-
公开(公告)号：CN117146809A
公开(公告)日：2023-12-01
申请号：CN202311040181.6
申请日：2023-08-17
申请人： 常州大学
摘要： 本发明涉及姿态解算技术领域，尤其涉及用于惯性‑地磁组合的快速互补滤波方法及系统，包括计算初始姿态；根据标量因子迭代算法，计算出标量因子的稳态值；利用标量因子的稳态值分别计算第一标量因子、第二标量因子和第三标量因子；计算第一姿态矩阵；利用k时的陀螺仪信息预测k+1时刻的姿态估计；构造第二姿态矩阵和第三姿态矩阵，并计算增益矩阵；利用k+1时刻的加速度计和地磁传感器信息对由陀螺仪信息预测出的该时刻的姿态进行修正，从而计算出该时刻的验后姿态估计；计算采样时刻k+2时的验后姿态估计，直至用户终止姿态解算过程。本发明解决现有增益矩阵计算量较大且精度无法满足的问题。
-
公开(公告)号：CN117078753A
公开(公告)日：2023-11-17
申请号：CN202310995879.7
申请日：2023-08-09
申请人： 常州大学
IPC分类号： G06T7/73 , G06T3/40 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明涉及图像处理技术领域，尤其涉及基于相机的渐进式特征分布采样6D位姿估计方法及系统，包括利用Unet++的多层渐进式特征采样网络获得密集的像素点；运用图卷积解析三维模型表面点特征，形成图像像素点与表面点的对应分布关系；通过查询模型计算图像像素坐标点集特征对应键的概率分布，得到图像像素坐标对应三维表面的掩码概率；计算估计最佳概率分布值；对生成的每个假设进行评分投票；根据表面分布对所得到的最佳投票评分姿态假设进行细化，得到目标最终姿态估计位姿。本发明解决仅使用RGB数据时，对目标对象进行位姿估计的稳定性和准确性不高以及针对三维模型表面特征采样存在非规则特征时准确性不高的问题。
-
公开(公告)号：CN114701731B
公开(公告)日：2023-08-04
申请号：CN202210236878.X
申请日：2022-03-11
申请人： 江苏城乡建设职业学院 , 常州大学
摘要： 本发明公开了一种果实恒温控制储存装置，涉及到果实储存设备领域，包括保温储存箱，保温储存箱的内腔设置有多个呈等间距分布的固定隔板组件和多个呈等间距分布的折叠隔板组件，且多个固定隔板组件和多个折叠隔板组件在竖直方向呈间隔分布，折叠隔板组件包括两个导轨，且两个导轨分别与保温储存箱的两侧内壁固定连接，两个导轨之间设置有折叠组件。本发明通过在相邻两个固定隔板组件之间设置有折叠隔板组件，折叠组件包括多个活动杆，相邻两个活动杆之间通过柔性布连接，因此折叠组件整体能够进行展开或者折叠，从而有效提高本装置对保温储存箱内腔空间的利用率，进而使得保温储存箱能够储存更多数量的果实。
-
公开(公告)号：CN110197129B
公开(公告)日：2023-04-18
申请号：CN201910382084.2
申请日：2019-05-09
申请人： 常州大学
摘要： 本发明公开一种自然环境下果蔬生长形态视觉辨识方法，包括以下步骤：图像采集步骤：基于单目视觉实时采集果蔬图像；目标区域提取步骤：对采集的图像进行处理，提取出图像中连带遮挡枝叶的果蔬区域；其中，对采集的图像进行处理的方法为：采用掩膜基于区域的卷积神经网络对果蔬图像中的果蔬区域进行检测与语义分割；重叠形态辨识步骤：将果蔬分为单果形态果蔬和多果重叠形态果蔬；枝茎遮挡形态辨识步骤：将单果形态果蔬和多果重叠形态果蔬进一步细分为无枝茎遮挡单个果蔬、枝茎遮挡单个果蔬和无枝茎遮挡重叠果蔬、枝茎遮挡重叠果蔬。该方法可使得采摘机器人自动完成采集图像中不同生长形态果蔬的分类，为后续选用相应的采摘机制提供依据。
-
公开(公告)号：CN115192048A
公开(公告)日：2022-10-18
申请号：CN202210851305.8
申请日：2022-07-20
申请人： 常州大学
摘要： 本发明涉及SVR算法技术领域，尤其涉及一种用于肌电‑握力预测的改进SVR方法及装置，包括分别采集正常侧手臂的肌电信号和握力信号；对肌电信号和握力信号进行预处理、特征提取，构建特征提取后的肌电信号和握力信号的训练集和测试集；通过训练集数据训练出改进SVR模型。本发明通过正常侧指套装置抓取物体，采集物体对应的握力值与正常侧肌电值，通过麻雀搜索算法对SVR模型改进，建立肌电与握力预测模型；并实时采集患侧抓取物体时的握力，通过比较抓取相同物体时正常侧与患侧握力的差值，对患侧的握力进行补偿。
-
公开(公告)号：CN114723782A
公开(公告)日：2022-07-08
申请号：CN202210253001.1
申请日：2022-03-15
申请人： 常州大学
IPC分类号： G06T7/246 , G06T7/277 , G06T7/10 , G06V10/26 , G06V10/44 , G06V10/74 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明涉及智能交通技术领域，尤其涉及一种基于异构图学习的交通场景运动目标感知方法，包括S1、引入目标检测网络实时检测交通场景中的运动目标；结合多目标跟踪网络对目标进行跟踪，获得运动目标的观测轨迹；S2、根据观测轨迹建立异构图，送入图变换网络编码；S3、使用运动编码器网络编码目标运动模式，将结果与图变换网络的编码结果拼接；S4、将拼接得到的结果送入运动状态解码器网络，解码得到目标的预测轨迹。本发明基于异构图学习的检测‑跟踪‑预测一体化框架，可检测和跟踪场景中运动目标，并预测目标未来运动轨迹；通过使用异构图网络建模交互关系，从而改善轨迹预测算法性能。
-
-
公开(公告)号：CN108615027B
公开(公告)日：2021-10-08
申请号：CN201810446463.9
申请日：2018-05-11
申请人： 常州大学
摘要： 本发明公开了一种基于长短期记忆的加权卷积神经网络对视频中的人群进行计数的方法，首先根据不同场景估计透视图，进而生成人群的自适应密度图；然后对连续多帧图像降采样后输入神经网络，并基于图像及其对应的真实自适应密度图训练网络；利用训练好的网络估计输入图像的密度图，并根据密度图预测人数。针对场景中人群的尺度差异，本发明通过一种分尺度损失函数衡量网络学习到的不同尺度特征。针对人群分布不均匀问题，本发明通过一种加权损失函数权衡不同区域的贡献。同时，本发明通过长短期记忆获取相邻帧之间的关联信息，并通过平滑滤波对预测的人数进行后处理，提高了人群计数的准确性。
-
公开(公告)号：CN108805015B
公开(公告)日：2021-09-03
申请号：CN201810385430.8
申请日：2018-04-26
申请人： 常州大学
摘要： 本发明公开了一种加权卷积自编码长短期记忆网络(Weighted convolutional autoencoder‑long short‑term memory network,WCAE‑LSTM网络)进行异常检测的方法，致力于学习移动行人的生成模型进行异常检测及定位，以保证公共安全。本发明提出一种新颖的双通道框架，利用WCAE‑LSTM网络分别学习原始数据通道及对应的光流通道的生成模式并对数据进行重构，基于重构误差进行异常检测。此外，针对复杂背景问题，本发明提出采用分块鲁棒主成分分析分解将稀疏前景与低秩背景分离，根据得到的背景信息设计加权欧几里德损失函数，从而抑制背景噪声。本发明设计的WCAE‑LSTM网络不仅能从全局角度检测异常，还能从局部角度粗略地定位异常区域，并通过联合考虑全局‑局部异常分析和光流异常分析的结果，最终实现对异常事件鲁棒、准确地检测。
-
公开(公告)号：CN112418421A
公开(公告)日：2021-02-26
申请号：CN202011229257.6
申请日：2020-11-06
申请人： 常州大学 , 江苏省中以产业技术研究院
摘要： 本发明涉及一种基于图注意力自编码模型的路侧端行人轨迹预测算法，综合考虑了行人自身的运动状态和周围其他行人特别是运动方向上行人的运动状态对其未来轨迹的影响，本发明通过基于长短期记忆网络的编码器‑解码器进行行人运动轨迹建模，提取行人运动状态，进一步利用图模型和行人之间方位夹角，设计了双注意力机制，为周围行人的影响力分配不同的权重，同时利用潜变量预测器从观测轨迹和真实轨迹中预测潜在的运动变量分布规律，综合以上特点，本发明不仅能够有效的建模行人的运动模式，还能从行人的运动轨迹中学到潜在的运动规律，并且利用本发明提出的双注意力机制有效的建模行人之间的相互影响。
-
-
-
-
-
-
-
-
-
搜索结果
126 条记录 (耗时 0.028 秒)
