-
公开(公告)号：CN110515303A
公开(公告)日：2019-11-29
申请号：CN201910879532.X
申请日：2019-09-17
Applicant: 余姚市浙江大学机器人研究中心 , 浙江大学
Abstract: 本发明公开了一种基于DDQN的自适应动态路径规划方法,解决了不同环境下的路径规划问题。本发明主要分为两个部分，第一部分先利用多个障碍物分布不同的地图训练神经网络，直到定义的损失函数不再减小或者减小到一定范围。第二个部分利用训练完成的神经网络在没有经过训练的全新地图上找到最优策略，实现端到端的路径规划。本发明对于不同的地图具有一定的适应性，经过一次训练后可以快速实现从不同的地图任意位置到指定的终点之间决策出一条最优路径。
-
公开(公告)号：CN113793397B
公开(公告)日：2023-11-03
申请号：CN202110871983.6
申请日：2021-07-30
Applicant: 浙江大学 , 余姚市浙江大学机器人研究中心
IPC: G06T11/60 , G06N3/0475 , G06N3/094 , G06N3/0455 , G06N3/084
Abstract: 本发明属于计算机视觉领域，公开了一种基于改进WGAN的服装属性编辑方法。该方法可以基于现有服装属性生成新的服装属性，达到智能化服装辅助设计的目标。相对于原始WGAN网络，本发明对生成器的解码网络增加了跨连接的残差结构。残差结构可以提升梯度流通性，融合浅层特征，缓解梯度消失问题；其次，在WGAN原始损失函数的基础上，本发明在重建损失上增加了L2范数项,其主要优势在于使梯度更加平滑，可以缓解梯度消失和梯度爆炸问题。通过对网络结构以及损失函数的优化，使得WGAN拥有比之前更优秀的效果。本发明具有端到端快速生成、生成属性多、效果好的特点。
-
公开(公告)号：CN112507845A
公开(公告)日：2021-03-16
申请号：CN202011391611.5
申请日：2020-12-02
Applicant: 余姚市浙江大学机器人研究中心 , 浙江大学
Abstract: 本发明公开了一种基于CenterNet与深度关联矩阵的行人多目标跟踪方法，首先采用CenterNet来提取输入图片中的行人特征，并以矩形框的形式检测出行人在输入图片中的位置，然后计算每个矩形框的中心，在CenterNet网络各阶段中提取出中心对应的特征，再将提取的特征拼接构建特征关联矩阵，再采用深度亲和力网络DAN对提取的特征进行压缩与关联匹配，进而实现复杂场景下行人多目标的跟踪。本发明是一种兼具高性能与高效率的行人多目标跟踪技术，其采用检测与Id关联匹配共享特征提取网络，联合训练的创新模式，降低效率的同时保障了较高的跟踪精度。
-
公开(公告)号：CN111497868A
公开(公告)日：2020-08-07
申请号：CN202010276828.5
申请日：2020-04-09
Applicant: 余姚市浙江大学机器人研究中心 , 浙江大学
Abstract: 本发明公开了一种基于BN方法和LSTM网络的汽车传感器故障分类方法。由于汽车内部系统的复杂以及保证汽车安全运行，需要使用在线过程监控方法对汽车运行过程进行实时监控确保汽车运行安全。该方法利用了汽车过程数据具有时序性特征，将LSTM网络应用于汽车故障诊断，引入BN方法使网络在训练过程中不同层之间维持相同的数据分布，利用Adam优化算法得到参数的最优值。最后使用混淆矩阵分析故障分类效果。相比于其他方法，本发明使用BN-LSTM网络应用于汽车传感器故障分类，有效利用了汽车过程数据具有时序性特点，提高了故障分类的准确率。
-
公开(公告)号：CN110515303B
公开(公告)日：2022-09-09
申请号：CN201910879532.X
申请日：2019-09-17
Applicant: 余姚市浙江大学机器人研究中心 , 浙江大学
Abstract: 本发明公开了一种基于DDQN的自适应动态路径规划方法,解决了不同环境下的路径规划问题。本发明主要分为两个部分，第一部分先利用多个障碍物分布不同的地图训练神经网络，直到定义的损失函数不再减小或者减小到一定范围。第二个部分利用训练完成的神经网络在没有经过训练的全新地图上找到最优策略，实现端到端的路径规划。本发明对于不同的地图具有一定的适应性，经过一次训练后可以快速实现从不同的地图任意位置到指定的终点之间决策出一条最优路径。
-
Patent Agency Ranking
公开(公告)号：CN112507845B
公开(公告)日：2022-06-21
申请号：CN202011391611.5
申请日：2020-12-02
Applicant: 余姚市浙江大学机器人研究中心 , 浙江大学
Abstract: 本发明公开了一种基于CenterNet与深度关联矩阵的行人多目标跟踪方法，首先采用CenterNet来提取输入图片中的行人特征，并以矩形框的形式检测出行人在输入图片中的位置，然后计算每个矩形框的中心，在CenterNet网络各阶段中提取出中心对应的特征，再将提取的特征拼接构建特征关联矩阵，再采用深度亲和力网络DAN对提取的特征进行压缩与关联匹配，进而实现复杂场景下行人多目标的跟踪。本发明是一种兼具高性能与高效率的行人多目标跟踪技术，其采用检测与Id关联匹配共享特征提取网络，联合训练的创新模式，降低效率的同时保障了较高的跟踪精度。
-
公开(公告)号：CN110471274A
公开(公告)日：2019-11-19
申请号：CN201910741986.0
申请日：2019-08-12
Applicant: 余姚市浙江大学机器人研究中心 , 浙江大学
IPC: G05B13/02
Abstract: 本发明公开了一种基于动态邻域和全面学习的离散统一粒子群算法的机械零件加工流水线调度方法，包括如下步骤：读入机械零件加工的操作时间；种群初始化；计算每个粒子的适应值并排序；更新粒子邻域内最优位置，个体最优位置，全局最优位置，学习项；基于动态邻域和全面学习的离散统一粒子群优化的全局搜索；基于精英学习策略的局部搜索；每隔一定次数对种群重新分组；全局最优解更新停滞时重组学习项。本发明改进了基于动态邻域和全面学习的统一粒子群优化在生产调度领域的局限性，克服了标准粒子群优化对参数过于依赖以及容易陷入局部最优的缺陷，具有搜索精度高、收敛速度快等特点。且该方法适用范围较广，可推广到制造业和流程工业等领域。
-
公开(公告)号：CN113793397A
公开(公告)日：2021-12-14
申请号：CN202110871983.6
申请日：2021-07-30
Applicant: 浙江大学 , 余姚市浙江大学机器人研究中心
Abstract: 本发明属于计算机视觉领域，公开了一种基于改进WGAN的服装属性编辑方法。该方法可以基于现有服装属性生成新的服装属性，达到智能化服装辅助设计的目标。相对于原始WGAN网络，本发明对生成器的解码网络增加了跨连接的残差结构。残差结构可以提升梯度流通性，融合浅层特征，缓解梯度消失问题；其次，在WGAN原始损失函数的基础上，本发明在重建损失上增加了L2范数项,其主要优势在于使梯度更加平滑，可以缓解梯度消失和梯度爆炸问题。通过对网络结构以及损失函数的优化，使得WGAN拥有比之前更优秀的效果。本发明具有端到端快速生成、生成属性多、效果好的特点。
-
公开(公告)号：CN117636105A
公开(公告)日：2024-03-01
申请号：CN202311371830.0
申请日：2023-10-23
Applicant: 余姚市机器人研究中心 , 浙江大学
Abstract: 本发明属于计算机处理领域，公开了一种基于多模态鸟瞰图的点云特征融合方法及装置，包括步骤1：对时间序列下采集到的图片和点云需要通过相机的内参和外参来进行对准；步骤2：获取多视角图片的合成BEV特征，步骤3：获取点云特征，针对点云数据，利用改进后的层级式稀疏transformer结构来提取多层次的点云特征，最终将层级特征沿着Z轴映射到BEV层面，最终获得BEV点云层面的特征；步骤4：BEV图片层面特征和BEV点云层面的特征的特征对齐并融合，采用多模态特征融合金字塔结构来对特征进行对齐。本发明大大提高了点云特征的提取效率，增加了点云目标检测的精确程度。
-
公开(公告)号：CN116360454A
公开(公告)日：2023-06-30
申请号：CN202310437715.2
申请日：2023-04-18
Applicant: 浙江大学
IPC: G05D1/02
Abstract: 本发明公开了一种行人环境下基于深度强化学习的机器人路径避碰规划方法，属于深度学习与移动机器人导航技术领域。本发明融合多种碰撞算法生成由行人状态构成的行人轨迹数据集，利用编解码器对行人状态编解码后，与由马尔可夫元组获得的机器人当前状态与观测共同作为深度神经网络的输入，生成机器人的状态‑动作价值对的估计值；利用动作神经网络输出当前状态下机器人选择的最优动作，利用评价神经网络对机器人的状态‑动作进行打分，基于强化学习迭代训练。本发明在执行阶段，采用激光雷达获取周围环境数据，实现移动机器人在行人环境下的安全导航，有效解决了动态环境下机器人导航的短视与遮挡问题，提高了机器人避障行为的安全性、时效性。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.019 seconds)
