-
公开(公告)号：CN118552618A
公开(公告)日：2024-08-27
申请号：CN202410707431.5
申请日：2024-06-03
Applicant: 贵州大学
Abstract: 本发明的一种基于卷积神经网络的抓取位姿生成方法，包括：确定抓取位置的表示方法，对原有数据集进行数据增强处理，构建基于卷积神经网络RS‑ConvNet的最优抓取位姿生成网络模型，采用所述增强数据集进行基于卷积神经网络RS‑ConvNet的最优抓取位姿生成网络模型的训练，将相机获取到的图像输入到训练好的基于RS‑ConvNet的最优抓取位姿生成网络模型中进行预测，获取最优抓取位姿后，通过坐标变换，让机械臂执行抓取动作。本发明具有好的准确率和较高的检测速度，满足零售环境下对于非规则商品的抓取精度和抓取速度要求，能实现机器人稳定高效的抓取。
-
Patent Agency Ranking
公开(公告)号：CN114120019A
公开(公告)日：2022-03-01
申请号：CN202111313914.X
申请日：2021-11-08
Applicant: 贵州大学
IPC: G06V10/762 , G06V10/44 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种轻量化的目标检测方法，包括:步骤一：对样本图像进行数据增强处理；获取网络模型的先验边界框尺寸；步骤二：构建目标检测网络模型：该目标检测网络模型以YOLOv4为基础，引入MobileNetv3网络重构特征提取网络，在PANet中以深度可分离卷积代替标准卷积，减少模型参数量和运算量；在同样大小通道数的特征层进行卷积操作后，融入改进的CBAM注意力机制，进一步提升网络检测性能；步骤三：训练目标检测网络模型；步骤四：使用目标检测网络模型进行检测，得到检测结果。本发明具有能够提高目标检测的效率，减少网络预测时间的特点。
-
公开(公告)号：CN114612770B
公开(公告)日：2024-02-20
申请号：CN202210277747.6
申请日：2022-03-21
Applicant: 贵州大学
IPC: G06V20/00 , G06V10/82 , G06V10/80 , G06N3/0464 , G06N3/082
Abstract: 本发明公开了一种基于卷积神经网络的物品检测方法，包括：步骤一：对样本图像进行处理；步骤二：构建目标检测网络模型：该目标检测网络模型以RFBNet网络为基础，首先采用双线性插值方法对RFBNet网络的卷积层Conv7、卷积层Conv9_2的特征图扩大到与卷积层Conv4_3特征图相同的尺寸，然后利用concat通道拼接方式进行特征融合，最后通过加入基于通道注意力机制的挤压激励SE模块；步骤三：训练目标检测网络模型；步骤四：使用目标检测网络模型进行检测，得到检测结果。本发明具有能够满足实时性的前提下，提高小目标物品检测精度的特点。
-
公开(公告)号：CN114612770A
公开(公告)日：2022-06-10
申请号：CN202210277747.6
申请日：2022-03-21
Applicant: 贵州大学
Abstract: 本发明公开了一种基于卷积神经网络的物品检测方法，包括：步骤一：对样本图像进行处理；步骤二：构建目标检测网络模型：该目标检测网络模型以RFBNet网络为基础，首先采用双线性插值方法对RFBNet网络的卷积层Conv7、卷积层Conv9_2的特征图扩大到与卷积层Conv4_3特征图相同的尺寸，然后利用concat通道拼接方式进行特征融合，最后通过加入基于通道注意力机制的挤压激励SE模块；步骤三：训练目标检测网络模型；步骤四：使用目标检测网络模型进行检测，得到检测结果。本发明具有能够满足实时性的前提下，提高小目标物品检测精度的特点。
-
公开(公告)号：CN114120019B
公开(公告)日：2024-02-20
申请号：CN202111313914.X
申请日：2021-11-08
Applicant: 贵州大学
IPC: G06V10/762 , G06V10/44 , G06V10/82 , G06N3/048 , G06N3/0464
Abstract: 本发明公开了一种轻量化的目标检测方法，包括:步骤一：对样本图像进行数据增强处理；获取网络模型的先验边界框尺寸；步骤二：构建目标检测网络模型：该目标检测网络模型以YOLOv4为基础，引入MobileNetv3网络重构特征提取网络，在PANet中以深度可分离卷积代替标准卷积，减少模型参数量和运算量；在同样大小通道数的特征层进行卷积操作后，融入改进的CBAM注意力机制，进一步提升网络检测性能；步骤三：训练目标检测网络模型；步骤四：使用目标检测网络模型进行检测，得到检测结果。本发明具有能够提高目标检测的效率，减少网络预测时间的特点。
-
公开(公告)号：CN116572244A
公开(公告)日：2023-08-11
申请号：CN202310624453.0
申请日：2023-05-30
Applicant: 贵州大学
IPC: B25J9/16
Abstract: 本发明的一种基于RRT*FN算法的机械臂避障路径规划方法，包括以下步骤:建立机械臂运动学模型；碰撞检测；初始化工作空间；利用改进的适用多场景的RRT*FN算法为机械臂规划全局路径，其中随机采样点srand生成：根据最近随机树节点snearest的属性，分别采用二分法贪婪扩展方法、安全扩展策略和基于局部环境采样边界扩展策略生成新节点，然后将所述新节点再次朝目标点方向进一步扩展称之为二次扩展，针对该扩展新节点采用扩展可行性筛查决定新节点的添加与舍弃，同时利用椭球限制搜索树总节点数量。采用基于三角不等式的方法对当前路径进行判断优化。本发明具有满足实时最优路径条件的同时，能够适应多种场景的特点。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
