-
Patent Agency Ranking
公开(公告)号：CN104835173A
公开(公告)日：2015-08-12
申请号：CN201510263245.8
申请日：2015-05-21
Applicant: 东南大学
CPC classification number: G06T7/73 , G06K9/4633 , G06T7/60 , G06T7/80 , G06T2207/20061
Abstract: 本发明公开了一种基于机器视觉的AGV定位方法。本发明首先通过设计定位数字标签将环境数字化，车载视觉系统获取包含标签的图像。然后运用一定的算法对图像进行处理并识别出标签的位置、内容与偏转角度，最终通过标定相机的距离关系表与相关坐标变换将其转化为小车在环境中的位置与姿态信息，实现小车在环境中的定位。不同于其他基于机器视觉的AGV定位方法，本方法识别过程运算量小，定位精度与速度都可以满足AGV导航要求。
-
公开(公告)号：CN106020202A
公开(公告)日：2016-10-12
申请号：CN201610561137.3
申请日：2016-07-15
Applicant: 东南大学
IPC: G05D1/02
CPC classification number: G05D1/0221
Abstract: 本发明公开了一种基于卡尔曼滤波的模糊PID控制方法，首先对AGV视觉定位系统获取到的AGV位姿信息进行卡尔曼滤波处理；然后使用模糊PID控制对卡尔曼滤波处理后的AGV位姿信息进行控制。不同于其他控制方案，本方法结合卡尔曼滤波与模糊PID控制器，既能提高AGV控制系统的性能与稳定性，又可以降低识别误差对系统的影响。
-
公开(公告)号：CN104835173B
公开(公告)日：2018-04-24
申请号：CN201510263245.8
申请日：2015-05-21
Applicant: 东南大学
Abstract: 本发明公开了一种基于机器视觉的AGV定位方法。本发明首先通过设计定位数字标签将环境数字化，车载视觉系统获取包含标签的图像。然后运用一定的算法对图像进行处理并识别出标签的位置、内容与偏转角度，最终通过标定相机的距离关系表与相关坐标变换将其转化为小车在环境中的位置与姿态信息，实现小车在环境中的定位。不同于其他基于机器视觉的AGV定位方法，本方法识别过程运算量小，定位精度与速度都可以满足AGV导航要求。
-
公开(公告)号：CN104715254B
公开(公告)日：2017-10-10
申请号：CN201510117991.6
申请日：2015-03-17
Applicant: 东南大学
Abstract: 本发明公开了一种基于2D和3D SIFT特征融合的一般物体识别方法。为了提高一般物体识别的识别正确率，本发明在尺度不变特征变换(Scale Invariant Feature Transform,SIFT)即2D SIFT的基础上，提出了基于点云模型的3D SIFT特征描述子，进而提出一种基于2D和3D SIFT特征融合的一般物体识别算法。步骤如下：(1)分别提取物体2维图像和3维点云的2D和3D SIFT特征描述子；(2)利用BoW(Bag of Words)模型得到物体特征向量；(3)根据特征级融合将两个特征向量进行融合实现物体描述；(4)运用有监督分类器支持向量机(Support Vector Machine,SVM)实现分类识别，给出最终识别结果。
-
公开(公告)号：CN104715254A
公开(公告)日：2015-06-17
申请号：CN201510117991.6
申请日：2015-03-17
Applicant: 东南大学
Abstract: 本发明公开了一种基于2D和3D SIFT特征融合的一般物体识别方法。为了提高一般物体识别的识别正确率，本发明在尺度不变特征变换(Scale Invariant Feature Transform,SIFT)即2D SIFT的基础上，提出了基于点云模型的3D SIFT特征描述子，进而提出一种基于2D和3D SIFT特征融合的一般物体识别算法。步骤如下：(1)分别提取物体2维图像和3维点云的2D和3D SIFT特征描述子；(2)利用BoW(Bag of Words)模型得到物体特征向量；(3)根据特征级融合将两个特征向量进行融合实现物体描述；(4)运用有监督分类器支持向量机(Support Vector Machine,SVM)实现分类识别，给出最终识别结果。
-
-
-
-
Search Results
5
records
(took 0.018 seconds)
