-
Patent Agency Ranking
公开(公告)号：CN109325979B
公开(公告)日：2021-11-02
申请号：CN201810804671.1
申请日：2018-07-20
Applicant: 上海理工大学
Abstract: 本发明公开了一种基于深度学习的机器人回环检测方法，本方法通过深度相机获取了一帧帧的图片，作为卷积神经网络的输入，从卷积神经网络的输出端获得物体的类别信息、位置信息及该类物体的数量信息，建立由常见物体组成的字典模型，字典模型中物体包含卷积神经网络输出端获得图片中的物体，采用类别、位置、总数量特征向量描述该图片并储存；根据两帧图片中出现的物体类别作为判断两张图片是否相同的特征，同时以位置信息和数量信息作为辅助特征，构建判断两帧图片相似程度的函数；根据该函数实现回环检测。本方法使用深度学习的方式实现回环检测功能，减少位姿漂移误差，实现精准定位和建图，大大减少运算量，在实时性方面表现的更加优秀。
-
公开(公告)号：CN109325979A
公开(公告)日：2019-02-12
申请号：CN201810804671.1
申请日：2018-07-20
Applicant: 上海理工大学
Abstract: 本发明公开了一种基于深度学习的机器人回环检测方法，本方法通过深度相机获取了一帧帧的图片，作为卷积神经网络的输入，从卷积神经网络的输出端获得物体的类别信息、位置信息及该类物体的数量信息，建立由常见物体组成的字典模型，字典模型中物体包含卷积神经网络输出端获得图片中的物体，采用类别、位置、总数量特征向量描述该图片并储存；根据两帧图片中出现的物体类别作为判断两张图片是否相同的特征，同时以位置信息和数量信息作为辅助特征，构建判断两帧图片相似程度的函数；根据该函数实现回环检测。本方法使用深度学习的方式实现回环检测功能，减少位姿漂移误差，实现精准定位和建图，大大减少运算量，在实时性方面表现的更加优秀。
-
公开(公告)号：CN107622283A
公开(公告)日：2018-01-23
申请号：CN201710894347.9
申请日：2017-09-28
Applicant: 上海理工大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于深度学习的增量式物体识别方法，用于对图像中的物体进行分类识别，包括如下步骤：首先将1张需要识别图像中物体的图片输入，经过旋转、平移和仿射变换后得到20张新图片；然后通过特征提取网络提取20张新图片的图像特征，得到多个特征向量V；接着根据特征值来判断图像中的物体是新类别还是模板库中已有的类别；最后当物体的类别确定后，用增量式学习方法创建和更新物体的特征模板并将其储存于模板库中。本发明解决了传统物体识别系统只能识别预先训练好的物体类别，学习速度不快，识别率不能在使用过程中提升等缺陷，提高了系统的适用性和鲁棒性。
-
公开(公告)号：CN109978003A
公开(公告)日：2019-07-05
申请号：CN201910135688.7
申请日：2019-02-21
Applicant: 上海理工大学
Abstract: 本发明公开了一种基于密集连接残差网络的图像分类方法，本方法首先对输入图片进行数据预处理，并扩充图片数据量；然后将图片输入到密集连接残差网络提取图像特征；最后将提取到的图像特征输入到Softmax分类器，得出图片分类结果。本方法克服图像分类任务中传统方法效果不好、常用的深度学习方法计算量太大、模型训练和运行对硬件设备要求太高的缺陷，通过结合残差网络和密集连接网络的优点，达到较高的识别率的同时占用较少的计算资源。
-
公开(公告)号：CN108596074A
公开(公告)日：2018-09-28
申请号：CN201810354823.2
申请日：2018-04-19
Applicant: 上海理工大学
Abstract: 本发明公开了一种基于惯性传感器的人体下肢动作识别方法。首先利用内置加速度计和陀螺仪的惯性传感器收集人体膝关节处的加速度、角速度和角度信号；然后对信号使用时间窗法，让窗口随着时间不断的截取信号片段。针对信号本身存在的噪音问题，采用小波去噪法将其去除。接下来对截取后的信号片段采用傅立叶变换并将其系数作为特征值。最后采用支持向量机(SVM)的方法进行下肢动作的模型训练和路况识别。本方法的优势在于，使用一系列预处理和特征提取算法获得更加能表现动作行为的特征值，然后使用SVM识别人体下肢动作方式和路况，该方法不但减少模型的训练时间，而且提高了模型的识别速度和准确率。
-
-
-
-
Search Results
5
records
(took 0.021 seconds)
