-
公开(公告)号：CN118849012A
公开(公告)日：2024-10-29
申请号：CN202411233464.7
申请日：2024-09-04
Applicant: 北京计算机技术及应用研究所
IPC: B25J11/00
Abstract: 本发明涉及一种类人型门岗值守机器人系统，属于机器人领域。本发明的机器人系统包括：侦察载荷、强光载荷、机械臂、气体探测载荷、腰部转台和轮式底盘。本发明可通过侦察载荷实现重要目标24小时值守，对人员车辆目标检测、目标跟踪以及目标异常行为分析；通过气体探测载荷实现对汽油、酒精等化学气体探测；通过强光载荷发现危险发出强光警告；通过机械臂实现人机交互，做出拒止、通行、打招呼等手势。
-
公开(公告)号：CN119692411A
公开(公告)日：2025-03-25
申请号：CN202411679953.5
申请日：2024-11-22
Applicant: 北京计算机技术及应用研究所
IPC: G06N3/08 , G06F18/214 , G06N3/045 , G06V10/82 , G06V10/764 , G06V10/74 , G06N5/04
Abstract: 本发明涉及一种提升多模态模型细颗粒度判别能力的微调优化方法，属于人工智能领域。本发明通过对微调阶段的图像编码器通道引入ArcFace的角度边界辅助损失来优化图像和文本的联合表示学习。该方法包括预训练和微调两个阶段，预训练阶段使用在大规模图像‑文本对数据集上进行训练，微调阶段则基于特定领域数据集通过固定文本分支的全部参数和图像分支的多数参数，并在图像分支结合辅助损失函数调整模型参数，从而实现多模态模型对特定细颗粒场景判别能力的优化提升。
-
公开(公告)号：CN119672037A
公开(公告)日：2025-03-21
申请号：CN202411621275.7
申请日：2024-11-14
Applicant: 北京计算机技术及应用研究所
IPC: G06T7/10 , G06F3/0484 , G06N3/08
Abstract: 本发明涉及一种支持连续点击交互式的图像分割自动标注方法和电子设备，属于数据标注与人工智能领域。本发明将待标注图像数据输入自动标注系统；用户判断是否开始新的图像标注任务；若开始新的图像标注任务，系统获取用户连续鼠标点击交互信息；若待标注图像未在系统中出现过，系统调用后端支持连续点击交互式的图像分割模型计算得到图像特征向量，自动标注系统通过图像特征向量之间关联度计算得到待标注图像分割结果，之后系统返回自动标注结果；为保证标注质量，标注者通过对自动标注标系统所得到的结果进行审核，确认标注结果并完成标注。本发明能提高数据标注时间效率；减少人工成本开销；扩大标注数据量，高效驱动更多下游人工智能模型。
-
公开(公告)号：CN118329034B
公开(公告)日：2024-10-01
申请号：CN202410385471.2
申请日：2024-04-01
Applicant: 北京计算机技术及应用研究所
IPC: G01C21/20
Abstract: 本发明涉及一种多机器人围堵方法，属于机器人技术领域。本发明的指控系统通过下发目标点并选择参与该任务的机器人，调用最短路算法计算各个机器人到目标的最短路径并下发给机器人，机器人即可沿着最短路径朝目标行进；通过计算几何知识截取路径并计算围堵点，使得各个机器人到达各自围堵点对目标进行围捕处置；根据路径和围堵点计算行驶路线长度，进而计算各个机器人的速度，使得所有机器人同时到达各自围堵点。本发明不需要实时建图，进而优化了时间复杂度；本发明采用的集中式软件独立于机器人本身，不因某一机器人的损坏影响围堵任务的进行，容错性较好。
-
公开(公告)号：CN118329034A
公开(公告)日：2024-07-12
申请号：CN202410385471.2
申请日：2024-04-01
Applicant: 北京计算机技术及应用研究所
IPC: G01C21/20
Abstract: 本发明涉及一种多机器人围堵方法，属于机器人技术领域。本发明的指控系统通过下发目标点并选择参与该任务的机器人，调用最短路算法计算各个机器人到目标的最短路径并下发给机器人，机器人即可沿着最短路径朝目标行进；通过计算几何知识截取路径并计算围堵点，使得各个机器人到达各自围堵点对目标进行围捕处置；根据路径和围堵点计算行驶路线长度，进而计算各个机器人的速度，使得所有机器人同时到达各自围堵点。本发明不需要实时建图，进而优化了时间复杂度；本发明采用的集中式软件独立于机器人本身，不因某一机器人的损坏影响围堵任务的进行，容错性较好。
-
Patent Agency Ranking
公开(公告)号：CN118313610A
公开(公告)日：2024-07-09
申请号：CN202410482864.5
申请日：2024-04-22
Applicant: 北京计算机技术及应用研究所
IPC: G06Q10/0631 , G06Q10/10 , G06N3/006
Abstract: 本发明涉及一种基于贪心算法的无人机序列目标分配方法，属于无人机技术领域。本发明从矩阵M1n×m中选择最小值m1kl，将目标l分配给无人机k，表示目标l在无人机k的任务序列中；将矩阵M1n×m的第k行设置为等于矩阵M2m×m的第l行；再对M1n×m的第k行的每个元素加上s＝M1n×m[k][l]；然后对矩阵M1n×m的第l列赋值为∞；重复上述步骤，直到所有目标均被分配完成。本发明采用基于贪心算法的无人机序列目标分配方法，相比于传统的枚举法和新兴的强化学习算法，本算法的精度和速度都具有明显优势，能够更好地适应无人机领域的实时性和准确性要求。
-
公开(公告)号：CN119780942A
公开(公告)日：2025-04-08
申请号：CN202510041891.3
申请日：2025-01-10
Applicant: 北京计算机技术及应用研究所
Abstract: 本发明涉及一种基于lidar和imu的即时定位方法，属于智能机器人和自动驾驶领域。本发明通过数据采集模块获得lidar数据和imu数据，并输入到即时定位程序中；在数据优化模块中利用imu数据对lidar扫描数据中的点云进行运动畸变矫正；使用自适应数据关联模块矫正lidar数据；将lidar数据的预测状态和imu数据的预测状态输入到扩展卡尔曼滤波优化模型中进行优化处理，获得优化后的结果；将优化后的结果进行位姿估计，获得位姿结果信息。本发明提高了程序的可维护性和灵活性；减少了程序中数据误差的传播；减少了程序在不同类型环境中进行参数调整的工作量。
-
公开(公告)号：CN119670832A
公开(公告)日：2025-03-21
申请号：CN202411621205.1
申请日：2024-11-14
Applicant: 北京计算机技术及应用研究所
IPC: G06N3/08 , G06F18/213 , G06F18/214 , G06N20/20 , G06N20/00 , G06F21/62 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及一种通信受限条件下的边云协同训练方法，属于边云协同领域。本发明融合了联邦学习和分割学习两种分布式机器学习算法，解决了传统的联邦学习因边缘设备算力限制而造成的无法训练或训练过慢的问题，能够充分利用边缘设备和云端设备的算力资源。同时模型分割后，通过对边缘设备侧特征提取器获取的中间层特征进行1bit量化操作和加噪声处理，缓解了边云协同训练时易造成的数据隐私安全问题。边缘设备侧的特征提取器无需在训练过程中进行参数更新，因此不需要进行边云之间多轮梯度的交换传输，且中间层特征经过量化操作后特征大小被极大压缩，这些都减小了边云协同训练时的通信占用，适用于通信受限的场景。
-
公开(公告)号：CN118313610B
公开(公告)日：2024-12-27
申请号：CN202410482864.5
申请日：2024-04-22
Applicant: 北京计算机技术及应用研究所
IPC: G06Q10/0631 , G06Q10/10 , G06N3/006
Abstract: 本发明涉及一种基于贪心算法的无人机序列目标分配方法，属于无人机技术领域。本发明从矩阵M1n×m中选择最小值m1kl，将目标l分配给无人机k，表示目标l在无人机k的任务序列中；将矩阵M1n×m的第k行设置为等于矩阵M2m×m的第l行；再对M1n×m的第k行的每个元素加上s＝M1n×m[k][l]；然后对矩阵M1n×m的第l列赋值为∞；重复上述步骤，直到所有目标均被分配完成。本发明采用基于贪心算法的无人机序列目标分配方法，相比于传统的枚举法和新兴的强化学习算法，本算法的精度和速度都具有明显优势，能够更好地适应无人机领域的实时性和准确性要求。
-
公开(公告)号：CN118506001A
公开(公告)日：2024-08-16
申请号：CN202410670553.1
申请日：2024-05-28
Applicant: 北京计算机技术及应用研究所
IPC: G06V10/26 , G06V10/20 , G06V10/32 , G06T7/13 , G06T7/136 , G06V10/25 , G06V20/17 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及一种基于U‑Net和轮廓近似算法的遥感图像分割方法，属于遥感图像分割领域。本发明获取原始图像，并进行预处理操作；预处理操作包括图像的重新尺寸定义、归一化和标准化；使用训练数据集对图像分割模型U‑Net进行训练，将预处理后的图像输入训练好的图像分割模型U‑Net，进行初步推理得到分割图像；获取分割图像中的目标并进行后处理操作，得到最终图像，其中，后处理操作包括二值处理、轮廓检测和最小外包矩形框生成。本发明能清晰地表示图像中大棚的边界，更加突出目标所在区域。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.057 seconds)
