一种基于多模态数据融合的光照条件自适应土壤湿度估计方法

    公开(公告)号:CN119513523A

    公开(公告)日:2025-02-25

    申请号:CN202411522766.6

    申请日:2024-10-29

    Abstract: 本发明涉及机器人地形感知领域,提出了一种基于多模态数据融合的光照条件自适应土壤湿度估计方法。首先,提出了一种最佳曝光时间计算方法,用于构建多模态土壤湿度数据集。其次,通过SS‑GAN算法去除土壤图像阴影,并结合环境信息改进通道注意力机制ECA和标准卷积层,嵌入ResNet‑50作为网络主干,设计了适应不同光照条件的土壤湿度估计子模型。然后,使用改进的损失函数对各子模型进行训练,使其适应特定光照条件。最后提出了一种子模型融合与切换方法,经过灰度值映射生成土壤湿度估计图。本发明通过改进的神经网络模型进行多模态数据融合,并设计子模型的融合与切换算法,能够提高机器人在复杂光照条件下的土壤湿度估计精度,从而提升地形感知能力。

    一种基于深度学习算法的轮式移动机器人滑转率预测方法

    公开(公告)号:CN119537767A

    公开(公告)日:2025-02-28

    申请号:CN202411599499.2

    申请日:2024-11-08

    Abstract: 本发明属于轮式移动机器人状态估计领域,本发明公开了一种基于深度学习的轮式移动机器人滑转率预测方法,解决了传感器实时测量无法提前预测和轮地交互复杂性导致预测精度不足的问题。具体方法为:首先,构建轮式移动机器人相关运动数据的车轮滑转率数据集;然后,优化改进CNN‑LSTM的网络层数和结构,高效提取信息和捕捉特征;此外,设计的隐藏状态增强模块强化隐藏状态的更新,设计的改进注意力机制模块动态调整输入特征权重,突出最重要特征;最后,设计考虑力学约束的复合损失函数用以训练模型,对训练好的模型进行验证和性能评估。本发明使得轮式移动机器人在不同地形上有较好的适应能力,提升了滑转率预测的准确性和稳定性。

Patent Agency Ranking