-
公开(公告)号：CN110666811B
公开(公告)日：2022-08-05
申请号：CN201910917335.2
申请日：2019-09-26
Applicant: 同济大学
Abstract: 本发明涉及一种基于RoboCup标准平台组的球位置预测方法，包括：S1：建立场地坐标系，将场地分为若干相同的方格，为每个方格赋予时间轴和评价值，将每个方格的时间轴和评价值初始化；S2：所述时间轴和评价值实时更新为当前时间，当方格在己方机器人视野之内或其上方有己方机器人时，初始化该方格的时间轴，若同时己方机器人发现该方格上有球，则进一步将该方格的评价值初始化；S3：根据当前球观测状态以及所有方格的评价值和时间轴预测当前球预测位置坐标，S4：己方机器人前往该坐标找球，若未找到球则重复步骤S2，否则结束。与现有技术相比，本发明具有准确性好、鲁棒性强和效率高等优点。
-
公开(公告)号：CN114371613A
公开(公告)日：2022-04-19
申请号：CN202111617507.8
申请日：2021-12-27
Applicant: 同济大学
IPC: G05B11/42
Abstract: 本发明涉及一种基于在线学习的仿人机器人上半身姿态控制方法，包括以下步骤：构建以逻辑斯蒂回归模型为基础的髋关节补偿模型，以采集的历史数据离线训练所述髋关节补偿模型的模型参数；在每个步态周期中，基于当前的髋关节补偿模型获得髋关节补偿值进行仿人机器人上半身姿态控制，在每个步态周期结束时对所述模型参数进行在线周期性更新；采集的所述历史数据为采用PID控制的仿人机器人在不同PID参数下的运行数据。与现有技术相比，本发明具有鲁棒性强、能够使机器人行走更稳定等优点。
-
公开(公告)号：CN114227688A
公开(公告)日：2022-03-25
申请号：CN202111638864.2
申请日：2021-12-29
Applicant: 同济大学
IPC: B25J9/16
Abstract: 本发明涉及一种基于曲线配准的示教轨迹学习方法，包括以下步骤：S1、通过动觉示教获取原始示教轨迹；S2、对动觉示教所记录的原始示教轨迹进行曲线配准；S3、经过曲线配准，将原始示教轨迹分解为时域特征和空域特征，由原始示教轨迹的空域特征构成规整示教轨迹；S4、使用规整示教轨迹作为示教学习算法的输入；S5、使用习得的模型对示教轨迹进行重现。与现有技术相比，本发明明确指出示教轨迹所具有的时‑空耦合数据特性，并使用曲线配准方法替代现有的示教轨迹规整方法，使得后续的示教学习算法能够从规整的示教轨迹中进行学习，提升了一类示教轨迹学习方法的性能。
-
公开(公告)号：CN111274973B
公开(公告)日：2022-02-18
申请号：CN202010070745.0
申请日：2020-01-21
Applicant: 同济大学
Abstract: 本发明涉及一种基于自动划分域的人群计数模型训练方法及应用，所述训练方法包括以下步骤：1)建立并训练获得初步训练模型；2)以一测试集对所述初步训练模型进行验证，获取测试集中每一图像对应的识别误差；3)将识别误差大于等于一设定阈值的图像划分为目标域，将识别误差小于所述设定阈值的图像划分为源域；4)在源域和目标域之间加入第二损失函数，基于该第二损失函数及两个域各自的原损失函数优化获得最终模型。与现有技术相比，本发明具有适应性强、提高计数准确性等优点。
-
公开(公告)号：CN113776783A
公开(公告)日：2021-12-10
申请号：CN202110995065.4
申请日：2021-08-27
Applicant: 同济大学
Abstract: 本发明涉及一种基于巡检机器人的机房服务器故障灯检测方法，包括以下步骤：1)通过巡检机器人对待巡检机房进行完整建图；2)上位机和巡检机器人的工控机处于同一局域网下；3)巡检机器人按照规划的巡检路径进行巡检；4)上位机采用基于深度学习的目标检测卷积神经网络及TensorRT深度学习推理优化器实时对待检测服务器的指示灯颜色和位置进行检测；5)工控机接收到当前检测位置检测完成信号后，巡检机器人按照巡检路径自动前往下个检测位置点并更新检测位置的ID号，重新发送确认到达信号给上位机，重复步骤4)最终完成整个待巡检机房内服务器指示灯的巡检任务。与现有技术相比，本发明具有高实时性、高准确率、鲁棒性好、高效率、高安全性等优点。
-
Patent Agency Ranking
公开(公告)号：CN112147998B
公开(公告)日：2021-12-07
申请号：CN202010853744.3
申请日：2020-08-24
Applicant: 同济大学
IPC: G05D1/02
Abstract: 本发明涉及一种基于区域生长法的移动机器人路径规划方法，包括步骤：读取工作环境代价地图，在可行域内随机选择一系列坐标点；采用区域生长法，以随机选择的坐标点为中心，分别向代价地图的左上、左下、右上和右下四个方向以三角形形状生长，对可行域内的坐标点划分区域，获取划分后的区域地图，并重新计算每个区域的区域中心点坐标；根据处理结果确定移动机器人当前位置所属的区域，并确定目标点所属的区域，采用改进的A*算法规划路径；将起点坐标和终点坐标加入规划路径中；采用theta*算法对路径进行优化，获取最终优化路径。与现有技术相比，本发明可有效降低机器人跟随路径时与障碍物发生碰撞的风险。
-
公开(公告)号：CN113505751A
公开(公告)日：2021-10-15
申请号：CN202110861474.5
申请日：2021-07-29
Applicant: 同济大学
Abstract: 本发明涉及一种基于差异图卷积神经网络的人体骨骼动作识别方法，包括以下步骤：S1、对骨骼数据进行预处理；S2、初步设计差异图卷积神经网络架构，结合图卷积和卷积，采用差异学习方式将不同层次的图卷积的误差作为连续时间帧的输入前馈；S3、初步选取训练参数，并进行误差反向传播；S4、在骨骼数据集上进行跨视角和跨物体训练并测试；S5、根据测试精度微调训练参数，并重复步骤S3和S4，得到精度较高的训练参数；S6、固定训练参数，微调网络架构，得到精度较高的网络架构参数，并进行人体骨骼动作识别。与现有技术相比，本发明在测试NTU数据集时CV和CS精度均有提高，而参数量较少，总的参数量不足1M，达到了快速、准确的识别效果。
-
公开(公告)号：CN113158863A
公开(公告)日：2021-07-23
申请号：CN202110395471.7
申请日：2021-04-13
Applicant: 同济大学
Abstract: 本发明涉及一种异常眼底照片识别方法，其特征在于，包括以下步骤：S1：获取眼底照片；S2：通过多种方式对眼底照片进行特征提取，得到眼底照片的多种特征向量；S3：对提取的多种特征向量进行特征融合；S4：根据融合特征，利用训练完成的分类器对眼底照片进行分类；S5：根据分类结果进行异常眼底照片的识别，与现有技术相比，本发明具有准确率高、速度快等优点。
-
公开(公告)号：CN109445444B
公开(公告)日：2021-05-11
申请号：CN201811592363.3
申请日：2018-12-25
Applicant: 同济大学
Abstract: 本发明涉及一种障碍物集中环境下的机器人路径生成方法，该方法首先使用RRT算法进行路径搜索；当随机点无效时，区别于传统RRT算法直接舍弃该点，而进行进一步判断；若该随机点与目标点连线上的最长有效距离小于阈值则转换成A*算法进行搜索至结束，否则继续进行RRT算法搜索，并重复上述判断；最终路径由RRT搜索所得路径和A*搜索所得路径组成。与现有技术相比，本发明在障碍物集中环境下将A*与RRT算法的优势相结合，克服各自的短板，使得整个规划算法具有效率高、搜索时间短等优点。
-
公开(公告)号：CN109741405B
公开(公告)日：2021-02-02
申请号：CN201910054459.2
申请日：2019-01-21
Applicant: 同济大学
IPC: G06T7/80
Abstract: 本发明涉及一种基于对偶结构光RGB‑D相机的深度信息采集系统，包括：对偶结构光RGB‑D相机结构：包括呈180度对称设置的两个结构光RGB‑D子相机；RGB‑D相机标定模块：用以根据非对称标定板实现结构光RGB‑D相机内参和畸变参数以及彩色相机与深度相机之间的外参标定；多源深度信息获取模块：通过异步方式获得两个子相机的两张原始深度图像，同时利用两个相机获取的彩色图像构成双目生成第三张深度图；多源深度信息处理模块：用以实现三张深度图与彩色图像的对齐，将三张深度图进行融合，并将对齐的彩色图像和融合后的深度图像作为最终系统的输出。与现有技术相比，本发明具有参数标定、解决深度信息缺失空洞、提升深度数据的质量、实时性高等优点。
-
-
-
-
-
-
-
-
-
Search Results
186
records
(took 0.024 seconds)
