-
公开(公告)号：CN118816972A
公开(公告)日：2024-10-22
申请号：CN202311459236.7
申请日：2023-11-03
Applicant: 中移(上海)信息通信科技有限公司 , 上海交通大学 , 中国移动通信集团有限公司
IPC: G01D21/02
Abstract: 本发明公开了一种机器人重定位方法、装置、设备和存储介质，若某台机器人自身定位丢失时，启动异常机器人与正常机器人的信号测距，其余定位成功的正常机器人可根据测距数据实现定位失败的异常机器人的重定位工作。在重定位过程中，首先获取检测到异常机器人的至少一个正常机器人的测距范围，然后基于这一测距范围生成定位区域，能够得知异常机器人处于这一定位区域中，完成粗略定位过程；然后再将定位区域与匹配库进行定位数据匹配，得到异常机器人的位置坐标，完成精确定位过程。能够实现机器人的信息互补，协助定位失败机器人完成重定位工作，通用性高、定位准确，以及无需采集多种传感器的数据信息，不会占用大量的计算资源。
-
公开(公告)号：CN118819126A
公开(公告)日：2024-10-22
申请号：CN202311527238.5
申请日：2023-11-15
Applicant: 中移(上海)信息通信科技有限公司 , 上海交通大学 , 中国移动通信集团有限公司
Abstract: 本申请公开了一种路径规划方法、装置、处理设备、芯片及计算机可读存储介质，包括：获取第一局部地图和第二局部地图，其中，第一局部地图为第一机器人在第一区域内获得的地图，第二局部地图为第二机器人在第二区域内获得的地图，第一区域和第二区域均为待测区域的一部分，待测区域为路径规划的全部区域；获得上述第一机器人与上述第二机器人的相对位姿关系；根据该相对位姿关系对上述第一局部地图和第二局部地图进行融合，得到第一全局地图；获得该第一全局地图的边界点，根据第一全局地图的边界点构建第一边界点集合；根据第一边界点集合规划上述第一机器人和/或上述第二机器人的路径。
-
公开(公告)号：CN116958573A
公开(公告)日：2023-10-27
申请号：CN202210374484.0
申请日：2022-04-11
Applicant: 中移(上海)信息通信科技有限公司 , 上海交通大学 , 中国移动通信集团有限公司
Abstract: 本申请提供一种回环检测方法、装置及相关设备，其中方法包括获取检测场景的当前帧和多个历史帧；根据当前帧和多个历史帧，确定用于描述当前帧中物体类别的第一语义信息，以及用于描述多个历史帧中物体类别的第二语义信息；根据第一语义信息与第二语义信息，确定多个历史帧中与当前帧最相近的历史帧为目标帧；根据目标帧进行回环检测。本申请实施例提供的方法解决了回环检测的准确性较低的问题。
-
公开(公告)号：CN116945150A
公开(公告)日：2023-10-27
申请号：CN202210417042.X
申请日：2022-04-20
Applicant: 中移(上海)信息通信科技有限公司 , 上海交通大学 , 中国移动通信集团有限公司
IPC: B25J9/16
Abstract: 本发明提供一种多个机器人搬运模型的建模方法、搬运方法及装置，涉及多个机器人领域，该方法包括：获取多个机器人的位置信息；其中多个机器人通过连接杆的顶部与软布的顶点连接；在软布局部坐标系、搬运全局坐标系和机器人编队局部坐标系中根据多个机器人的位置信息和软布的第一展开形态信息构建虚拟连杆模型及求解方程；根据多个机器人的位置信息和虚拟连杆模型及求解方程在所述搬运全局坐标系和机器人编队局部坐标系中得到多个机器人搬运模型的正运动学解、多个机器人的编队信息和多个机器人搬运模型的逆运动学解。本发明中，利用软布的可变形性和正逆运动学框架实现了多个机器人平稳安全的搬运物体。
-
公开(公告)号：CN115878297A
公开(公告)日：2023-03-31
申请号：CN202110895973.6
申请日：2021-08-05
Applicant: 中移(上海)信息通信科技有限公司 , 上海交通大学 , 中国移动通信集团有限公司
Abstract: 本申请提供一种图像处理方法、装置、服务器及可读存储介质。其中，方法包括：获取在第k个周期中与N个摄像头一一对应的N个第一帧数分配权重，N为大于1的整数，k为正整数；根据N个第一帧数分配权重，确定在第k个周期中与N个摄像头一一对应的N个第一图像处理帧数；对第一摄像头在目标时间内采集的Q个图像进行图像处理；其中，第一摄像头为N个摄像头中的任一摄像头，目标时间为第k个周期中的任一个单位时间，Q为与第一摄像头对应的第一图像处理帧数。在本申请中，服务器可以依据各摄像头在各周期中的帧数分配权重，灵活调整各摄像头在各周期中的图像处理帧数，从而可以提高服务器进行图像处理的灵活性。
-
Patent Agency Ranking
公开(公告)号：CN115249247A
公开(公告)日：2022-10-28
申请号：CN202110464113.7
申请日：2021-04-26
Applicant: 中移(上海)信息通信科技有限公司 , 上海交通大学 , 中国移动通信集团有限公司
Abstract: 本发明提供了一种实例分割方法、装置、云端设备和机器人抓取系统，所述实例分割方法包括：根据目标网络架构对目标图像数据进行实例分割，得到至少两个检测结果；目标网络架构包括至少两个核心网络，且一个核心网络输出一个检测结果；在至少两个检测结果中，选取一个检测结果作为实例分割结果。本发明方案，通过单一的核心网络对单一物体种类进行识别，在增加新的物体种类时，仅在目标网络架构中单独新增核心网络，并且单独训练新增的核心网络，便可实现该新增物体种类的识别，不必将整个网络进行重新训练，操作简单，同时使核心网络之间相互解耦，方便核心网络的部署。
-
公开(公告)号：CN120067815A
公开(公告)日：2025-05-30
申请号：CN202510228206.8
申请日：2025-02-28
Applicant: 上海交通大学
IPC: G06F18/241 , G06F18/214 , G06F30/20 , G06F17/16 , G06N3/0464 , G06N3/08 , G06F119/14
Abstract: 一种基于接触域力反馈的抓取稳定性分析方法，通过在仿真环境下采用使用二指夹持器对所有采样得到的抓取位姿进行模拟抓取并生成抓取裕量矩阵作为训练集，对构建得到的神经网络进行训练；在在线阶段通过训练后的神经网络对实时计算得到的抓取裕量矩阵进行稳定性等级预测。本发明通过在仿真环境中生成大量接触域力反馈数据，结合物体质心信息构建抓取裕量矩阵，训练神经网络模型预测抓取稳定性等级。
-
公开(公告)号：CN114758176B
公开(公告)日：2025-03-18
申请号：CN202210398851.0
申请日：2022-04-15
Applicant: 上海交通大学
IPC: G06F18/2413 , G06V10/764 , G06V10/82 , G06V10/54 , G06F18/214 , G06F18/2135 , G06N3/0464 , G06N3/096 , G06Q10/0639
Abstract: 一种基于工业机器人本体信息的打磨状态在线监测方法，通过在预打磨实验时采集机器人关节电流，并在打磨完成后采集表面质量纹理；然后将关节电流时序信号转换为图像，从而生成打磨状态标签以及打磨状态分类模型数据集，并采用数据集训练打磨状态分类模型；最后在在线阶段采用训练后的打磨状态分类模型实现机器人闭环反馈控制。本发明采用卷积神经网络捕捉机器人关节电流中内蕴的时频域特征，建立了基于关节电流主成分分析的特征关节选取模型，实现了机器人打磨状态的在线监测。
-
公开(公告)号：CN115042171B
公开(公告)日：2024-11-22
申请号：CN202210619169.X
申请日：2022-06-01
Applicant: 上海交通大学
IPC: B25J9/16
Abstract: 本发明公开了一种多指欠驱动夹爪抓取数据集生成方法，涉及机器人抓取领域，包括以下步骤：建立基于前向运动学的夹爪碰撞包围盒模型，利用矩阵计算和DH参数矩阵快速获取夹爪构型，并完成场景碰撞检测；建立基于PyBullet的抓取仿真场景，采集抓取场景数据；基于碰撞包围盒模型和GWS抓取指标，建立单物体抓取候选模型，该候选模型还包括夹爪构型以及对夹爪构型的评分因素；基于场景中的模型位姿和场景碰撞检测结果，利用坐标变换，将单物体抓取候选模型变换为场景抓取候选模型，完成数据集生成。本发明基于碰撞包围盒模型，利用GPU平行计算能力封装夹爪前向运动学，提高夹爪构型计算及场景碰撞检测效率，可快速生成针对多指欠驱动夹爪大规模抓取数据集。
-
公开(公告)号：CN114516050B
公开(公告)日：2024-02-13
申请号：CN202210207511.5
申请日：2022-03-03
Applicant: 上海交通大学
IPC: B25J9/16
Abstract: 一种基于位形雅可比条件数优化的机器人外力估计方法及系统，使用基于反向传播神经网络的半参数摩擦力模型构建广义动量观测器估计机器人受到的外部作用力，通过提升机器人低关节速度下的摩擦力建模准确度，改善了观测器的外力估计精度，结合基于位形雅可比条件数的优化，得到了能有效抑制关节力矩噪声和建模误差对外力估计产生不良影响的机器人位形。满足了在不使用力/力矩传感器的条件下机器人准确感知外力的需求。
-
-
-
-
-
-
-
-
-
Search Results
161
records
(took 0.066 seconds)
