一种用于机器人全身模仿系统的控制方法

    公开(公告)号:CN115781666A

    公开(公告)日:2023-03-14

    申请号:CN202211374939.5

    申请日:2022-11-04

    Applicant: 南京大学

    Abstract: 本发明公开了一种用于机器人全身模仿系统的控制方法。该方法包括如下步骤:步骤1,基于体感相机Kinect捕获的人体骨骼点坐标,将Kinect坐标系下人体各骨骼点坐标变换为在人体坐标系下的表示;步骤2,使用向量法求解人体关节角和各连杆向量;步骤3,建立机器人运动学模型,获得机器人的质心位置、各效应器末端的位置及其约束范围和机器人的连杆向量;步骤4,建立目标函数,迭代求解出最优解作为机器人的控制参数,最后将控制参数传递给机器人执行。本发明将机器人的模仿和平衡控制建模为最优化问题,通过实时迭代求解获得最优控制参数,从而兼顾平衡和模仿的相似性。

    一种基于高光谱的自动驾驶场景分割方法

    公开(公告)号:CN115661818A

    公开(公告)日:2023-01-31

    申请号:CN202211285162.5

    申请日:2022-10-20

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于高光谱的自动驾驶场景分割方法。该方法包括如下步骤:S1,同时采集RGB图像和高光谱图像,保证RGB图像和高光谱图像时间上同步且空间上配准;S2,分别处理RGB图像和高光谱图像,对RGB图像进行语义分割,对高光谱图像进行特征降维和材质估计;S3,以RGB图像的语义分割结果为基础,利用高光谱图像的材质估计结果优化RGB图像的语义分割结果,得到更准确和精细的场景分割结果。

    一种基于生成模型的人脸防伪方法

    公开(公告)号:CN116012956A

    公开(公告)日:2023-04-25

    申请号:CN202310015645.1

    申请日:2023-01-06

    Applicant: 南京大学

    Abstract: 本发明公开了一种基于生成模型的人脸防伪方法。其具体步骤包括:步骤1,对人脸防伪数据集进行预处理,数据集中包括对应的“0,1”标签,其中,0代表攻击图像,1代表真实图像;步骤2,搭建生成式对抗网络,该网络包括生成网络和鉴别网络,将预处理好的人脸图像输入生成网络和鉴别网络,进行训练;训练时,引入最大均值差异约束;步骤3,将一张未知是否带有攻击的人脸图像输入已经训练好的生成网络,生成网络再输入一张对应的预测真实人脸,通过计算输入人脸图像与预测真实人脸之间的差异,如果差异低于阈值,则表示输入人脸图像是真实的,如果差异超过阈值,则被判断为伪装人脸。由于本方法不用提取特征,所以泛化性和准确性更高。

Patent Agency Ranking