-
公开(公告)号：CN114985768B
公开(公告)日：2024-02-09
申请号：CN202210650202.5
申请日：2022-06-10
Applicant: 南京师范大学
IPC: B22F10/85 , B22F10/366 , B22F10/25 , B33Y10/00 , B33Y50/02
Abstract: 本发明公开了一种基于图论结构和视觉实时检测的增材路径规划方法，包括：根据逐层分解的层厚参数，对金属结构件的三维STL模型进行逐层分解；根据轮廓点采集间隔，对三维STL模型进行轮廓点信息采集；提出一种融合了温度权重的轮廓点信息矩阵；计算轮廓点之间的信息差；获取轮廓点信息差值矩阵，计算绝对路径长度并选取最优路径；根据选取的最优路径控制激光发射器对金属材料进行增材；实时检测激光熔覆熔池的实际位置，与选择的最优路径对比形成闭环反馈，最终完成金属结构件的增材。本发明融合了金属结构件物理形状信息和增材温度信息，通过图论结构遍历所有可能的增材路径后选取最优增材路径，使金属增材效率更高、耗材更少。
-
公开(公告)号：CN112232240B
公开(公告)日：2024-08-27
申请号：CN202011129588.2
申请日：2020-10-21
Applicant: 南京师范大学
IPC: G06V20/40 , G06V20/52 , G06V10/25 , G06V10/44 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于优化交并比函数的道路抛洒物检测与识别方法，包括如下步骤：搭建基于优化交并比函数的道路抛洒物检测与识别模型；采集道路交通监控视频并进行分帧处理生成道路抛洒物数据集，对训练集图像进行标注，生成标签文件；将训练集全部图像和标签文件输入道路抛洒物检测与识别模型中进行训练，得到训练好的模型；将测试集图像输入训练好的道路抛洒物检测与识别模型进行检测识别，输出对于道路抛洒物的检测识别结果。本发明能够在复杂道路交通背景下对道路抛洒物进行检测和识别，能够输出道路抛洒物位置信息、类别信息以及大致形状特征，对于小目标有较好的检测识别效果，检测速度快、识别精度高。
-
公开(公告)号：CN114819559A
公开(公告)日：2022-07-29
申请号：CN202210383348.8
申请日：2022-04-13
Applicant: 南京师范大学 , 南京中科煜宸激光技术有限公司
Abstract: 本发明公开了一种复杂结构件增减材制造工序规划方法，包括：将复杂结构件的全部空心腔体进行实心化；确定实心化后的复杂实心结构件的特征分割位置，确定整体分割方案，并且对特征分割位置进行调整、合并，得到最优工序规划；将复杂结构件中所含的全部空心腔体划分为空心柱体和空心球体两种，进行特征分割，确定空心腔体分割方案，实现空心腔体的工序预规划；得到复杂结构件的完整分割方案；得到含有空心腔体的复杂结构件的最优化的增减材制造工序规划方案。本发明可以实现含有空心腔体的复杂结构件最优化的增减材制造工序规划，解决了增减材制造复杂空心结构件中的复杂工序问题，具有在保证高精度的要求下提高效率和加工质量的优点。
-
公开(公告)号：CN111951303A
公开(公告)日：2020-11-17
申请号：CN202010806613.X
申请日：2020-08-12
Applicant: 南京师范大学
Abstract: 本发明公开了一种机器人运动姿态视觉估计方法。涉及机器人与机器视觉的技术领域，包括：采集动态环境中的连续视频图像，选取其中两张采集的图像，检测关键点，计算关键点特征值，检测并保存特征点位置；对原始图像进行分割，获取并保存图像中动态物体所在像素区域的位置；对比保存特征点信息的图像和保存分割结果的图像，剔除保存特征点信息的图像中分布在动态物体所在像素区域的位置的特征点；使用剔除优化后剩余的特征点在相邻图像间进行特征匹配，计算在相邻图像间机器人的位姿运动，输出机器人运动位姿估计。本发明具有位姿估计准确率高、计算量小、抗背景环境干扰能力强的优点。
-
公开(公告)号：CN114758276A
公开(公告)日：2022-07-15
申请号：CN202210382930.2
申请日：2022-04-13
Applicant: 南京师范大学 , 南京中科煜宸激光技术有限公司
Abstract: 本发明公开了一种基于复合连接超网络的金属增减材制造熔池检测方法，包括：采集熔池动态视频，获得清晰的熔池检测图像，进行数据预处理；将预处理后的熔池检测图像制成数据集，并记为源数据集，进行数据划分；搭建新型复合连接的超网络，获得熔池图像检测网络模型；将源数据集输入构建的熔池图像检测网络模型，分别对熔池图像检测网络模型进行训练、验证、测试；通过训练好的熔池图像检测网络模型实现对于熔池图像的实时检测。本发明利用超网络编码器‑解码器方法进行熔池形态特征的检测，解决了目前熔池检测识别系统运行时间长，准确率不高，系统的稳定性不好等问题，并且具有很高的泛化特性，可应用于多种熔池检测平台，应用前景广泛。
-
Patent Agency Ranking
公开(公告)号：CN113041578A
公开(公告)日：2021-06-29
申请号：CN202110205841.6
申请日：2021-02-24
Applicant: 南京师范大学
Abstract: 本发明公开了一种基于形态特征和单目测量的机器人自主捡球方法，包括：采集羽毛球和球场彩色图像信息，得到羽毛球及球场彩色图像信息；对得到的羽毛球及球场彩色图像信息进行数据处理，获得映射关系；利用搭建和训练好的特征提取网络寻找得到目标羽毛球质心的像素点位置，根据获得的映射关系得到目标羽毛球的位置信息；获取目标羽毛球和机器人的实际相对位置，完成机器人的运动路径规划；控制机器人完成对羽毛球的拾取操作。本发明充分考虑了羽毛球的特征和单目摄像头的局限和特点，设计了单目摄像头的测距方法和适用于羽毛球的卷积神经网络，实现了机器人对于目标羽毛球的自动识别和拾取，提升了羽毛球的拾取效率和自动化性能。
-
公开(公告)号：CN111950451B
公开(公告)日：2024-11-22
申请号：CN202010806204.X
申请日：2020-08-12
Applicant: 南京师范大学
IPC: G06V20/40 , G06V10/764 , G06V10/774 , G06V10/82 , G06T3/4007 , G06T3/4046 , G06N3/0464
Abstract: 本发明公开了一种基于多尺度预测CNN及龙芯芯片的多类别目标识别方法，包括：将目标图像输入到搭建好的多尺度背景预测卷积神经网络，输出分类结果；将分类结果为物体的候选框，去除重复的候选框；对多尺度背景预测卷积神经网络充分训练，得到训练好的多尺度背景预测卷积神经网络；视觉摄像头采集视频文件，并且统一尺寸大小；将训练好的多尺度背景预测卷积神经网络模型移植到基于龙芯芯片的嵌入式系统中完成对多类别目标的识别。本发明充分考虑了目标识别快速准确的特点，设计了多尺度背景预测卷积神经网络，利用多尺度网络模型来对多类别目标进行识别，提高了对于多类别目标的识别准确率和速度，并且具有很高的可移植性，应用前景广泛。
-
公开(公告)号：CN114985768A
公开(公告)日：2022-09-02
申请号：CN202210650202.5
申请日：2022-06-10
Applicant: 南京师范大学
IPC: B22F10/85 , B22F10/366 , B22F10/25 , B33Y10/00 , B33Y50/02
Abstract: 本发明公开了一种基于图论结构和视觉实时检测的增材路径规划方法，包括：根据逐层分解的层厚参数，对金属结构件的三维STL模型进行逐层分解；根据轮廓点采集间隔，对三维STL模型进行轮廓点信息采集；提出一种融合了温度权重的轮廓点信息矩阵；计算轮廓点之间的信息差；获取轮廓点信息差值矩阵，计算绝对路径长度并选取最优路径；根据选取的最优路径控制激光发射器对金属材料进行增材；实时检测激光熔覆熔池的实际位置，与选择的最优路径对比形成闭环反馈，最终完成金属结构件的增材。本发明融合了金属结构件物理形状信息和增材温度信息，通过图论结构遍历所有可能的增材路径后选取最优增材路径，使金属增材效率更高、耗材更少。
-
公开(公告)号：CN114692326A
公开(公告)日：2022-07-01
申请号：CN202210137820.X
申请日：2022-02-15
Applicant: 南京师范大学
IPC: G06F30/17 , G06F30/20 , G06F113/10
Abstract: 本发明公开了一种基于不规则体素化的复杂零件曲面分层切片方法，包括：输入复杂金属零件的STL模型，提取模型的底面三角面片信息，根据底面三角面片信息生成基底切片曲面，将生成的基底切片曲面作为参考曲面；对参考曲面进行非等距偏移，获取到切片曲面；对切片曲面进行不规则的栅格划分，再结合切片曲面当前所在层的层厚实现不规则的体素化，形成不规则体素模型；利用布尔运算，将不规则体素模型与复杂金属零件快速求交，形成复杂金属零件的各分层曲面；编写曲面切片软件，进行曲面切片，保存多层曲面切片数据文件。本发明可实现复杂金属零件模型的快速、自由曲面切片，具有在保证高精度的要求下提高切片效率和成形效率的优点。
-
公开(公告)号：CN113041578B
公开(公告)日：2022-02-11
申请号：CN202110205841.6
申请日：2021-02-24
Applicant: 南京师范大学
Abstract: 本发明公开了一种基于形态特征和单目测量的机器人自主捡球方法，包括：采集羽毛球和球场彩色图像信息，得到羽毛球及球场彩色图像信息；对得到的羽毛球及球场彩色图像信息进行数据处理，获得映射关系；利用搭建和训练好的特征提取网络寻找得到目标羽毛球质心的像素点位置，根据获得的映射关系得到目标羽毛球的位置信息；获取目标羽毛球和机器人的实际相对位置，完成机器人的运动路径规划；控制机器人完成对羽毛球的拾取操作。本发明充分考虑了羽毛球的特征和单目摄像头的局限和特点，设计了单目摄像头的测距方法和适用于羽毛球的卷积神经网络，实现了机器人对于目标羽毛球的自动识别和拾取，提升了羽毛球的拾取效率和自动化性能。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.017 seconds)
