-
公开(公告)号：CN118305797A
公开(公告)日：2024-07-09
申请号：CN202410530947.7
申请日：2024-04-29
Applicant: 哈尔滨理工大学
IPC: B25J9/16
Abstract: 本发明属于多自由度机器人人机交互技术领域，本发明公开了一种基于运动想象与机器视觉的机械臂控制决策方法，解决现有脑机接口技术中机械臂指令映射复杂，被试认知负担大，机械臂运动不自然等问题，具体方法为：采用区域规划机制对视觉检测的操作空间进行界定，提出一种单/双手映射关系式，建立所述左右脑幅值与机器人之间的控制关系；提出一种权重因子控制决策器，协助操作者完成抓取，且操作者也能主动参与整个过程中。本发明引入机器视觉并设计合理的控制决策方法，实现对机械臂控制指令映射、操作空间区域规划、完成权重因子α的评定，并对抓取任务进行辅助，有助于提高脑控机械臂抓取系统的性能，缓解指令映射关系复杂，被试认知负担大的情况，增强控制的鲁棒性，提高脑控机械臂的控制精度和任务性能。
-
公开(公告)号：CN116911176B
公开(公告)日：2024-04-30
申请号：CN202310832623.4
申请日：2023-07-08
Applicant: 哈尔滨理工大学
Abstract: 本发明属于轮式移动机器人感知决策领域。本发明公开了一种基于轮式移动机器人速度和振动状态的地形可通过性预测方法，解决了轮式机器人以不同指令速度通过地形时，地形可通过性程度不同的问题，具体方法为：以高度地图和指令速度做输入，机器人振动矢量和速度损失做输出，构建用于训练CNN网络的数据集；经训练得到的CNN预测模型的输出作为模糊逻辑算法的输入，综合评价地形可通过性；预测阶段，根据预测模型以及综合评价方法，以不同指令速度和局部高程地图作为输入，预测对应速度下局部地形的可通过性。本发明使机器人在执行运动规划前，提供不同速度对应不同局部地形可通过性的分布情况作为先验条件，提高了轮式机器人导航的高效性和安全性。
-
公开(公告)号：CN117315047A
公开(公告)日：2023-12-29
申请号：CN202311502258.7
申请日：2023-11-10
Applicant: 哈尔滨理工大学
Abstract: 本发明针对单目相机在低光照环境建图时图像亮度不足导致特征提取失败的问题。公开了一种基于改进图像增强与单目视觉低光照图像标定方法，所述方法包括：提出一种相机渐晕光度补偿策略，将渐晕补偿函数类比响应函数，表达为高阶多项式，设置中心点的晕影值，对渐晕效应进行非线性补偿，使图像输出亮度均匀；在传统图像增强优化函数基础上将初始亮度估计值和拟合平滑度作为约束因子，添加像素权重作为误差修正项，考虑平衡两残差项，提出一种改进的图像增强标定方法，输出校正后的图像，最后进行位姿估计。本发明能够提高单目相机在低光照环境建图时的图像亮度，从而保证单目视觉SLAM前端视觉里程计的稳定性和准确性。
-
公开(公告)号：CN117193342A
公开(公告)日：2023-12-08
申请号：CN202311206592.8
申请日：2023-09-18
Applicant: 哈尔滨理工大学
IPC: G05D1/08
Abstract: 本发明属于多足机器人遥操作技术领域。本发明公开了一种同步补偿变时延及环境端有源性的多足机器人三边遥操作控制架构及方法，解决了足机器人遥操作系统在双操作者控制时由于时延与足地滑移造成系统的不稳定性和低透明性。本发明所述的一种同步补偿变时延及环境端有源性的多足机器人三边遥操作控制架构及方法，采用双主单从的遥操作系统架构，根据跟踪误差设计了权重因子切换模块，基于波变量控制方法设计了变波阻抗补偿模块，基于时域无源控制方法设计了时变阻尼补偿模块，并将模块结合设计共享控制率。本发明能够保证遥操作系统在存在时延与有源性时的稳定性。
-
公开(公告)号：CN114066773B
公开(公告)日：2023-10-27
申请号：CN202111422235.6
申请日：2021-11-26
Applicant: 哈尔滨理工大学
IPC: G06T5/00 , G06V10/762
Abstract: 本发明公开了一种基于点云特征与蒙特卡洛扩展法的动态物体去除，解决了SLAM系统中出现动态对象的问题。该方法包括，步骤一，构建点云数据样本数据集，并构建三维的全局坐标系，初始化环境信息。步骤二，提取全局坐标系下的点云数据并计算其局部曲率、惯性张量矩阵和协方差矩阵作为点云空间分布特征。步骤三，搭载点云滤波器进行预处理，去除孤立点和边缘点。步骤四，创新性地提出了一种从中心到边缘的点云聚类算法，对预处理后的点云数据基于新设计的点云聚类算法聚类并确定对象的轮廓。步骤五，使用蒙特卡洛法对全概率公式进行改进，并递推和计算出点云粒子的影响权重，推断聚类对象状态，动态对象去除，静态对象保留。本发明有效的去除了物理环境中移动物体的动态信息，得到了一个真实的静态物理环境。
-
Patent Agency Ranking
公开(公告)号：CN115464659B
公开(公告)日：2023-10-24
申请号：CN202211218404.9
申请日：2022-10-05
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于视觉信息的深度强化学习DDPG算法的机器臂抓取控制方法，旨在解决现有技术中机械臂工作场景灵活性差，场景变动后，人工示教调试慢，效率低等技术问题。该方法首先采用卷积神经网络并融合卡尔曼滤波，对待抓取的物体进行实时检测与跟踪，并提取待抓取物体的平面3D位姿信息。设计一种基于末端执行器速度平滑约束的示教机制，解决经典DDPG网络在初始化训练初由于动作随机导致的有效数据少，算法效率低的问题；并设计基于能量约束归一化非线性奖励函数，把输入到深度强化学习网络的数据解算至相同的区间，并且对变量进行非线性的函数映射，使得网络梯度下降的时候速率更快，提高训练效率和机械臂在靠近目标物体附近时产生的抖动问题；基于仿真环境对强化学习网络进行预训练，并对待抓取物体位姿进行显示表达，使得该算法在新对象和环境中具有更强的泛化能力，将快速迁移到真实世界的机械臂上面。
-
公开(公告)号：CN115771145B
公开(公告)日：2023-09-15
申请号：CN202211506860.3
申请日：2022-11-29
Applicant: 哈尔滨理工大学
Abstract: 基于博弈论的人机协作安全控制策略是为了解决在工业场景中人和机器人处于同一工作空间时确保操作者安全的问题。本发明所述的一种基于博弈论的安全控制策略是在完全且完美信息动态博弈的条件下，通过比较距离危险度大小决定机械臂博弈的先后次序，最后通过逆向归纳法获取每个机械臂的最优策略。本发明除了能保证操作者安全外还考虑了生产效率和多机协作的问题，提高机器人在协作过程中的灵活性。
-
公开(公告)号：CN115542913B
公开(公告)日：2023-09-12
申请号：CN202211218415.7
申请日：2022-10-05
Applicant: 哈尔滨理工大学
IPC: G05D1/02
Abstract: 本发明提供了一种基于几何与物理特征地图的六足机器人容错自由步态规划方法，该方法包括以下步骤：构建，建立几何与物理特征地图；提出足端位置离散化模型；对六足机器人进行稳定状态空间求解；利用容错自由步态规划算法，将机器人步态规划问题转化为机器人位置状态的转换问题，根据机器人位置状态的转换规则、占据栅格地图信息、稳定裕度的约束求解出机器人的位置状态序列。本发明能够使六足机器人在有泥地、水坑、沙地的野外地形下规划出合理的步态，有效提高机器人在野外地形下的移动效率和稳定性。
-
公开(公告)号：CN116572249A
公开(公告)日：2023-08-11
申请号：CN202310672505.1
申请日：2023-06-07
Applicant: 哈尔滨理工大学
Abstract: 本发明属于柔性机械臂遥操作技术领域。本发明公开了一种基于三模态切换机制的柔性机械臂遥操作控制方法，解决了柔性机械臂遥操作系统在复杂环境下因环境刚度的变化造成系统的不稳定性和低透明性。本发明所述的一种基于三模态切换机制的柔性机械臂遥操作控制方法，采用单主单从的遥操作系统架构，设计了从端环境刚度估计器，根据环境刚度的大小将遥操作控制分为三种模态，设计了切换控制规则，并设计遥操作系统在三种模态下不同的控制器。本发明能够保证从端环境刚度变化时遥操作系统的稳定性以及提升系统的透明性。
-
公开(公告)号：CN116151359A
公开(公告)日：2023-05-23
申请号：CN202211507379.6
申请日：2022-11-29
Applicant: 哈尔滨理工大学
Abstract: 本发明属于足式机器人驾驶操作技术领域。本发明公开了一种基于深度神经网络的六足机器人驾驶员决策模型分层训练方法，解决六足机器人驾驶员决策经验量化建模的问题。本发明所述的一种基于深度神经网络的六足机器人驾驶员决策模型分层训练方法，采用一种功能层次清晰、便于分步调试的深度神经网络结构，并采用梯度下降法逐层对神经网络参数进行训练，以分层、逐步、反向寻优的方式得到六足机器人驾驶员决策的神经网络模型。本发明可有效提升传统神经网络对高维非线性多输入/出决策模型训练的收敛速度和模型输出结果的可解释性，用该方法得到的驾驶员决策模型可大大提升六足机器人的自主决策水平。
-
-
-
-
-
-
-
-
-
Search Results
93
records
(took 0.027 seconds)
