-
公开(公告)号：CN116630901B
公开(公告)日：2023-09-22
申请号：CN202310905815.3
申请日：2023-07-24
Applicant: 南京师范大学
Abstract: 本发明公开了一种基于潜在图预测无监督学习框架的视觉里程计方法，首先获取当前作业环境的RGB图像，并进行预处理，获得预处理后图像；然后进行改进的潜在图预测处理，通过潜在图预测模型处理后，进行潜在图预测损失优化，得到潜在图预测后图像；再进行图像分层，并逐层执行数据增强和伪标签算法处理，最后通过区域增长算法剔除动态目标的类点云信息，实现潜在图预测无监督学习框架下的视觉里程计。通过在潜在图预测时进行损失优化，对重合节点的嵌入进行了有效度量，通过对图像进行分层后再进行伪标签算法处理，采用了轻量化的分层聚类，使得该算法的抗环境干扰能力强得到了强化，鲁棒性得到了提升，可针对不用目标进行有效精准识别分割。
-
公开(公告)号：CN116520849A
公开(公告)日：2023-08-01
申请号：CN202310626073.0
申请日：2023-05-30
Applicant: 南京师范大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于双层数据结构的机器人实时最优轨迹规划方法，包括：获取机器人周围环境信息，提取障碍物边缘特征点并转化为一组封闭的多边形，连接可见性边形成局部可视图；对动态障碍物直接消除可见性边缘并重新连接可见性边缘再合并到全局层，并找到起点到终点的最短路径；同时分解横、纵向运动轨迹并对轨迹进行建模，将得到的最短路径转化为时间参数化轨迹，利用代价函数选择合适的控制点并计算各个轨迹的成本，获取局部最优轨迹，并以此作为局部层；检验局部最优轨迹的合理性，通过全局层获取到全局最优轨迹。本发明能够实现移动机器人在未知环境下找到最优行驶轨迹，具有实时性良好、低成本运算、运行效率高的优点。
-
公开(公告)号：CN115984558A
公开(公告)日：2023-04-18
申请号：CN202211683146.1
申请日：2022-12-27
Applicant: 南京师范大学
Abstract: 本发明公开了一种遮挡环境下的目标分割补全及识别方法，包括：采集遮挡环境下的两张连续视频序列图像，将图像从RGB空间转换到YCbCr颜色空间，提取Y分量进行归一化处理；进行均值聚类分割，获得两张遮挡环境下的分割图像；进行边缘提取与边缘跟踪，通过改进插值算法实现采摘目标的轮廓重建，再根据两张遮挡环境下轮廓重建的分割图像计算生成拟合矩形框；进行相对准确率的计算，对遮挡修复图像进行识别，获得遮挡环境下的采摘目标分割补全及识别图像。本发明为遮挡环境下的采摘目标分割补全及识别提供了一种有效方法，并且创新性地使用一种改进的插值算法对采摘目标进行轮廓补全，具有实用性强、轮廓补全精确度高、抗背景环境干扰能力强的优点。
-
Patent Agency Ranking
公开(公告)号：CN116911331A
公开(公告)日：2023-10-20
申请号：CN202310809395.9
申请日：2023-07-04
Applicant: 南京师范大学 , 南京三万物联网科技有限公司
Abstract: 本发明公开了一种基于改进自适应阈值分割的AprilTag码识别及解码方法，包括如下步骤：采集含有AprilTag的场景图像；对采集的场景图像进行光度变化处理；对光度变化处理后的场景图像进行改进的自适应阈值分割；通过union‑find算法对处理后的场景图像进行连通域查找；对查找连通域后的场景图像进行四边形检测与单应变换；对场景图像进行编码解码，且将得到的代码与编码库中的代码进行匹配，实现AprilTag码的识别解码。本发明可以能够在大光度条件下，减少噪点，减少了大光度变化对AprilTag识别精度的影响，实现更高精准度识别解码AprilTag。
-
公开(公告)号：CN116079749A
公开(公告)日：2023-05-09
申请号：CN202310369994.3
申请日：2023-04-10
Applicant: 南京师范大学
IPC: B25J9/16 , G06V20/50 , G06V10/762 , G06V10/26 , G06V10/80 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种基于聚类分离条件随机场的机器人视觉避障方法及机器人，所述方法包括：利用深度双目相机采集机器人行驶过程中遇到的障碍物图像，提取特征图；基于特征图生成所有候选框，并进行提取和过滤；在过滤后的候选框中选择正负样本，计算目标物的真实权重，将过滤后的候选框映射到同一个尺寸固定的特征图上，将映射后的特征图输入全连接层，对图像进行目标检测识别；基于识别出的目标，利用融合聚类分离的条件随机场进行边缘分割；基于边缘分割结果确定障碍物的位置，根据得到的障碍物位置和深度双目相机测得的深度信息进行避障。本发明能够有效提高障碍物检测识别和边缘分割的精度和效率，改善机器人避障的效果。
-
公开(公告)号：CN119853021A
公开(公告)日：2025-04-18
申请号：CN202510318637.3
申请日：2025-03-18
Applicant: 南京师范大学
IPC: H02J3/00 , G06F18/10 , G06F18/15 , G06F18/23 , G06N3/006 , G06F18/214 , G06F18/25 , G06N3/045 , G06N3/0895 , G06Q50/06
Abstract: 本发明公开了一种半监督学习下的寒潮天气光伏发电预测方法，包括以下步骤:（1）获取光伏电站历史发电数据及同期气象数据，基于温度骤降特征定义寒潮判别标准；（2）采用Grubbs检验检测并剔除异常值，通过分段三次Hermite插值法补全缺失数据，构建寒潮小样本数据集；（3）利用SMOTE算法对寒潮小样本进行数据扩充，结合K‑medoids聚类筛选高置信度样本，使用标注数据训练初始化CNN‑LSTM模型；（4）采用鲸鱼优化算法WOA优化CNN‑LSTM模型参数，最终输出光伏出力预测结果并进行误差验证；本发明对于新能源功率预测、电网调度等领域的技术研究具有重要意义。
-
公开(公告)号：CN116630901A
公开(公告)日：2023-08-22
申请号：CN202310905815.3
申请日：2023-07-24
Applicant: 南京师范大学
Abstract: 本发明公开了一种基于潜在图预测无监督学习框架的视觉里程计方法，首先获取当前作业环境的RGB图像，并进行预处理，获得预处理后图像；然后进行改进的潜在图预测处理，通过潜在图预测模型处理后，进行潜在图预测损失优化，得到潜在图预测后图像；再进行图像分层，并逐层执行数据增强和伪标签算法处理，最后通过区域增长算法剔除动态目标的类点云信息，实现潜在图预测无监督学习框架下的视觉里程计。通过在潜在图预测时进行损失优化，对重合节点的嵌入进行了有效度量，通过对图像进行分层后再进行伪标签算法处理，采用了轻量化的分层聚类，使得该算法的抗环境干扰能力强得到了强化，鲁棒性得到了提升，可针对不用目标进行有效精准识别分割。
-
公开(公告)号：CN116079749B
公开(公告)日：2023-06-20
申请号：CN202310369994.3
申请日：2023-04-10
Applicant: 南京师范大学
IPC: B25J9/16 , G06V20/50 , G06V10/762 , G06V10/26 , G06V10/80 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种基于聚类分离条件随机场的机器人视觉避障方法及机器人，所述方法包括：利用深度双目相机采集机器人行驶过程中遇到的障碍物图像，提取特征图；基于特征图生成所有候选框，并进行提取和过滤；在过滤后的候选框中选择正负样本，计算目标物的真实权重，将过滤后的候选框映射到同一个尺寸固定的特征图上，将映射后的特征图输入全连接层，对图像进行目标检测识别；基于识别出的目标，利用融合聚类分离的条件随机场进行边缘分割；基于边缘分割结果确定障碍物的位置，根据得到的障碍物位置和深度双目相机测得的深度信息进行避障。本发明能够有效提高障碍物检测识别和边缘分割的精度和效率，改善机器人避障的效果。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.037 seconds)
