-
公开(公告)号：CN119594977A
公开(公告)日：2025-03-11
申请号：CN202411729070.0
申请日：2024-11-28
Applicant: 中国科学院自动化研究所
IPC: G01C21/20 , G01C21/34 , G06V20/10 , G06V10/44 , G06V10/74 , G06N3/0455 , G06N3/0464 , G06N3/088
Abstract: 本申请属于一种机器人导航方法，针对现有的导航或探索方法存在难以在非结构场景中建立几何地图，依赖于来自激光雷达数据的标签，容易忽略远距离特征，以及推理时间缓慢的技术问题，提供一种基于对比学习的机器人视觉导航方法及相关装置，获取当前观测后，输入至训练后的观测编码器得到对应的特征向量，再使预选的批量动作序列经过动作编码器提取出对应的特征向量，通过向量内积计算当前观测和各动作序列之间的相似度，选出相似度最高的动作序列，输入至机器人控制器中用于控制机器人执行相应动作。与直接生成动作序列的方法相比，选择一个动作序列的难度更小，拓展性和泛化性更好。
-
公开(公告)号：CN113643366B
公开(公告)日：2024-03-05
申请号：CN202110786137.4
申请日：2021-07-12
Applicant: 中国科学院自动化研究所
IPC: G06T7/73 , G06V10/25 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明提供一种多视角三维对象姿态估计方法及装置。该方法包括：获取多视角对象图像，将所述多视角对象图像输入到预设的目标检测网络模型中提取对象包围框，并基于所述对象包围框处理所述多视角对象图像，得到多视角目标图像；将所述多视角目标图像输入到预设的极线特征融合网络模型中融合多视角目标图像特征，得到相应的关节点置信图；基于所述关节点置信图确定各视角下的二维对象姿态；基于所述二维对象姿态和预设的相机参数确定三维对象姿态。采用本发明公开的方法，通过极线特征融合，提高了对自遮挡和相似结构关节点的检测准确度，可在部署少量相机时取得更准确的三维对象姿
-
公开(公告)号：CN113628272A
公开(公告)日：2021-11-09
申请号：CN202110784734.3
申请日：2021-07-12
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供一种室内定位方法、装置、电子设备及存储介质，其中方法包括：获取当前位置的WiFi信号数据和室内图像数据；将所述WiFi信号数据和所述室内图像数据输入至室内定位模型，得到所述室内定位模型输出的所述当前位置的预测位置；其中，所述室内定位模型用于分别提取所述WiFi信号数据中的信号特征和所述室内图像数据中的图像特征，并将所述信号特征和所述图像特征融合后进行定位预测。本发明提供的方法、装置、电子设备及存储介质，直接使用了WiFi信号数据和室内图像数据进行融合定位，提高了室内定位的精度和效率。
-
公开(公告)号：CN109903372B
公开(公告)日：2021-03-23
申请号：CN201910079993.9
申请日：2019-01-28
Applicant: 中国科学院自动化研究所
IPC: G06T17/00
Abstract: 本发明涉及一种深度图超分辨率补全方法及高质量三维重建方法与系统，所述方法包括：通过SRC‑Net从待补全的原始LR深度图像学习，得到HR深度图像；基于梯度敏感性检测，剔除HR深度图像中的外点，得到处理后的HR深度图像；通过SRC‑Net从HR彩色图像学习，确定法向图与边界图；对HR彩色图像做模糊度度量，得到模糊度信息；根据法向图、边界图以及模糊度信息，对HR深度图像进行优化，得到补全的HR深度图。本发明基于深度超分辨率与补全网络、梯度敏感性的外点检测与剔除算法，以及模糊度和边界约束深度图像自适应优化算法，可对原始LR深度图像进行超分辨率和补全操作，从而可得到补全的HR深度图，有助于降低室内场景三维重建的难度及提高重建的准确性。
-
公开(公告)号：CN108564616B
公开(公告)日：2020-09-01
申请号：CN201810213575.X
申请日：2018-03-15
Applicant: 中国科学院自动化研究所
IPC: G06T7/55
Abstract: 本发明涉及三维重建领域，具体提出了一种快速鲁棒的RGB‑D室内三维场景重建方法，旨在解决解决室内三维场景重建效率不能满足需求的问题，本发明方法包括：采用RGB‑D相机实时扫描室内场景；基于点线融合相机跟踪算法进行相机实时跟踪；通过检测相机状态对相机轨迹进行约减；利用约减后的相机轨迹信息对RGB‑D图像进行多尺度体数据融合，生成完整的场景三维模型。本发明能够高效、准确地得到完整室内场景模型，系统具有良好的鲁棒性和扩展性。
-
Patent Agency Ranking
公开(公告)号：CN110956665A
公开(公告)日：2020-04-03
申请号：CN201911307058.X
申请日：2019-12-18
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于多传感器融合定位导航技术领域，具体涉及了一种车辆拐弯轨迹双向计算方法、系统、装置，旨在解决现有技术车辆拐弯之前轨迹计算精度较低的问题。本发明包括：获取图片特征点、传感器量测值，存储并更新滑动窗口；进行系统初始化；当新图像加入滑动窗口，优化传感器位姿等参数直到车辆拐弯；当新图像加入滑动窗口，优化传感器位姿和偏移等参数直到加速度计偏移估计值收敛；当新图像加入滑动窗口优化所有参数；开辟反向计算线程，从当前位置开始，按照时间从后向前的顺序计算拐弯之前的轨迹。本发明通过正向线程多次进行拐弯后轨迹优化，并开辟反向线程计算拐弯前轨迹，可以获取拐弯前后高精度轨迹，并可实现无GPS下的准确定位导航。
-
公开(公告)号：CN108629793A
公开(公告)日：2018-10-09
申请号：CN201810239278.2
申请日：2018-03-22
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及多传感器时间标定算法领域，具体涉及一种使用在线时间标定的视觉惯性测程法与设备，目的在于提高相机位姿计算的精度。本发明的视觉惯性测程法包括：将相机图片的时间戳与IMU的时间系统粗略对齐，并把相机和IMU的数据作为输入；把由相机数据和IMU数据分别计算出的相机姿态最接近的时间延迟作为相机时间延迟的初步估计值；采用带有时间延迟参数的IMU误差项表示方法，在IMU的预积分结果中添加与时间延迟有关的修正项，将其作为非线性优化的参数，实现时间延迟的精确标定。本方法对时间延迟的标定比现有的方法更准确，对于未经硬件同步的设备，在设备快速转弯和突然停止的时候有更好的性能。
-
公开(公告)号：CN101398392A
公开(公告)日：2009-04-01
申请号：CN200710122473.9
申请日：2007-09-26
Applicant: 中国科学院自动化研究所
IPC: G01N21/95
Abstract: 本发明一种基于色调、饱和度、灰度HSI颜色空间的棉花杂质高速实时检测方法：对采集棉花图像信息进行图像格式转换，获得HSI图像并进行操作判别学习训练过程和杂质检测过程；对棉花图像信息和背景图像信息进行联合自学习；对棉花杂质信息进行识别，输出棉花真正杂质点定位结果。采用三维查找表3D－LUT技术，快速获得HSI图像；利用自学习过程获得的参数进行杂质的识别，并且利用彩色运动补偿技术，对杂质点进行再次认证。本发明可以在10ms内完成80线棉流图像的采集、图像格式转换、杂质的检测和定位等全部过程。在棉流速度18m/s，杂质大小为2×2mm2的情况下，杂质识别正确率可达到95.4％。
-
公开(公告)号：CN111080699B
公开(公告)日：2023-10-20
申请号：CN201911277617.7
申请日：2019-12-11
Applicant: 中国科学院自动化研究所
IPC: G06T7/73 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及图像处理技术领域，具体涉及一种基于深度学习的单目视觉里程计方法及系统。为了解决现有技术确定机器人的位置和姿态精度较低的问题，本发明提出一种基于深度学习的单目视觉里程计方法，包括基于单目相机所获取的多个运动图像，通过预设的图像特征提取模型，获取所述运动图像的运动特征信息；基于所述运动特征信息，通过预设的位姿估计模型，获取所述单目相机的位姿信息。本发明的方法为了使网络输出位姿的结果更精确，同时提高网络的泛化性能，采用多任务学习的方式，在估计位姿的同时预测相邻帧的光流，从而辅助主任务的学习。相比其他基于深度学习的单目里程计方法，本申请的方法具有更高的精度。
-
公开(公告)号：CN110956665B
公开(公告)日：2023-06-23
申请号：CN201911307058.X
申请日：2019-12-18
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于多传感器融合定位导航技术领域，具体涉及了一种车辆拐弯轨迹双向计算方法、系统、装置，旨在解决现有技术车辆拐弯之前轨迹计算精度较低的问题。本发明包括：获取图片特征点、传感器量测值，存储并更新滑动窗口；进行系统初始化；当新图像加入滑动窗口，优化传感器位姿等参数直到车辆拐弯；当新图像加入滑动窗口，优化传感器位姿和偏移等参数直到加速度计偏移估计值收敛；当新图像加入滑动窗口优化所有参数；开辟反向计算线程，从当前位置开始，按照时间从后向前的顺序计算拐弯之前的轨迹。本发明通过正向线程多次进行拐弯后轨迹优化，并开辟反向线程计算拐弯前轨迹，可以获取拐弯前后高精度轨迹，并可实现无GPS下的准确定位导航。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.036 seconds)
