-
公开(公告)号：CN110653790B
公开(公告)日：2022-10-11
申请号：CN201911021009.X
申请日：2019-10-25
Applicant: 河南大学
IPC: B25J5/00
Abstract: 本发明涉及AGV机器人领域，具体涉及一种用于大型异形件搬运的AGV机器人。包括有AGV车体、双轴位移组件、夹爪驱动组件、多型夹爪组件、两组夹爪固定组件、两组可拆卸连接组件、转台和定位检测组件，多型夹爪组件包括有三爪夹爪和四爪夹爪，三爪夹爪和四爪夹爪均设有可夹紧异形件的铰接爪，三爪夹爪和四爪夹爪的上方均固定设有连接柱，每组夹爪固定组件均包括有两个可夹紧多型夹爪组件的弧形夹爪，夹爪驱动组件包括有可向下传动的螺纹伸缩杆，本发明所示的用于大型异形件搬运的AGV机器人，可使AGV车体在固定的更换位置换上不同种类的夹爪，更加快捷高效的实现搬运功能，适用于不同种类的异形件搬运工作，实现一车多用，提高了生产效率，节约生产成本。
-
公开(公告)号：CN113076957A
公开(公告)日：2021-07-06
申请号：CN202110427296.5
申请日：2021-04-21
Applicant: 河南大学
Abstract: 本发明公开了一种基于跨模态特征融合的RGB‑D图像显著性目标检测方法，包括：步骤1、基于跨层连接方式的U‑Net网络，将RGB和Depth分别输入到ResNet‑50主干网络中提取图像特征，其中RGB图像提取出五个阶段的特征；Depth图像提取出五个阶段的特征；步骤2、将两种模态下顶层特征R5和D5输入到跨模态通道细化模块中获取跨模态特征RD；将Depth模态下的D1～D5和RD通过跨模态引导模块引导RGB进行特征提取；步骤3、将RGB模态下的R1～R5和RD通过残差自适应选择模块进一步保留图像的前景显著信息，丢弃有干扰的背景信息；多层损失函数引导网络最终生成显著性结果图。本发明能够充分利用Depth信息提供的深度线索，增强RGB和Depth两种模态下的特征融合，增强模型对各个通道特征的辨别能力。
-
公开(公告)号：CN112312511B
公开(公告)日：2021-06-04
申请号：CN202010926383.0
申请日：2020-09-04
Applicant: 河南大学
Abstract: 本发明提供了一种基于树的无线传感器网络能耗均衡的改进LEACH方法，首先确定簇头传感器节点和区域内的工作节点，然后基于树算法构建路由树，实现无线传感器网络的能耗均衡；本发明在进行簇头选择时，考虑了传感器节点到基站的距离和传感器节点当前的剩余能量，使距离基站较近和剩余能量大的传感器节点优先成为簇头；其次，在无线传感器网络中所有传感器节点都加入相应的簇头形成簇之后，对每个簇进行区域划分并选择工作节点，并且优先选择剩余能量大于该簇平均剩余能量的传感器节点作为工作节点，避免远距离传输造成巨大的能量消耗，从而使传感器节点的能量消耗得到均衡，延长无线传感器网络的生命周期。
-
公开(公告)号：CN112329800A
公开(公告)日：2021-02-05
申请号：CN202011408397.X
申请日：2020-12-03
Applicant: 河南大学
Abstract: 本发明提供了一种基于全局信息引导残差注意力的显著性目标检测方法，通过将图像输入到主干网络提取特征；设计全局信息互补模块获取丰富的全局信息并引导整体网络；通过多尺度并行卷积提取多尺度信息；通过特征融合模块融合全局信息和多尺度信息；通过残差注意力模块增强显著性目标特征，经过多级监督最终输出显著性结果。本发明不仅能够从ResNet‑50主干网络提取图像特征，并且提出的全局信息互补模块能够将主干网络中低层次细节信息与高层次丰富语义信息融合到一起，且设计的残差注意力模块能够将图像特征中更大的权重集中在前景显著性区域中，过滤掉无用的背景信息，与现有的显著性检测方法相比具有良好的性能。
-
公开(公告)号：CN112312511A
公开(公告)日：2021-02-02
申请号：CN202010926383.0
申请日：2020-09-04
Applicant: 河南大学
Abstract: 本发明提供了一种基于树的无线传感器网络能耗均衡的改进LEACH方法，首先确定簇头传感器节点和区域内的工作节点，然后基于树算法构建路由树，实现无线传感器网络的能耗均衡；本发明在进行簇头选择时，考虑了传感器节点到基站的距离和传感器节点当前的剩余能量，使距离基站较近和剩余能量大的传感器节点优先成为簇头；其次，在无线传感器网络中所有传感器节点都加入相应的簇头形成簇之后，对每个簇进行区域划分并选择工作节点，并且优先选择剩余能量大于该簇平均剩余能量的传感器节点作为工作节点，避免远距离传输造成巨大的能量消耗，从而使传感器节点的能量消耗得到均衡，延长无线传感器网络的生命周期。
-
Patent Agency Ranking
公开(公告)号：CN110139000B
公开(公告)日：2020-10-23
申请号：CN201910288848.1
申请日：2019-04-11
Applicant: 河南大学
IPC: H04N1/32 , H04L9/00 , H04L9/08 , H04N19/124
Abstract: 本发明提供的基于压缩感知和生命游戏置乱的图像压缩加密方法，该方法包括：步骤1、采用离散小波变换对大小为m×n的明文图像P进行稀疏化处理，得到明文图像P的系数矩阵P1；步骤2、将预生成的初始细胞矩阵S0采用生命游戏规则进行迭代得到置乱矩阵SM；步骤3、采用所述置乱矩阵SM对所述系数矩阵P1进行置乱，得到置乱后的矩阵P2；步骤4、采用压缩感知算法对所述矩阵P2进行压缩加密，得到测量值矩阵P3；步骤5、对所述测量值矩阵P3进行量化和扩散，得到与所述明文图像P对应的密文图像C。本发明可在对图像数据进行压缩的同时，有效保护数据的安全。
-
公开(公告)号：CN104318261B
公开(公告)日：2016-04-27
申请号：CN201410607957.2
申请日：2014-11-03
Applicant: 河南大学
Abstract: 本发明公开了一种图嵌入低秩稀疏表示恢复稀疏表示人脸识别方法，属于计算机视觉和模式识别技术领域。本发明包括以下步骤：首先，提出一种图嵌入低秩稀疏表示恢复方法，能够从训练样本数据矩阵恢复出判别力强的干净训练样本数据矩阵，同时得到训练样本数据误差矩阵；然后，以干净训练样本数据矩阵为字典，以训练样本数据误差矩阵为误差字典，采用范数最优化技术求解待识别人脸数据的稀疏表示系数；更进一步，利用待识别人脸数据的稀疏表示系数，对待识别人脸数据进行类关联重构；最后，基于待识别人脸数据的类关联重构误差，完成待识别人脸图像的识别。本发明能够解决训练样本图像和待识别图像都受噪声污染或局部被遮挡情况下的人脸识别问题。
-
公开(公告)号：CN105303876A
公开(公告)日：2016-02-03
申请号：CN201510638361.3
申请日：2015-09-23
Applicant: 河南大学
Abstract: 本发明公开了一种面向停车服务的车联网系统，包括车牌识别系统，收费管理系统，短信息数据传输单元，在停车场中设置的若干个Wi-Fi热点，控制主机，和车联网云平台；车联网云平台包括GPS定位模块，车库监控终端，车位空余数量及位置储存模块，人机操作界面，中央处理器，液晶显示屏，语音单元和Wi-Fi模块。本发明通过车牌的识别，实现了不停车收费管理；建立了统一的停车费集中支付平台，车主网上注册、自助缴费、网络自动扣费，使用方便；同时实现了停车位指引，快速停车的功能。
-
公开(公告)号：CN119863740A
公开(公告)日：2025-04-22
申请号：CN202411951588.9
申请日：2024-12-27
Applicant: 河南大学
IPC: G06V20/40 , G06V10/762 , G06V10/82 , G06T7/277
Abstract: 本发明提供了一种基于运动‑外观多层次聚类的无监督视频目标分割方法，通过将视频帧输入到主干网络提取运动特征；设计位置‑通道注意力模块增强时空上下文建模；通过多层次聚类细化策略融合运动和外观特征；利用重建光流作为运动强度指示器，结合子空间聚类多视图分析提高复杂场景处理能力；最终输出目标分割掩码。本发明不仅能够从FlowFormer++光流网络和位置‑通道注意力模块中提取判别性运动特征，并且提出的多层次聚类细化策略能够将Vision Transformer主干网络中的运动和外观特征有效融合，此外，本发明设计的子空间聚类多视图分析能够将特征中更大的权重集中在前景目标区域中，过滤掉无用的背景信息，与现有的无监督视频目标分割方法相比具有更高的分割精度。
-
公开(公告)号：CN117635970A
公开(公告)日：2024-03-01
申请号：CN202311431039.4
申请日：2023-10-31
Applicant: 河南大学
IPC: G06V10/46 , G06V20/40 , G06V10/771 , G06V10/80
Abstract: 本发明在于一种结合了筛选和多尺度融合的视频显著目标检测方法，属于图像处理技术领域，该方法通过筛选网络，输入连续多帧视频序列对应的光流序列，针对光流序列的稳定性进行建模，定位具有错误时间线索的光流图，并用具有良好时间线索的光流图来替换和增强它们，解决了光流图片中时间线索不稳定的问题。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.024 seconds)
