-
公开(公告)号：CN118503857B
公开(公告)日：2024-09-13
申请号：CN202410923860.6
申请日：2024-07-11
Applicant: 中南大学
IPC: G06F18/2431 , H04W4/02 , G06F18/214 , G06F18/21 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明公开了一种基于域对抗学习的UWB非视距多分类识别方法及系统，其通过采集多个非视距场景下的源域环境和目标域环境CIR数据，并提取用于区分相似非视距场景的第一特征，将其共同用于对模型进行对抗训练，使得模型中的域分类器无法判断CIR数据来自于源域环境或者目标域环境、而标签预测器可以准确判断出源域环境CIR数据的非视距场景类型，实现了跨场景UWB定位网络中的非视距信号多分类识别，无论应用场景如何变化或者源域环境和目标域环境之间存在差异，仍可准确地识别出非视距信号类型，提高了模型的鲁棒性，并且结合第一特征可以准确地辨别出具有相似特征的非视距场景，提高了非视距多分类识别结果的准确性。
-
公开(公告)号：CN118503857A
公开(公告)日：2024-08-16
申请号：CN202410923860.6
申请日：2024-07-11
Applicant: 中南大学
IPC: G06F18/2431 , H04W4/02 , G06F18/214 , G06F18/21 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明公开了一种基于域对抗学习的UWB非视距多分类识别方法及系统，其通过采集多个非视距场景下的源域环境和目标域环境CIR数据，并提取用于区分相似非视距场景的第一特征，将其共同用于对模型进行对抗训练，使得模型中的域分类器无法判断CIR数据来自于源域环境或者目标域环境、而标签预测器可以准确判断出源域环境CIR数据的非视距场景类型，实现了跨场景UWB定位网络中的非视距信号多分类识别，无论应用场景如何变化或者源域环境和目标域环境之间存在差异，仍可准确地识别出非视距信号类型，提高了模型的鲁棒性，并且结合第一特征可以准确地辨别出具有相似特征的非视距场景，提高了非视距多分类识别结果的准确性。
-
公开(公告)号：CN115409817B
公开(公告)日：2024-01-26
申请号：CN202211074565.5
申请日：2022-08-30
Applicant: 中南大学
IPC: G06T7/00 , G06V10/764 , G06V10/766 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种基于YOLO的轻量高效的检测网络，网络包括采用空间通道双分离的卷积操作以降低所提取特征的冗余程度的特征提取模块、基于多尺度交叉融合结合双通道净化的特征融合模块和采用多级解耦头处理分别处理分类，定位及目标信息的结果输出模块。当应用在焊缝缺陷检测时，对于多类缺陷的平均检测精度相比当下先进的Yolo‑v5模型提升了2％，模型参数量减少了30.1％。本发明通过解决工件表面检测过程中的信息存在冗余的核心检测难点，有效的保证了检测模型在工件表面检测领域的准确性，鲁棒性及普适性。
-
公开(公告)号：CN116740004A
公开(公告)日：2023-09-12
申请号：CN202310640791.3
申请日：2023-06-01
Applicant: 中南大学
IPC: G06T7/00 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种提高缺陷检测能力的多轮多模型融合检测方法，涉及的方法包括设置初筛和精筛检测阶段，其中初筛用于前端处理，精筛用于后台处理，在初筛阶段尽可能的降低初筛难度，并保证初筛速度，同时对于所筛选出来的不合格工件图像将于后台通过多模型融合进行精筛，来精细化缺陷位置和分类。当应用于轧制板材表面缺陷检测时，在保证了检查出所有不合格工件，不存在漏检的情况下，每张图片的平均筛选时间短至0.019s，平均检测精度达到了97％。本发明通过采用多轮检测策略，在保证实时性的同时有效保证了检测精度和极大的避免了缺陷漏检现象的出现。
-
公开(公告)号：CN114776932A
公开(公告)日：2022-07-22
申请号：CN202210477273.X
申请日：2022-05-04
Applicant: 中南大学
IPC: F16L55/32 , F16L55/28 , F16L101/30
Abstract: 本发明提供了一种高空管道检测用涵道动力机器人，包括第一双轴动力模组、第二双轴动力模组构成的涵道动力系统、供控模组以及安装于第一双轴动力模组、供控模组和第二双轴动力模组之间的自变径辅助支撑机构，还包括作业单元和防护罩，可以实现管道机器人的垂直起飞和自主进入指定管道执行任务，避免了人工托举机器人进入管道带来的危险性，适用于多管径和材质管道，采用涵道动力作为管道机器人运动的动力源可以不受油污、淤积物对轮足、履带机构的影响，实现高效率检修。
-
Patent Agency Ranking
公开(公告)号：CN119946548A
公开(公告)日：2025-05-06
申请号：CN202510014588.4
申请日：2025-01-06
Applicant: 中南大学
IPC: H04W4/02 , H04W64/00 , H04B1/7163 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/088 , G06N3/09 , G06N3/092 , G06F17/14
Abstract: 本发明提供了一种基于无监督学习的单基站误差抑制与定位方法，通过深度学习网络在无标签数据下自动建模到达相位差的误差分布，无需人工标注。系统提取信号特征，利用无监督学习有效识别并校正非视距传播误差。与传统多基站方法相比，本发明仅需单基站即可在复杂室内环境中实现高精度定位。结合深度学习的特征提取能力与无监督学习的分布建模，显著降低了部署成本，并提高了定位精度和鲁棒性，特别适用于动态及多径效应显著的场景，为超宽带定位提供了创新性解决方案，具有广泛应用前景。
-
公开(公告)号：CN119879897A
公开(公告)日：2025-04-25
申请号：CN202510014453.8
申请日：2025-01-06
Applicant: 中南大学
Abstract: 本发明提供了一种基于多传感器融合的有图高效导航定位方法和系统，通过预先绘制的矢量地图，快速生成高精度栅格地图，或者直接使用已知的栅格地图用于导航，同时设计了一种动态调整过程噪声和观测噪声协方差的改进误差卡尔曼滤波算法，用于UWB/IMU的高精度融合定位。此外，结合低成本一维激光雷达进行局部路径规划与动态避障，显著提升了系统的导航精度、实时性能与鲁棒性，并有效降低了硬件成本和计算复杂度，为多传感器融合导航定位在复杂环境下的应用提供了高效可靠的解决方案。
-
公开(公告)号：CN118068367A
公开(公告)日：2024-05-24
申请号：CN202410205484.7
申请日：2024-02-26
Applicant: 中南大学
IPC: G01S17/931 , G06V20/50 , G06V10/80 , G01C21/32 , G01C21/34
Abstract: 本发明公开了一种融合优先探索和定时器机制的三维激光雷达导航方法，涉及移动机器人导航技术领域。该方法包括：首先，通过激光雷达获取原始点云扫描得到若干点云帧；其次，从若干点云帧中进行障碍物轮廓顶点提取，并对提取后的障碍物轮廓顶点进行优化，剔除冗余障碍物顶点；再次，更新障碍物顶点并注册到局部可视图中，经过局部可视图合并构建全局可视图；又次，基于全局可视图采用具有优先探索和定时器机制的路径搜索方法生成全局路径，并形成全局路径点；然后，通过全局路径点并结合局部地面区域的可通行性，对采样的离散点进行正向模拟并规划出机器人的候选路径，通过碰撞检测对候选路径进行过滤，并结合路径和角度的计算成本从中选取代价值最小的局部路径；最后，在局部路径生成后采用具有动态视距的路径跟踪方法输出最终的移动机器人转向角和线速度。与现有技术相比，本发明在未知环境下能够实现更高效地导航，具体地说减少了冗余空间探索和防止陷入局部死角，以及实现高精度的路径跟踪。
-
公开(公告)号：CN113947636B
公开(公告)日：2024-04-26
申请号：CN202111223949.4
申请日：2021-10-19
Applicant: 中南大学
IPC: G06T7/73 , G06T7/12 , G06T7/13 , G06T7/136 , G06V10/74 , G06V10/82 , G06N3/045 , G06N3/08 , G01S17/08
Abstract: 本发明公开了一种基于深度学习的激光SLAM定位系统及方法，包括：步骤1：点云预处理模块，用于地面点和平面及边缘特征提取；步骤2：激光里程计模块，将位姿分为两步优化，由地面点构成高度约束并优化特征之间的距离；步骤3：激光建图模块，由相邻帧下采样后构成局部优化，同时结合里程计位姿数据优化建图位姿数据；步骤4：回环检测模块，使用SegMatch框架中的描述符并结合孪生神经网络求解帧间相似度；步骤5：检测到回环后进行重定位，进行全局优化后得到修正后的当前位姿。基于该方法有效提高移动机器人在室内外环境下的定位精度。
-
公开(公告)号：CN117152052B
公开(公告)日：2024-02-20
申请号：CN202310643591.3
申请日：2023-06-01
Applicant: 中南大学
Abstract: 本发明公开了一种面向工业图像质量的智能反馈控制方法与系统，该系统包括以下模块：图像质量评价模块、图像处理模块、数据储存模块、计数重置模块、反馈调节模块；涉及的方法包括：对所有输入图像采用图像质量评价模块进行快速评估，若存在不合格的情况，尤其是图像中目标存在难可视/不可视，将总结图像信息并由图像处理模块和反馈调节模块进行软件和硬件优化调整。本发明以解决工业环境下极易出现的目标难可视/不可视问题而严重影响检测性能的难题，通过集成化的图像处理系统，调用软硬件进行优化的方式可灵活适应复杂多变的应用场景。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.054 seconds)
