-
公开(公告)号：CN114170280B
公开(公告)日：2023-11-28
申请号：CN202111498627.0
申请日：2021-12-09
Applicant: 北京能创科技有限公司 , 中国科学院自动化研究所
Abstract: 本发明属于服务机器人技术领域，具体涉及一种基于双窗口的激光里程计方法、系统、装置，旨在解决现有帧图匹配与平滑相结合的激光里程计方法效率较低的问题。本发明方法包括：获取原始三维点云数据；提取特征，并构建第一特征集；构建第1帧的第一环境特征集；构建第二特征集、第二环境特征集；计算候选关联特征，进而确定出最佳关联特征；构建并求解位姿优化函数，更新激光雷达传感器当前帧坐标系到世界坐标系的位姿；利用第一特征集更新第一环境特征集；构建并求解内部小窗口中的关键帧的多帧位姿优化函数，更新内部小窗口中的所有关键帧的坐标系到世界坐标系的位姿。本发明提高了帧图匹配与平滑相结合的激光里程计方法的效率。(56)对比文件刘子明 等.可变高度激光里程计在室内不平整地面环境下的地图构建《.宁波大学学报（理工版）》.2020,第33卷(第4期),17-22.庞帆 等.激光雷达惯导耦合的里程计与建图方法《.计算机应用研究》.2021,第38卷(第7期),2188-2193,2199.杜学禹 等.一种基于ST-EKF的惯性／里程计滑动窗口滤波技术《.导航与控制》.2021,第20卷(第3期),26-33.
-
公开(公告)号：CN116958889A
公开(公告)日：2023-10-27
申请号：CN202310919191.0
申请日：2023-07-25
Applicant: 北京能创科技有限公司 , 中国科学院自动化研究所
IPC: G06V20/50 , G06V20/70 , G06V10/774 , G06V10/764 , G06N3/0895
Abstract: 本发明属于计算机视觉领域，具体涉及一种基于伪标签的半监督小样本目标检测方法，旨在解决在新类目标物体的标注样本有限的情况下新类样本缺乏类内变化，从而影响小样本目标检测性能的问题。本方法包括：通过视觉传感器获取待检测场景的图像，作为第一图像；第一图像送入训练好的基于伪标签的半监督小样本目标检测网络中的学生网络，得到待检测场景图像对应的目标检测的结果；基于伪标签的半监督小样本目标检测网络包括TFA网络、教师网络、学生网络；TFA网络、教师网络、学生网络的网络结构相同。本发明能够有效提升小样本目标检测网络对新类物体的适应性，为机器人在家庭服务、办公等领域下的小样本目标检测提供技术支持。
-
公开(公告)号：CN113269831B
公开(公告)日：2021-11-16
申请号：CN202110548049.0
申请日：2021-05-19
Applicant: 北京能创科技有限公司 , 中国科学院自动化研究所
Abstract: 本发明属于服务机器人技术领域，具体涉及一种基于场景坐标回归网络的视觉重定位方法、系统、装置，旨在解决基于场景坐标回归网络的视觉重定位方法难以适应大的相机视角变化的问题。本发明方法包括：获取服务机器人周围环境的原始彩色图像；构建第一坐标图、第二坐标图及距离图；通过特征提取得到源特征图；对源特征图进行特征变换；将变换后的特征图与源特征图相加，并通过回归器回归得到3D坐标图和不确定性图；获取2D像素坐标图，并基于不确定性图对3D坐标图和2D像素坐标图进行过滤；通过PnP算法获取服务机器人的位姿，实现服务机器人的视觉重定位。本发明提高了基于场景坐标回归网络的视觉重定位方法对大的相机视角变化的鲁棒性。
-
公开(公告)号：CN112305554A
公开(公告)日：2021-02-02
申请号：CN202011323411.6
申请日：2020-11-23
Applicant: 中国科学院自动化研究所 , 北京能创科技有限公司
Abstract: 本发明属于服务机器人技术领域，具体涉及一种基于有向几何点和稀疏帧的激光里程计方法、系统、装置，旨在解决激光里程计方法中帧图匹配效率较低的问题。本发明方法包括：获取周围环境在激光雷达传感器当前帧坐标系下的原始三维点云数据；构建第一有向几何点集、第一环境有向几何点集；将第一有向几何点集、第一环境有向几何点集转换到世界坐标系中，得到第二有向几何点集、第二环境有向几何点集；计算第二有向几何点集中的点在第二环境有向几何点集中的候选关联点，并确定出最佳关联点；构建位姿优化函数，并求解得到激光雷达传感器当前帧坐标系到世界坐标系的优化后位姿；更新稀疏帧的有向几何点集。本发明提高了帧图匹配的效率。
-
公开(公告)号：CN118505790B
公开(公告)日：2025-02-07
申请号：CN202410435783.X
申请日：2024-04-11
Applicant: 中国科学院自动化研究所 , 北京能创科技有限公司
IPC: G06T7/70 , G06T1/00 , G06V10/80 , G06V10/762 , G06V10/771 , G06V10/82 , G06V10/42
Abstract: 本发明提供一种机器人位置识别方法、装置、电子设备及存储介质，属于人工智能技术领域，包括：利用包括局部特征提取器和带有聚类指导注意力模块的全局特征聚合器的全局特征提取模型，获取机器人拍摄图像对应的查询全局特征向量和环境地图中各个参考图像对应的参考全局特征向量，并根据向量之间的相似度确定位置识别结果。本发明通过局部特征提取器提取局部特征以获得特征图，通过带有聚类指导注意力模块的全局特征聚合器聚合特征图中的局部特征得到全局特征，并基于此进行机器人位置识别，使得全局特征提取模型更加关注与场景相关的稳定区域，减弱异常局部特征的干扰，提高图像全局特征对于环境条件变化的适应性，有效提升机器人位置识别的性能。
-
Patent Agency Ranking
公开(公告)号：CN118505790A
公开(公告)日：2024-08-16
申请号：CN202410435783.X
申请日：2024-04-11
Applicant: 中国科学院自动化研究所 , 北京能创科技有限公司
IPC: G06T7/70 , G06T1/00 , G06V10/80 , G06V10/762 , G06V10/771 , G06V10/82 , G06V10/42
Abstract: 本发明提供一种机器人位置识别方法、装置、电子设备及存储介质，属于人工智能技术领域，包括：利用包括局部特征提取器和带有聚类指导注意力模块的全局特征聚合器的全局特征提取模型，获取机器人拍摄图像对应的查询全局特征向量和环境地图中各个参考图像对应的参考全局特征向量，并根据向量之间的相似度确定位置识别结果。本发明通过局部特征提取器提取局部特征以获得特征图，通过带有聚类指导注意力模块的全局特征聚合器聚合特征图中的局部特征得到全局特征，并基于此进行机器人位置识别，使得全局特征提取模型更加关注与场景相关的稳定区域，减弱异常局部特征的干扰，提高图像全局特征对于环境条件变化的适应性，有效提升机器人位置识别的性能。
-
公开(公告)号：CN115273052A
公开(公告)日：2022-11-01
申请号：CN202210917159.4
申请日：2022-08-01
Applicant: 北京能创科技有限公司 , 中国科学院自动化研究所
Abstract: 本发明属于机器视觉测量技术领域，具体涉及一种液位计的计量信息读取方法、系统、装置，旨在解决现有的液位计的计量信息读取方法对光照、液位计表面整洁程度变化的适应性较差，导致读取的计量信息准确度较低的问题。本方法包括：获取仅包含液位计的RGB图像；获取RGB图像对应的灰度图像作为第二图像；对第二图像进行自适应二值化及图像腐蚀处理；对第一图像进行颜色空间转换处理，得到第四图像；对第四图像进行掩码处理得到计量掩码；结合计量掩码中的非零值元素得到第二坐标集合，对第二坐标集合中的坐标进行曲线拟合得到第一直线；获取液位计当前计量的横坐标长度；获取液位计的计量信息。本发明提升了液位计的计量信息读取方法的质量。
-
公开(公告)号：CN111882610A
公开(公告)日：2020-11-03
申请号：CN202010682937.7
申请日：2020-07-15
Applicant: 中国科学院自动化研究所 , 北京能创科技有限公司
Abstract: 本发明属于服务机器人技术领域，具体涉及一种基于椭圆锥人工势场的服务机器人抓取目标物体的方法、系统、装置，旨在解决抓取方法难以有效的搬移任意朝向的阻碍物体，导致抓取质量较差的问题。本发明方法包括：获取周围环境的彩色图像及原始点云数据；获取目标物体的包围框，并将其对应的点云数据作为第一点云数据，剩余的作为第一环境点云数据；对第一点云数据、第一环境点云数据进行转换；拟合目标物体所在平面的平面方程；获取障碍物体的尺寸、位置及朝向信息；获取目标物体的尺寸、位置及朝向信息；构建最小椭圆包络；若可以直接抓取目标物体，则抓取，否则先对阻碍物体进行搬移而后完成对目标物体的抓取。本发明提高了服务机器人的抓取质量。
-
公开(公告)号：CN115761372A
公开(公告)日：2023-03-07
申请号：CN202211523604.5
申请日：2022-11-30
Applicant: 北京能创科技有限公司 , 中国科学院自动化研究所
IPC: G06V10/764 , G06V10/774 , G06V10/77 , G06N3/08 , G06N3/0464
Abstract: 本发明属于计算机视觉领域，具体涉及一种基于两分支骨干网络的小样本目标检测方法、系统、装置，旨在解决现有两阶段微调的方法中特征提取骨干网络难以较好地提取新类目标的特征，从而影响小样本目标检测性能的问题。本方法包括：获取待检测场景的图像，作为第一图像；提取所述第一图像的卷积特征，并构建特征金字塔，作为所述第一图像对应的第二特征金字塔；将所述第一图像对应的第二特征金字塔输入训练好的基于两分支骨干网络的小样本目标检测网络中的定位分类网络，获取目标检测结果，实现小样本目标检测。本发明可以有效地提取新类目标的特征，从而提升小样本目标检测性能，为小样本目标物体的检测提供技术支持。
-
公开(公告)号：CN113538598A
公开(公告)日：2021-10-22
申请号：CN202110822943.2
申请日：2021-07-21
Applicant: 北京能创科技有限公司 , 中国科学院自动化研究所
IPC: G06T7/80
Abstract: 本发明属于服务机器人技术领域，具体涉及一种主动立体视觉系统标定方法，旨在解决主动立体视觉系统中各相机的光心偏离对应的旋转轴情况下难以实现高质量标定的问题。本方法包括获取第一图像、第二图像、第三图像、第四图像、第五图像、第六图像；获取主动立体视觉系统的各相机旋转前后的相对位姿；获取各相机的旋转轴对应的旋转向量；结合各相机的旋转轴对应的旋转向量以及旋转角度，获取各相机的旋转轴在对应的预定义的初始位置坐标系中的位姿；获取第一相机和第二相机在初始位置时的相对位姿，进而得到第一相机的旋转轴和第二相机的旋转轴之间的相对位姿；在线更新主动立体视觉系统的外参。本发明提升了主动立体视觉系统的标定质量。
-
-
-
-
-
-
-
-
-
Search Results
102
records
(took 0.089 seconds)
