-
公开(公告)号：CN115131558B
公开(公告)日：2024-05-14
申请号：CN202210652631.6
申请日：2022-06-10
Applicant: 华南理工大学 , 广州现代产业技术研究院
IPC: G06V10/26 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08 , G06F16/583 , G06F16/55
Abstract: 本发明公开了一种少样本环境下的语义分割方法，该方法首先使用预训练的深度残差网络提取图像的特征，根据同目标类的图像特征的余弦相似度获取图像特征各个位置匹配得分。在此基础上，根据统计学原理修改匹配各个位置得分的统计分布。最后，利用4维卷积核对多层特征构成的关联张量进行自适应学习，输出查询图像的细粒度分割预测。该方法基于目标类的多层网络特征自适应融合的过程能够建立同目标类图像之间的语义联系，在缺少足够训练样本的情况下进行知识迁移，进而准确地分割出查询图像的语义对象，可用于密集标注样本缺乏的工业场景。
-
公开(公告)号：CN114066824B
公开(公告)日：2024-05-14
申请号：CN202111263043.5
申请日：2021-10-28
Applicant: 华南理工大学 , 广州现代产业技术研究院
Abstract: 本发明公开了一种具有动态目标检测功能的双目视觉里程计方法，该方法不仅能有效克服动态目标的影响，实现定位的同时，还能检测动态目标的位置。本发明提出了一种基于动态特征点的数量直方图和光流角度直方图检测机制，用于去除外点并获得动态点。更进一步，一种多特征融合机制被用于获得动态目标的位置和边界框。通过实验认证，该双目视觉里程计方法能提高位姿估计的准确性，检测动态环境中的移动目标。
-
公开(公告)号：CN115795283B
公开(公告)日：2023-06-16
申请号：CN202310069728.9
申请日：2023-02-07
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于迭代学习跟踪微分器的微分信号提取方法，所述迭代学习跟踪微分器被配置为：采用低带宽的低通滤波器作为基本滤波器，将基于时间维的一维跟踪微分器扩展为基于时间维和迭代维的二维跟踪微分器；输入采样信号数据，将采样信号数据按照时间序列方式存储，定义并保存至少一个完整的数据窗口，当采样信号数据的个数小于数据窗口的长度时，采用一维跟踪微分器的时域TD算法提取采样信号数据的微分，当采样信号数据的个数不小于数据窗口的长度时，扩展到二维跟踪微分器进行迭代计算；本发明具有更好的抗噪声能力和跟踪性能，实现从含噪声的信号中快速和高效地提取测量信号及其微分信号，提高微分信号的光滑性。
-
公开(公告)号：CN113485105A
公开(公告)日：2021-10-08
申请号：CN202110752838.6
申请日：2021-07-02
Applicant: 华南理工大学 , 广州现代产业技术研究院
IPC: G05B13/04
Abstract: 本发明公开了一种基于非对称输出限制的欧拉‑伯努利梁边界自适应迭代控制方法，该方法过程如下：根据欧拉‑伯努利梁的动力学特征构建欧拉‑伯努利梁系统；根据欧拉‑伯努利梁系统，基于反步技术设计虚拟控制；制定辅助系统用于补偿欧拉‑伯努利梁输入饱和特性带来的影响；设计Lyapunov函数，设计迭代项；构建合适的Lyapunov函数，根据Lyapunov稳定性原理，设计基于非对称输出限制的自适应迭代控制方法。本发明能够有效抑制欧拉‑伯努利梁的振动偏移，并且在设计过程中考虑到了系统输入饱和特性和非对称输出限制。
-
公开(公告)号：CN110544231B
公开(公告)日：2021-05-11
申请号：CN201910670494.7
申请日：2019-07-24
Applicant: 华南理工大学 , 广州现代产业技术研究院
Abstract: 本发明公开了一种基于背景标准化和集中补偿算法的锂电池电极表面缺陷检测方法，通过由照明设备、线阵摄像机、传送装置、贴标机、工控机和PLC搭建成的测量系统实现，具体实现步骤如下：用线阵摄像机获得锂电池电极表面图像；然后用背景标准化算法对电极表面图像进行预处理；接着进行缺陷粗检测，对预处理之后的电极表面图像进行自动阈值分割获取缺陷可能存在的区域；最后进行缺陷精确检测，用自动集中补偿算法对缺陷可能存在的区域进行精确检测，从而得到缺陷图像。本发明提出的锂电池电极表面缺陷检测方法能在保证锂电池电极表面缺陷检测效果的前提下，满足实际锂电池工业生产过程中的在线实时缺陷检测的要求，提高锂电池的生产效率。
-
Patent Agency Ranking
公开(公告)号：CN110673469B
公开(公告)日：2021-04-02
申请号：CN201910666898.9
申请日：2019-07-23
Applicant: 华南理工大学 , 广州现代产业技术研究院
IPC: G05B13/04
Abstract: 本发明公开了一种基于反步迭代学习的欧拉‑伯努利梁的振动控制方法，该方法过程如下：根据欧拉‑伯努利梁的动力学特征构建欧拉‑伯努利梁系统；根据欧拉‑伯努利梁系统，结合李雅普诺夫方法，构建基于反步迭代学习的振动控制方法，包括虚拟控制量设计、反步项设计及迭代项设计；验证上述欧拉‑伯努利梁系统在振动控制方法下的稳定性；利用MATLAB仿真软件对欧拉‑伯努利梁系统进行数字仿真，验证控制效果是否符合预期；若不符合，则根据仿真结果调节控制器的增益参数，使之具有较好的控制效果。本发明所提出的基于反步迭代学习的振动控制方法能够有效抑制欧拉‑伯努利梁系统的振动，使得欧拉‑伯努利梁系统工作更加稳定。
-
公开(公告)号：CN110609471B
公开(公告)日：2021-04-02
申请号：CN201910666878.1
申请日：2019-07-23
Applicant: 华南理工大学 , 广州现代产业技术研究院
IPC: G05B13/04
Abstract: 本发明公开了一种基于反步技术的海洋柔性立管系统的边界迭代控制方法，该边界迭代控制方法包括：获取海洋柔性立管系统的动力学特征，并根据动力学特征，构建海洋柔性立管系统的数学模型；根据数学模型，利用反步法，构建边界控制方法；设计正定函数，并离散化正定函数，得到离散域下的迭代项；设计Lyapunov函数，将离散域下的迭代项转换为连续时间域下的迭代项；结合边界控制方法和连续时间域下的迭代项，得到抑制海洋柔性立管系统振动的边界迭代控制方法。本发明能够实现对海洋柔性立管更准确，更稳定的跟踪与控制，迭代项的加入能进一步抑制外界周期性扰动对系统的影响。
-
公开(公告)号：CN111914832A
公开(公告)日：2020-11-10
申请号：CN202010492646.1
申请日：2020-06-03
Applicant: 华南理工大学 , 广州现代产业技术研究院
Abstract: 本发明公开了一种RGB-D相机在动态场景下的SLAM方法，使RGB-D相机有效地克服动态物体的影响，提高RGB-D相机在动态场景下的定位精度。为了实时检测动态目标上的特征点，本发明提出一种二重聚类的动态特征点检测机制；然后，同时在几何和时间维度上估计特征点是静态的可能性。在几何维度中，为当前帧的每个特征点建立静态概率来表示特征点是静态的；在时间维度中，根据所有帧而不是当前帧来判断特征点是否是静态特征点。最后，为了使RANSAC算法更适用于动态环境，本发明对传统的RANSAC算法进行改进。实验结果表明，本发明有效地提高了RGB-D相机在动态环境下的定位精度，并且可以实时地在CPU上运行。
-
公开(公告)号：CN111462123A
公开(公告)日：2020-07-28
申请号：CN202010236887.X
申请日：2020-03-30
Applicant: 华南理工大学
Abstract: 本发明公开的一种基于谱聚类的点云数据分割方法，包括以下步骤：读取输入的点云数据集合和聚类个数；对点云数据集合的坐标进行归一化处理，得到归一化坐标；通过归一化坐标，构造相似矩阵，计算Laplacian矩阵Lrw，并计算最小的m+2个特征值及其对应的特征向量f；将各个特征向量f组成的矩阵按行标准化，得到特征矩阵F；将特征矩阵F中的每一行作为一个m+2维的样本，把样本用K-means聚类的方法得到m个聚类并输出；本发明解决传统点云分割结果不够精细的同时，保持分割结果对点云数据平移、旋转和缩放的不变性，对密度不均匀的点云数据或稀疏数据同样适用。
-
公开(公告)号：CN110609471A
公开(公告)日：2019-12-24
申请号：CN201910666878.1
申请日：2019-07-23
Applicant: 华南理工大学 , 广州现代产业技术研究院
IPC: G05B13/04
Abstract: 本发明公开了一种基于反步技术的海洋柔性立管系统的边界迭代控制方法，该边界迭代控制方法包括：获取海洋柔性立管系统的动力学特征，并根据动力学特征，构建海洋柔性立管系统的数学模型；根据数学模型，利用反步法，构建边界控制方法；设计正定函数，并离散化正定函数，得到离散域下的迭代项；设计Lyapunov函数，将离散域下的迭代项转换为连续时间域下的迭代项；结合边界控制方法和连续时间域下的迭代项，得到抑制海洋柔性立管系统振动的边界迭代控制方法。本发明能够实现对海洋柔性立管更准确，更稳定的跟踪与控制，迭代项的加入能进一步抑制外界周期性扰动对系统的影响。
-
-
-
-
-
-
-
-
-
Search Results
98
records
(took 0.027 seconds)
