-
公开(公告)号：CN119280529A
公开(公告)日：2025-01-10
申请号：CN202411690459.9
申请日：2024-11-25
Applicant: 湖南大学
IPC: A61M1/00
Abstract: 本发明公开了一种自动施针的针灸机器人施针末端、针灸机器人及控制方法，其中施针末端包括直线滑动模块、捻转模块和夹针模块；直线滑动模块用于驱使捻转模块往返移动；捻转模块安装于直线滑动模块的滑块上，用于驱使夹针模块旋转；夹针模块经力传感器与捻转模块连接，用于释放和夹取针灸针；力传感器用于测量夹针模块传递过来的力。采用模块化设计的方式在简化了装置结构，实现小型化的同时支持针灸治疗中关键手法。内置的力传感器为施针过程提供了安全保障，并实现了对施针力度的精确控制。
-
公开(公告)号：CN118795354A
公开(公告)日：2024-10-18
申请号：CN202411282822.3
申请日：2024-09-13
Applicant: 湖南大学
IPC: G01R31/367 , G01R31/392
Abstract: 本发明公开了一种基于充电积分算法的电池寿命状态分析方法及系统，获取车辆动力电池的SOC‑OCV曲线，根据预设划分区间对SOC轴进行划分并编号，得到若干个SOC区间，获取车辆动力电池在预设周期内的充电循环数据，以预设充电间隔对充电循环数据进行切片，得到若干个充电循环切片，计算若干个充电循环切片在若干个SOC区间上的积分电量并选取基准切片，对基准切片进行填充和置信度进行判断，将满足置信度要求的填充后基准切片的积分容量值线性扩大，估算出车辆动力电池的当前实际容量，根据当前实际容量和额定容量计算得出车辆动力电池的寿命状态预测结果。该方法利用充电循环电流稳定性评估车辆动力电池的寿命状态，极大提高了效率。
-
公开(公告)号：CN117255325A
公开(公告)日：2023-12-19
申请号：CN202311521994.7
申请日：2023-11-15
Applicant: 湖南大学
Abstract: 本发明公开了一种智能网联V2X场景验证系统和方法，车载V2X场景协调及分析系统接收场景原始信息并进行整合、分析和协调，根据整合后的数据对车载V2X场景进行判断，得到预警信息，将场景原始信息发送至PC端分析验证系统，将预警信息发送至移动端显示系统；PC端分析验证系统接收场景原始信息进行存储、分析和验证，实现场景原始信息的验证功能；移动端显示系统接收预警信息，接收OBU设备传输的实时V2X数据，实现预警提示和设备调试功能。基于成熟车载OBU的基础，采用分散计算的处理方式，减轻车载计算单元的压力，又合理借用外部算力完成验证，对现有的智能网联设备和环境进行充分合理的使用，产生了经济价值。
-
公开(公告)号：CN116337084B
公开(公告)日：2023-08-08
申请号：CN202310593671.2
申请日：2023-05-25
Applicant: 湖南大学
IPC: G01C21/20
Abstract: 本发明公开了一种部分同路段多机器人配送包裹的路径规划方法，包括：S1，针对为客户配送包裹的多个机器人，建立路径规划问题的数学模型；S2，求解所述数学模型，获得各机器人的初始行驶路径方案；S3，对所有当前行驶路径按配送包裹负载从小到大排序，并按顺序对每条当前行驶路径，均以减少机器人行驶总距离为目标，使用其相邻初始行驶路径进行部分同路段整合优化。本发明可以得到使用更少机器人且行驶路径总距离成本更小的机器人配送包裹行驶路径方案。
-
公开(公告)号：CN113946132A
公开(公告)日：2022-01-18
申请号：CN202111211067.6
申请日：2021-10-18
Applicant: 湖南大学
IPC: G05B19/042 , G01L5/16
Abstract: 本发明公开了一种基于多维力传感器的多功能一体化调节装置、调整方法及可读存储介质，其装置至少包括：多维力传感器、处理模块、调节伺服驱动模块以及调节执行机构。多维力传感器用于采集调节信号，每个调节功能分别对应一路力信号，处理模块依据每一路力信号识别调节意图；调节伺服驱动模块用于生成驱动信号并驱动调节执行机构；其中，若多维力传感器的输出信号为数值信号，每一路输出信号的方向、幅值分别与调节装置在对应调节功能下调节量的调节方向、大小存着对应关系；若为非数值信号，每一路输出信号的出现频率与调节量的大小存着对应关系。本发明通过多维力传感器，实现了多种调节功能的集成采集以及控制，克服了现有调节装置的多项技术缺陷。
-
Patent Agency Ranking
公开(公告)号：CN119380005B
公开(公告)日：2025-03-18
申请号：CN202411958306.8
申请日：2024-12-30
Applicant: 湖南大学
IPC: G06V10/25 , G06N3/0455 , G06V10/44 , G06V10/80 , G06V10/82
Abstract: 本发明公开了一种基于水下模糊图像的目标检测方法、装置及设备，方法为：收集水下模糊图像数据集，对目标物进行边界框和类别标注得到已标注数据集；使用未标注和已标注的数据集对搭建的神经网络模型进行训练，得到目标检测模型；其中，神经网络模型首先使用EfficientNet作为主干网络，对输入不带边界框的图像进行特征提取，得到若干中间层特征；然后使用合成融合金字塔网络，对中间层特征进行特征融合；最后使用Linformer进行自注意力机制处理，输出带边界框的图像以及边界框内的目标类别；最终使用训练得到的目标检测模型，对待检测的水下模糊图像进行目标检测。本发明实现对水下模糊图像中目标的高效率高精度检测。
-
公开(公告)号：CN119027675B
公开(公告)日：2025-02-11
申请号：CN202411516152.7
申请日：2024-10-29
Applicant: 湖南大学
IPC: G06V10/26 , G06N3/0455 , G06N3/0464 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种厨余垃圾遮挡物体识别和遮挡关系判断方法，构建厨余垃圾图像的遮挡数据集，标有其中各目标物体的可见掩码、完整掩码、类别；首先，利用遮挡数据集训练实例分割模型和掩码还原模型；实例分割模型的输入为厨余垃圾图像，输出为各目标物体的类别和可见掩码；掩码还原模型的输入为实例分割模型输出的可见掩码和厨余垃圾图像，输出为完整掩码；其次，将待识别判断的厨余垃圾图像，使用训练好的实例分割模型和掩码还原模型，获得各目标物体的类别、可见掩码、完整掩码；最后，结合可见掩码和完整掩码判断各目标物体是否被遮挡及遮挡关系。本发明对可回收垃圾进行实例分割和掩码还原，能获得物体类别、位置、遮挡关系和完整的形状信息。
-
公开(公告)号：CN119380004A
公开(公告)日：2025-01-28
申请号：CN202411944715.2
申请日：2024-12-27
Applicant: 湖南大学
IPC: G06V10/25 , G06N3/0455 , G06N3/0464 , G06V10/44 , G06V10/52 , G06V10/774 , G06V10/82
Abstract: 本发明公开了一种低标注成本的异型目标检测方法，包括：构建初始标注集和未标注集；使用初始标注集训练目标检测模型；利用当前目标检测网络对未标注集推理，基于推理结果计算图像级和实例级的不确定性，对其中实例按混合不确定性排序；统计已标注集中各类别实例的数量，进而计算采样率以按类别采样，得到当前轮次选择的样本集；对当前轮次选择的样本集进行标注，更新已标注集和未标注集；使用当前已标注集训练目标检测模型；若当前已标注样本数量少于总体标注预算，则返回继续在未标注集中按混合不确定性和类别比例选择样本；否则完成目标检测网络训练，即可用于对检测图像中的异型目标进行检测。本发明以低标注成本达到良好的目标检测精度。
-
公开(公告)号：CN119027675A
公开(公告)日：2024-11-26
申请号：CN202411516152.7
申请日：2024-10-29
Applicant: 湖南大学
IPC: G06V10/26 , G06N3/0455 , G06N3/0464 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种厨余垃圾遮挡物体识别和遮挡关系判断方法，构建厨余垃圾图像的遮挡数据集，标有其中各目标物体的可见掩码、完整掩码、类别；首先，利用遮挡数据集训练实例分割模型和掩码还原模型；实例分割模型的输入为厨余垃圾图像，输出为各目标物体的类别和可见掩码；掩码还原模型的输入为实例分割模型输出的可见掩码和厨余垃圾图像，输出为完整掩码；其次，将待识别判断的厨余垃圾图像，使用训练好的实例分割模型和掩码还原模型，获得各目标物体的类别、可见掩码、完整掩码；最后，结合可见掩码和完整掩码判断各目标物体是否被遮挡及遮挡关系。本发明对可回收垃圾进行实例分割和掩码还原，能获得物体类别、位置、遮挡关系和完整的形状信息。
-
公开(公告)号：CN118456445B
公开(公告)日：2024-10-11
申请号：CN202410910725.8
申请日：2024-07-09
Applicant: 湖南大学
IPC: B25J9/16 , G06V20/60 , G06V10/25 , G06V10/764 , G06V10/766 , G06V10/80 , G06N5/04
Abstract: 本发明公开了一种基于模态融合的多任务固体废物视觉抓取方法，包括：获取固体废物场景图像，对其中固体废物标注类别和有效抓取姿势，构建训练样本集；构建并使用训练样本集训练多任务固体废物抓取网络，输入为固体废物场景图像，输出为图像中各固体废物的类别和抓取姿势；其中，网络包括彩色图像和深度图像两条模态支路，在BN层进行归一化操作之后，用另一支路中缩放因子更大的通道替换自身支路中不重要的通道，再将两条支路得到的特征图拼接并输入网络其余部分进行抓取配置生成；最终使用训练好的多任务固体废物抓取网络，对图像中的固体废物进行分类并生成抓取姿势。本发明提高对固体废物的分类精度和抓取质量。
-
-
-
-
-
-
-
-
-
Search Results
49
records
(took 0.02 seconds)
