试集；基于YOLOv4‑tiny网络结构，建立包含特征提取主干网络、混合通道注意力机制模块和解耦头模块的轻量化网络模型；利用训练集和验证集对所述轻量化网络模型进行训练，保存损失函数收敛时的模型权重；加载保存的模型权重，利用训练后的轻量化网络模型对室内物体进行识别；根据识别结果对扫地机器人的运动路径进行规划。本发明训练出了泛化能力更强，识别精度更高的轻量化网络模型，提高了对小物体的检测精度，在大幅提升检测精度的同时保证了较高的实时性。
-
公开(公告)号：CN116012601A
公开(公告)日：2023-04-25
申请号：CN202310055827.1
申请日：2023-01-16
Applicant: 苏州大学
IPC: G06V10/44 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明涉及一种YOLO_SR系统、用于扫地机器人的目标检测方法及装置，方法包括：步骤S1：获取扫地机器人实时捕捉的图像；步骤S2：将所述图像输入构建的YOLO_SR系统，通过所述YOLO_SR系统识别出图像中的各类目标障碍，以使扫地机器人规避各类目标障碍。本发明通过对YOLO_SR系统进行改进，不仅提高了扫地机器人的特征提取能力，还能提高多尺度目标物体的检测能力，实验证明本发明将YOLO_SR系统应用于扫地机器人上避障效果较好且通用性较强。
-
公开(公告)号：CN113485375B
公开(公告)日：2023-03-24
申请号：CN202110929934.3
申请日：2021-08-13
Applicant: 苏州大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于启发式偏置采样的室内环境机器人探索方法，其包括：A、初始化；B、进行定位和建图；C、利用所述两棵快速生长随机树进行边界点的提取，记为RRT边界点；在所述先验区域内通过偏置采样快速搜索随机树算法提取边界点，记为房间边界点；剔除RRT边界点和房间边界点中的无效边界点；D、机器人优先选择收益值最大的房间边界点作为目标点进行探索，并在所有房间边界点探索完成后优先选择收益值最大的RRT边界点作为目标点进行探索；E、引导机器人向目标点导航并更新地图；F、当先验区域内检测不到边界点时，销毁先验区域；G、循环步骤A‑F，直至完成整个环境探索。本发明可有效减少探索过程中的回溯现象，提升探索效率。
-
Patent Agency Ranking
公开(公告)号：CN115476362A
公开(公告)日：2022-12-16
申请号：CN202211236891.1
申请日：2022-10-10
Applicant: 苏州大学
IPC: B25J9/16
Abstract: 本公开提供一种移动操作机器人定位引导方法，其包括：S102、获得环境数据信息；S104、将激光雷达所获取的环境数据信息进行采样处理优化，构建出大场景的全局栅格地图，并存储在服务器中；S106、根据当前时刻激光雷达采集到的移动底盘在此时刻的点云数据，利用服务器中的全局栅格地图进行移动底盘的位姿信息的特征匹配，实现移动底盘的全局定位；S108、优化从起始点到待操作点的移动操作机器人的移动底盘的轨迹；S110、根据优化后的轨迹，控制移动操作机器人的移动底盘运动至待操作点；以及S112、利用视觉机构对大场景进行扫描，得到大场景的点云数据；通过视觉机构所获得的大场景的点云数据识别待操作对象，并控制机械臂对待操作对象进行操作。
-
公开(公告)号：CN114821556A
公开(公告)日：2022-07-29
申请号：CN202210411831.2
申请日：2022-04-19
Applicant: 苏州大学
Abstract: 本发明公开了一种基于Faster R‑CNN的药盒检测方法、介质、电子设备及系统，该方法包括：S1、将Faster R‑CNN网络模型中的特征提取层替换为新的特征提取网络得到改进后的Faster R‑CNN网络模型；S2、对数据集中药盒图片进行标定；S3、利用标定后的数据集对改进后的Faster R‑CNN网络模型进行训练；S4、利用训练好的Faster R‑CNN网络模型对药盒进行检测。本发明通过将Faster R‑CNN网络模型中的特征提取层替换为新的特征提取网络，新的特征提取网络采用深度可分离卷积，以及带线性瓶颈结构的反向残差结构，在保证模型准确率的前提下，解决了模型训练过程中梯度消失、占用内存大的问题，有效提升了模型的实时性，使得本发明的药盒检测方法具有占用内存小、检测时效性好、检测准确率高的优点。
-
公开(公告)号：CN111397598B
公开(公告)日：2022-02-01
申请号：CN202010301450.X
申请日：2020-04-16
Applicant: 苏州大学
Abstract: 本发明涉及一种人机共融环境中的移动型机器人路径规划采样方法及系统,包括：计算地图中的点到最近障碍物的距离，同时，对环境中的行人进行检测，并标记环境中行人的位置；选择起点位置作为根节点，初始化搜索树；在可行区域随机选取候选节点,计算搜索树上节点到所述候选节点的累计成本，选取成本最小的点作为生长点；对所述生长点和所述候选节点之间的连线作碰撞检测，判断碰撞检测是否通过；将所述候选节点连接到所述生长点上，判断所述候选节点是否为终点；从所述搜索树上获取从根节点到终点之间的节点连线集合，形成最终路径。本发明有利于形成更为安全可靠的路径。
-
公开(公告)号：CN113837029A
公开(公告)日：2021-12-24
申请号：CN202111038431.3
申请日：2021-09-06
Applicant: 苏州大学
Abstract: 本发明公开了一种物体识别方法、系统、终端设备及存储介质，其物体识别方法包括：S1、采集室内真实环境下不同物体的图片数据集，对图片进行标定，并划分训练集和测试集；S2、将YOLOv4_tiny网络模型主干网络中部分卷积层替换成逆残差层，并在YOLOv4_tiny网络模型主干网络末端加入SPP层，得到改进的轻量化网络模型；S3、利用训练集和测试集对改进的轻量化网络模型进行训练和测试，得到训练后的轻量化网络模型；S4、利用训练后的轻量化网络模型对室内物体进行识别。本发明在几乎不增加模型计算量和参数存储量的前提下显著提高了目标检测精度，提升了多尺度目标、尤其是小目标的检测性能。
-
公开(公告)号：CN113485373A
公开(公告)日：2021-10-08
申请号：CN202110926163.2
申请日：2021-08-12
Applicant: 苏州大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于高斯混合模型的机器人实时运动规划方法，包括：S1、提供一张环境地图，使用高斯混合模型获取环境地图中的环境结构特征，并实时提取机器人的节点位姿信息；S2、使用角速度通道和距离融合对机器人节点进行特征初步提取，获得初始特征点集，并更新特征地图；S3、再次使用距离融合对初始特征点集进行进一步提取，获得最终特征点集；S4、使用欧式距离对环境地图更新，得到最终特征地图，完成实时特征提取；S5、在所述最终特征地图中找到机器人起点和终点对应的特征编号，根据所述最终特征点集得到特征矩阵和行人矩阵，并形成特征点的特征搜索树，输出启发式路径。本发明具有导航成功率高、效率高、占用资源少的优点。
-
-
-
-
-
-
-
-
-
Search Results
75
records
(took 0.02 seconds)
