-
公开(公告)号:CN118617441A
公开(公告)日:2024-09-10
申请号:CN202410767458.3
申请日:2024-06-14
申请人: 湖南大学
摘要: 本发明涉及软体机器人技术领域,具体为一种模块化的变刚度气动软体执行器、软体机器人,其中变刚度气动软体执行器包括气驱动弯曲件、连接机构、变刚度机构和变形限制件;气驱动弯曲件内部形成有空腔,外部独立气源与气驱动弯曲件内的空腔导通;变形限制件位于气驱动弯曲件的一侧,在变形限制件的另一侧为连接机构;变刚度机构包括多个变刚度件,多个变刚度件择其一安装在连接机构的另一侧;本发明通过选择具有不同等效密度的变刚度机构,可改变气动软体执行器的刚度,实现软体机器人的变刚度设计,进而实现对软体机器人刚度灵活的控制。
-
公开(公告)号:CN118262127A
公开(公告)日:2024-06-28
申请号:CN202410264714.7
申请日:2024-03-08
申请人: 湖南大学
IPC分类号: G06V10/75 , G06V10/22 , G06V10/24 , G06V10/26 , G06V10/46 , G06V10/74 , G06V10/82 , G06V20/17
摘要: 一种基于数据预处理的无人机图像匹配定位方法,包括:1、读取无人机相机及机载平台输出的文件数据以及拍摄的图像;2、下载卫星地图;3、对卫星地图进行预处理,并划定待匹配区域;计算图像旋转角度,并对无人机拍摄图像进行旋转矫正;4、根据划定的待匹配区域的坐标信息,对卫星地图进行裁剪,并将裁剪后的图作为图像匹配的卫星地图;5、提取无人机图像和卫星底图的特征点并检测,计算每个特征点的描述子;输出检测到的特征点的坐标和相应的描述子;6、执行特征点匹配,输出匹配结果。本发明解决了全局特征匹配中,对初始区域估计敏感、计算复杂度高的问题和局部特征匹配中,由于不同的图像可能出现多个最优匹配,使匹配结果不稳定的问题。
-
公开(公告)号:CN115147488B
公开(公告)日:2024-06-18
申请号:CN202210789995.9
申请日:2022-07-06
申请人: 湖南大学
IPC分类号: G06T7/73 , G06V10/82 , G06V10/80 , G06V10/44 , G06V10/766 , G06V20/70 , G06T1/00 , G06N3/0455 , G06N3/0464 , G06N3/084
摘要: 本发明公开了一种基于密集预测的工件位姿估计方法与抓取系统,搭建密集逐像素预测网络并训练,获取包含工件的场景RGB图像输入该预测网络,利用网络中的特征金字塔网络提取图像的逐像素卷积特征,采用三个回归分支网络从逐像素卷积特征中分别预测逐像素的语义信息、中心点信息和关键点信息,利用前述信息进行多工件实例分割,得到每个工件实例的密集关键点预测,采用投票策略确定各工件关键点2D位置,通过工件关键点2D位置以及对应工件模型上的3D位置建立2D‑3D对应关系,采用UD‑PnP算法计算工件的6D位姿。该方法网络结构简单、鲁棒性强、执行速度快,适合复杂工业场景下弱纹理、多工件任意位姿工件的抓取任务。
-
公开(公告)号:CN118154607A
公开(公告)日:2024-06-07
申请号:CN202410579980.9
申请日:2024-05-11
申请人: 湖南大学
IPC分类号: G06T7/00 , G06N3/0464 , G06N3/084
摘要: 本发明公开了一种基于混合多尺度知识蒸馏的轻量化缺陷检测方法,构建数据集;构建教师网络模型和轻量化学生网络模型;使用数据集对教师网络模型进行训练,并将训练好的教师网络模型权重文件保存;载入保存的教师网络模型权重文件到教师网络模型,将数据集中的缺陷图像输入至教师网络模型和学生网络模型中分别得到第一多尺度特征和第二多尺度特征,再分别输入至级联式知识混合模块得到最终的深度融合的第一多尺度特征和第二多尺度特征,进而计算混合多尺度知识损失,结合学生网络模型的预测损失利用反向传播算法来网络参数进行更新,得到训练好的轻量化学生网络模型完成智能制造产品的缺陷检测。提升对不同尺度缺陷的认知能力和识别性能。
-
公开(公告)号:CN118097186A
公开(公告)日:2024-05-28
申请号:CN202410428328.7
申请日:2024-04-10
申请人: 湖南大学
IPC分类号: G06V10/74 , G06V10/46 , G06V10/771 , G06V10/82 , G06V20/17
摘要: 本发明公开了一种基于像素级支持向量数据描述的景像匹配方法及系统,获取待匹配图像和参考图像并通过浅层网络特征提取模块进行特征提取,将提取的特征通过特征描述符优化模块进行优化,剔除掉冗余的特征描述符,对优化后得到的参考图像特征描述符进行多元高斯分布建模,根据优化后得到的待匹配图像特征描述符、建模后得到均值和方差计算注意力掩码,通过注意力掩码从参考图像的特征和待匹配图像的特征中选出优质特征,并通过景像匹配模块估计单应性矩阵,实现参考图像的匹配与定位。本发明设计了特征描述符优化模块以及注意力掩码生成模块可以提高参考图像和待匹配图像配准的鲁棒性,提高了无人机航拍图像定位精度的可靠性。
-
公开(公告)号:CN117961976A
公开(公告)日:2024-05-03
申请号:CN202410375666.9
申请日:2024-03-29
摘要: 本申请的实施例提供了基于生成扩散迁移的装配机器人在线检测方法、装置、设备和计算机可读存储介质。所述方法包括获取装配机器人的信号数据;将所述信号数据输入到已训练的故障识别模型中,得到当前装配作业的故障类型,其中,所述故障识别模型可通过如下方式进行训练:获取样本数据集合;所述样本数据集合包括带有标注信息的样本数据;将所述样本数据拆分为两个子域;基于有监督的训练方式和无监督的训练方式,利用神经网络模型对两个子域中的样本数据进行学习,得到目标损失函数;基于所述目标损失函数完成对所述故障识别模型的训练。以此方式,能够实现装配机器人的在线实时故障诊断,大幅度提高了生产效率。
-
公开(公告)号:CN117876723A
公开(公告)日:2024-04-12
申请号:CN202410273563.1
申请日:2024-03-11
申请人: 湖南大学
摘要: 一种拒止环境下无人机航拍图像全局检索定位方法,包括:1、利用搭载云台相机的无人机采集航拍图像,并对航拍图像进行校正;2、运用尺度不变特征变换算法识别航拍图像的特征点,构建航拍图像的图像特征向量描述符;3、构建全局卫星地图信息库,并分割成指定数量的卫星地图,分别构建每个卫星地图的图像特征向量描述符;4、利用航拍图像分别与每个卫星地图进行匹配,得到匹配成功的卫星地图,得到航拍图像与卫星图像的变换关系,得到航拍目标的定位信息。本发明克服了无GPS信号时难以准确定位目标位置的问题,大大提高了无人机航拍图像的定位精度和可靠性,为各种应用场景提供了强大的支持。
-
公开(公告)号:CN117152644A
公开(公告)日:2023-12-01
申请号:CN202311239554.2
申请日:2023-09-25
申请人: 湖南大学 , 江西省通讯终端产业技术研究院有限公司
IPC分类号: G06V20/17 , G06V10/25 , G06V10/774 , G06V10/764 , G06V10/77 , G06V10/80 , G06V10/82
摘要: 本发明涉及无人系统目标检测技术领域,具体为一种无人机航拍照片的目标检测方法,包括:1、构建训练集;2、构建目标检测模型;3、选一图像输入到骨干网络中,得到四类不同尺度的骨干网络特征图;4、将3的输出结果进行特征融合,得到四类融合特征图;5、将第四类融合特征图输入到CVAN模块中,最终得到第四类输出特征图;6、将5的输出结果输入到目标检测头中,计算得到目标的分类信息等信息;重复3至5,直至迭代至设定次数,选取最好的一组权重结果,得到训练后的目标检测模型。本发明引入了变换器,无人机图像中包含许多密集的微小物体,引入变换器可以有效增强每个微小物体的语义可分辨性,有效减少漏检和误检。
-
公开(公告)号:CN116912302A
公开(公告)日:2023-10-20
申请号:CN202311170392.1
申请日:2023-09-12
申请人: 湖南大学
摘要: 本发明公开了一种基于深度图像配准网络的高精度成像方法及系统,搭建高精度成像系统,包括三轴运动平台、成像模块和载具,载具和成像模块分别固设于三轴运动平台的Y轴和Z轴上,目标产品通过载具固定;通过调整X、Y和Z轴确定成像模块的拍摄路径并对目标产品进行局部拍摄,得到若干张局部图像;采用深度图像配准网络对若干张局部图像中所有两两相邻的图像进行处理,得到每组相邻图像的变换矩阵;将若干张局部图像通过变换矩阵进行转换,并将转换后的局部图像依次填入到预先设计的空白大图中,并将空白大图中相邻图像之间进行融合,得到目标产品的高精度完整图像。该方法可节省相邻的两个局部图像的特征配准时间且系统的成本低。
-
公开(公告)号:CN116402821B
公开(公告)日:2023-09-22
申请号:CN202310676359.X
申请日:2023-06-08
申请人: 湖南大学
IPC分类号: G06T7/00 , G06N3/0464 , G06N3/084 , G06V10/52 , G06V10/764 , G06V10/80 , G06V10/82 , G01N21/88
摘要: 本发明公开了一种基于神经网络的飞机蒙皮涂胶质量缺陷检测方法,包括数据采集,利用相机对飞机蒙皮进行拍照获取图片数据;对获取到的图片数据进行预处理,通过标注软件对数据进行标注获取用于网络训练的数据集;建立一个基于特征擦除和边界细化的缺陷检测网络模型,其中,缺陷检测网络模型包括依次连接的特征提取网络、语义引导的特征擦除模块、多尺度特征融合网络和基于边界细化的缺陷预测网络,利用数据集对网络模型进行训练,并将训练好的模型参数保存;利用训练好的网络模型对直接采集到的蒙皮涂胶图像进行检测,并输出检测结果。可以快速准确地实现飞机蒙皮涂胶缺陷的无损检测,推动蒙皮高质量智能制造进程。
-
-
-
-
-
-
-
-
-