-
公开(公告)号：CN112558605B
公开(公告)日：2022-12-16
申请号：CN202011419778.8
申请日：2020-12-06
Applicant: 北京工业大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于纹状体结构的机器人行为学习系统及其学习方法，属于仿生学技术领域。机器人行为学习系统由感觉皮质、运动皮质、海马体、丘脑、黑质致密部、腹侧被盖区和纹状体组成，其中纹状体包括纹状小体和基质。纹状小体接收由海马体位置细胞产生的定位信息和由黑质致密部和腹侧被盖区产生的多巴胺信息，同时根据操作条件反射机制更新机器人的取向性信息。基质接收纹状小体的取向性信息，同时根据改进的ε‑greedy算法进行动作的选取。机器人与环境进行一段时间交互后可以形成行为习惯。本发明不仅给出动物习惯性行为生成的一种可能的解释，而且可以指导机器人自主行为学习。本发明的方法可应用到机器人导航、生理学、动物行为学等诸多领域。
-
公开(公告)号：CN110298440B
公开(公告)日：2021-07-23
申请号：CN201910268918.7
申请日：2019-04-04
Applicant: 北京工业大学
Abstract: 本发明公开了基于皮质柱网络波前传播的多尺度面向目标导航方法，属于仿生导航范畴，皮质柱网络属于认知地图，每个皮质柱单元包含接受奖励信息、位置信息等多种神经元。本发明以皮质柱网络为基础，利用波前传播算法进行路径规划和导航。通过网络权值STDP学习律，此系统能够计算出通向目标的最短路径，并且对环境的变化产生记忆。波前传播采用整合激发式神经元，属于非衰减导航算法，适用于多种尺度环境下的导航。在导航实验中，此方法可以在各种规模、实时变化的环境中成功导航，具有较好的实用效果。
-
Patent Agency Ranking
公开(公告)号：CN110781790A
公开(公告)日：2020-02-11
申请号：CN201910996478.7
申请日：2019-10-19
Applicant: 北京工业大学
Abstract: 本发明公开了基于卷积神经网络和VLAD的闭环检测方法，包括以下步骤：对VGG16网络进行裁剪，然后在最后一层加入基于VLAD思想的池化层NetVLAD，构建新的网络模型VGG-NetVLAD；利用含有三元组的大型数据集训练网络模型的参数；将当前查询图像输入到VGG-NetVLAD中，提取NetVLAD层的输出作为图像的特征表达；采用余弦距离作为衡量图像间相似性的标准，计算当前查询图像与其他图像的相似性得分；统计每两幅图像间的得分最终构成相似性矩阵；根据阈值大小判断产生的闭环区域，输出准确率召回率曲线。本方法考虑了图像的局部空间特性和传统人工设计的特征易受环境变化的影响，有效地提高了闭环检测的准确率和召回率，并满足了实时性要求，对构建全局一致的地图具有重要意义。
-
公开(公告)号：CN109341689A
公开(公告)日：2019-02-15
申请号：CN201811064016.3
申请日：2018-09-12
Applicant: 北京工业大学
Abstract: 本发明公开了基于深度学习的移动机器人视觉导航方法，包括：移动机器人通过自身搭载的深度摄像机在未知环境空间进行图像(彩色图像)采集，对采集到的图像进行处理得到预设尺寸的图片，用打标工具(如LabelImg)对图片进行打标，用深度学习方法对彩色图像进行训练得到目标检测模型，输入目标，机器人对未知环境进行探索并实时采集图片(包括彩色图像和深度图像)，并将彩色图作为目标检测模型的输入进行目标检测，检测到目标之后根据深度图计算机器人与目标位置的方向和距离，生成运动策略。
-
公开(公告)号：CN109375158A
公开(公告)日：2019-02-22
申请号：CN201811112794.5
申请日：2018-09-25
Applicant: 北京工业大学
Abstract: 本发明公开了基于UGO Fusion的移动机器人定位方法。为方便起见以下简称该算法为UGO Fusion定位算法。该算法基于扩展卡尔曼滤波(Extend Kalman Filter,EKF)。解决了单一定位算法精度不高，单一UWB定位算法无法准确的估计机器人朝向问题。该算法包括室内超宽带定位系统搭建模块、基于飞行时间测距模块、三边定位模块、移动机器人建立模型模块、超宽带、陀螺仪、里程计数据融合模块。物理实验结果表明，应用本发明提出的UGO Fusion定位算法有效提高了移动机器人的定位精度，同时得到移动机器人准确的偏航角。可为移动机器人的自主导航提供精确的位姿。
-
公开(公告)号：CN112558605A
公开(公告)日：2021-03-26
申请号：CN202011419778.8
申请日：2020-12-06
Applicant: 北京工业大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于纹状体结构的机器人行为学习系统及其学习方法，属于仿生学技术领域。机器人行为学习系统由感觉皮质、运动皮质、海马体、丘脑、黑质致密部、腹侧被盖区和纹状体组成，其中纹状体包括纹状小体和基质。纹状小体接收由海马体位置细胞产生的定位信息和由黑质致密部和腹侧被盖区产生的多巴胺信息，同时根据操作条件反射机制更新机器人的取向性信息。基质接收纹状小体的取向性信息，同时根据改进的ε‑greedy算法进行动作的选取。机器人与环境进行一段时间交互后可以形成行为习惯。本发明不仅给出动物习惯性行为生成的一种可能的解释，而且可以指导机器人自主行为学习。本发明的方法可应用到机器人导航、生理学、动物行为学等诸多领域。
-
公开(公告)号：CN110298440A
公开(公告)日：2019-10-01
申请号：CN201910268918.7
申请日：2019-04-04
Applicant: 北京工业大学
Abstract: 本发明公开了基于皮质柱网络波前传播的多尺度面向目标导航方法，属于仿生导航范畴，皮质柱网络属于认知地图，每个皮质柱单元包含接受奖励信息、位置信息等多种神经元。本发明以皮质柱网络为基础，利用波前传播算法进行路径规划和导航。通过网络权值STDP学习律，此系统能够计算出通向目标的最短路径，并且对环境的变化产生记忆。波前传播采用整合激发式神经元，属于非衰减导航算法，适用于多种尺度环境下的导航。在导航实验中，此方法可以在各种规模、实时变化的环境中成功导航，具有较好的实用效果。
-
-
-
-
-
-
Search Results
7
records
(took 0.021 seconds)
