基于卷积神经网络的物品检测方法

    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。

    基于混合算法的机械臂路径规划方法

    公开(公告)号:CN113858210A

    公开(公告)日:2021-12-31

    申请号:CN202111285348.6

    申请日:2021-11-01

    Applicant: 贵州大学

    Abstract: 本发明公开了一种基于混合算法的机械臂路径规划方法,其特征在于:首先初始化树节点并不断检测当前节点和障碍物之间的距离,若检测到当前节点与障碍物之间的最小距离大于两倍的步长时,则说明当前节点附近没有障碍物,采用改进的人工势场方法进行快速拓展,若检测到当前节点与障碍物之间的最小距离小于两倍的步长的时,则采用改进的RRT算法,充分利用RRT算法高效的避障能力,重复上述步骤直至到达目标点。该混合算法可以有效地提高路径搜索效率,解决人工势场法存在的当起始点存在障碍物时斥力很大造成路径曲折和当目标点有障碍物的时候目标不可达的现象,同时该混合算法也解决了改进的RRT算法存在的当障碍物较多时效率大幅较低的现象。

    基于卷积神经网络的物品检测方法

    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

    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。

    基于势函数的机器人路径规划方法

    公开(公告)号:CN114161416B

    公开(公告)日:2023-04-28

    申请号:CN202111472606.1

    申请日:2021-12-06

    Applicant: 贵州大学

    Abstract: 本发明公开了一种基于势函数的机器人路径规划方法,其特征在于:首先采用基于势函数的随机采样方式;其次基于概率,采用与随机采样点欧式距离最近和代价函数值最小的方式选择最近邻节点,并在新节点拓展上采用两次拓展的方法加快算法的搜索效率,第一次拓展采用目标偏向的拓展策略、第二次拓展采用矩形区域随机采样的策略;然后对新节点做重新选择父节点操作和对路径做重新布线操作,得到一条从起始点到目标点的无碰撞的路径,利用删除冗余节点和最大曲率约束对生成的路径进行去除冗余节点和最大曲率约束操作,提高路径的平滑度。本发明具有能够有效地减少了搜索时间和路径的长度,同时平均采样节点数也有了明显的减少的特点。

    基于势函数的机器人路径规划方法

    公开(公告)号:CN114161416A

    公开(公告)日:2022-03-11

    申请号:CN202111472606.1

    申请日:2021-12-06

    Applicant: 贵州大学

    Abstract: 本发明公开了一种基于势函数的机器人路径规划方法,其特征在于:首先采用基于势函数的随机采样方式;其次基于概率,采用与随机采样点欧式距离最近和代价函数值最小的方式选择最近邻节点,并在新节点拓展上采用两次拓展的方法加快算法的搜索效率,第一次拓展采用目标偏向的拓展策略、第二次拓展采用矩形区域随机采样的策略;然后对新节点做重新选择父节点操作和对路径做重新布线操作,得到一条从起始点到目标点的无碰撞的路径,利用删除冗余节点和最大曲率约束对生成的路径进行去除冗余节点和最大曲率约束操作,提高路径的平滑度。本发明具有能够有效地减少了搜索时间和路径的长度,同时平均采样节点数也有了明显的减少的特点。

    一种改进粒子群算法的动态路径规划方法

    公开(公告)号:CN114397896A

    公开(公告)日:2022-04-26

    申请号:CN202210058540.X

    申请日:2022-01-10

    Applicant: 贵州大学

    Abstract: 本发明公开了一种改进粒子群算法的动态路径规划方法,其特征在于:包括以下步骤:步骤一、采用改进粒子群算法生成全局路径,将全局路径划分为由{S1G1,S2G2,…SnGn}组成的n段局部路径;步骤二、对局部路径S1G1利用动态窗口法DWA进行路径规划,包括搭建机器人运动学模型、搭建机器人速度模型、构建动态窗口法DWA的目标函数,根据目标函数选择最优的轨迹,记录机器人到达位置G1的航向角步骤三、对局部路径S2G2利用动态窗口法DWA进行局部路径规划,并继承上一次运动规划的航向角;步骤四、重复利用动态窗口法DWA对路径S3G3,…SnGn依次进行局部路径规划;步骤五、输出完整的最终路径。本发明具有能缩短规划路径长度,提高规划路径平滑性、实时性等的特点。

    基于混合算法的机械臂路径规划方法

    公开(公告)号:CN113858210B

    公开(公告)日:2023-04-25

    申请号:CN202111285348.6

    申请日:2021-11-01

    Applicant: 贵州大学

    Abstract: 本发明公开了一种基于混合算法的机械臂路径规划方法,其特征在于:首先初始化树节点并不断检测当前节点和障碍物之间的距离,若检测到当前节点与障碍物之间的最小距离大于两倍的步长时,则说明当前节点附近没有障碍物,采用改进的人工势场方法进行快速拓展,若检测到当前节点与障碍物之间的最小距离小于两倍的步长的时,则采用改进的RRT算法,充分利用RRT算法高效的避障能力,重复上述步骤直至到达目标点。该混合算法可以有效地提高路径搜索效率,解决人工势场法存在的当起始点存在障碍物时斥力很大造成路径曲折和当目标点有障碍物的时候目标不可达的现象,同时该混合算法也解决了改进的RRT算法存在的当障碍物较多时效率大幅较低的现象。

    一种轻量化的目标检测方法

    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

    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。

    一种轻量化的目标检测方法

    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

    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。

    一种改进粒子群算法的动态路径规划方法

    公开(公告)号:CN114397896B

    公开(公告)日:2023-07-14

    申请号:CN202210058540.X

    申请日:2022-01-10

    Applicant: 贵州大学

    Abstract: 本发明公开了一种改进粒子群算法的动态路径规划方法,其特征在于:包括以下步骤:步骤一、采用改进粒子群算法生成全局路径,将全局路径划分为由{S1G1,S2G2,…SnGn}组成的n段局部路径;步骤二、对局部路径S1G1利用动态窗口法DWA进行路径规划,包括搭建机器人运动学模型、搭建机器人速度模型、构建动态窗口法DWA的目标函数,根据目标函数选择最优的轨迹,记录机器人到达位置G1的航向角步骤三、对局部路径S2G2利用动态窗口法DWA进行局部路径规划,并继承上一次运动规划的航向角;步骤四、重复利用动态窗口法DWA对路径S3G3,…SnGn依次进行局部路径规划;步骤五、输出完整的最终路径。本发明具有能缩短规划路径长度,提高规划路径平滑性、实时性等的特点。

Patent Agency Ranking