公开(公告)号：CN117901126A

公开(公告)日：2024-04-19

申请号：CN202311373787.1

申请日：2023-10-23

Applicant: 北京工业大学

Inventor： 马楠 ,  于乃功 ,  黄高 ,  肖传胜 ,  韩义恒 ,  汪墨涵 ,  王阳 ,  郭聪

IPC: B25J11/00 ,  B25J9/16 ,  B25J13/08 ,  B25J19/02

Abstract: 本发明提供一种仿人机器人动态感知方法及计算系统，针对仿人机器人的室内外复杂环境下的环境感知中现有技术中存在室内外环境感知精度低以及路径复杂场景下导航路径规划无法满足仿人机器人的运动学约束的问题，设计了一种仿人机器人环境感知计算单元的设计方案，并基于此感知计算单元设计一套可用于仿人机器人室内外复杂环境下的同步定位建图与导航方案。利用本方法可以实现高精度高效率的仿人机器人多模态传感器获取复杂环境感知数据，从而为仿人机器人执行任务提供基本保障。

公开(公告)号：CN118169420A

公开(公告)日：2024-06-11

申请号：CN202410278738.8

申请日：2024-03-12

Applicant: 北京工业大学

Inventor： 马楠 ,  李尚远 ,  梁晔 ,  韩义恒 ,  郭聪

IPC: G01P3/38 ,  G06V20/58 ,  G06V10/82 ,  G06T7/70 ,  G06V10/52 ,  G06V10/764 ,  G06V10/80

Abstract: 本发明提供一种仿人机器人动态障碍物测速方法，包括获取实时的RGB图像和深度信息，还包括以下步骤：使用动态障碍物检测网络检测动态障碍物；进行障碍物目标跟踪；测定障碍物的速度；障碍物实时可视化与障碍物数据存储。本发明提出了一种仿人机器人动态障碍物测速方法，解决了现有障碍物检测和跟踪解决方案存在的特定环境适应性不足、对动态障碍物处理不足、速度测定精度问题和响应速度不足问题。实现了对多变室内外环境中动态障碍物的高效、准确检测与快速跟踪，提供了精确的速度信息，从而显著提高了仿人机器人的自主性和安全性。

公开(公告)号：CN117670955A

公开(公告)日：2024-03-08

申请号：CN202311670013.5

申请日：2023-12-07

Applicant: 北京工业大学

Inventor： 马楠 ,  汪墨涵 ,  韩义恒 ,  肖传胜 ,  许根宝

IPC: G06T7/33 ,  G06T7/73 ,  G06V10/75

Abstract: 本发明提供一种应用于双足仿人机器人的跨模态点云精配准方法，包括获取参考点云和待配准点云并提取超点 和匹配点 对匹配点根据超点进行维罗尼分解，构建局部点集 构建基于几何位置编码的注意力机制模块，计算超点 的混合特征并以此进行超点 之间的匹配，获得超点对应关系进行局部点集内局部密集点间的匹配，获得全局密集点对应求解点关联度计算得到的和的变换关系根据局部点集 约束建立匹配点 精配准点对关系根据候选匹配的置信度矩阵wij加权计算最优变换；进行精配准优化，得到最终配准变换矩阵

公开(公告)号：CN119850915A

公开(公告)日：2025-04-18

申请号：CN202411919309.0

申请日：2024-12-25

Applicant: 北京工业大学

Inventor： 马楠 ,  郭嘉程 ,  韩义恒 ,  许根宝 ,  张亦盈

IPC: G06V10/25 ,  G06V10/44 ,  G06V10/42 ,  G06V10/80 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种基于超图关联的跨模态3D目标检测方法，包括获取点云数据L和图像数据C，还包括以下步骤：选取关键区域；构建局部全局特征超图；传播局部全局超图；对齐多尺度高质量特征；回归尺度间超图。本发明提出了一种基于超图关联的跨模态3D目标检测方法，用于提取场景的多粒度语义信息，并探索关键区域之间高阶语义内容的表示，对尺度间跨模态关键区域进行超图构建，通过基于关键区域对物体高阶语义内容的隐式表示，直接回归三维空间中物体的相关属性，提高了三维物体检测的准确率。

公开(公告)号：CN119273924A

公开(公告)日：2025-01-07

申请号：CN202411498494.0

申请日：2024-10-25

Applicant: 北京工业大学

Inventor： 马楠 ,  刘志杰 ,  韩义恒 ,  杨雅珏 ,  梁晔 ,  黄晋 ,  郭嘉程

IPC: G06V10/26 ,  G06V20/10 ,  G06V20/70 ,  G06V10/42 ,  G06V10/82 ,  G06V10/44 ,  G06V10/80

Abstract: 本发明提供一种基于多尺度非对称卷积的实时激光雷达语义分割方法，包括获取Range图像数据，还包括以下步骤：提取局部细节特征；提取全局特征；提取多尺度特征；进行辅助分割；通过多函数监督策略训练神经网络模型。本发明提出了一种基于多尺度非对称卷积的实时激光雷达语义分割方法，通过球面投影将激光雷达点云语义分割任务转化为2D Range图像分割任务，在特征提取方面，舍弃了现有方法惯用的骨干特征网络，通过少量卷积层和精心设计的参数量仅0.04M的多尺度特征提取模块代替。

公开(公告)号：CN118298193A

公开(公告)日：2024-07-05

申请号：CN202410396861.X

申请日：2024-04-03

Applicant: 北京工业大学

Inventor： 马楠 ,  梁晔 ,  韩义恒 ,  郭聪

IPC: G06V10/46 ,  G06V10/762 ,  G06V10/774 ,  G06V10/72

Abstract: 本发明提供一种基于空间近邻的局部特征编码方法，包括选取图像构建训练集，还包括以下步骤：对训练集提取局部特征描述子，得到局部特征描述子的集合Y；对Y进行聚类，得到视觉词字典集合B；对测试图像I提取局部特征描述子；对所述测试图像I中的N个局部特征描述子通过视觉词字典B进行编码；基于空间近邻的编码优化。本发明提出了一种基于空间近邻的局部特征编码方法，通过局部特征的空间近邻区域的视觉词编码选出共性的视觉词，并加大局部特征的视觉词编码中共性视觉词的编码权重，从而保证空间相近的局部特征的视觉词编码具有一致性。