-
公开(公告)号：CN109993113B
公开(公告)日：2023-05-02
申请号：CN201910250449.6
申请日：2019-03-29
Applicant: 东北大学
Abstract: 本发明提供一种基于RGB‑D和IMU信息融合的位姿估计方法，包括：S1在RGB‑D相机数据和IMU数据的时间同步之后，对RGB‑D相机采集的灰度图像和深度图像以及IMU采集的加速度、角速度信息进行预处理，获取世界坐标系下相邻帧匹配的特征点和IMU状态增量；S2依据位姿估计系统的系统外参，对系统中视觉惯导装置进行初始化；S3根据初始化后的视觉惯导装置的信息和世界坐标系下相邻帧匹配的特征点、IMU状态增量构建系统的最小二乘优化函数，使用优化方法迭代求解出最小二乘优化函数的最优解，将最优解作为位姿估计状态量；进一步地，进行回环检测，获取全局一致的位姿估计状态量。由此，使得特征点深度估计更加准确，提高系统的定位精度。
-
公开(公告)号：CN115564798A
公开(公告)日：2023-01-03
申请号：CN202211032207.8
申请日：2022-08-26
Applicant: 东北大学
IPC: G06T7/246 , G06T7/254 , G06T7/11 , G06T7/12 , G06T7/136 , G06T7/80 , G06V10/44 , G06V10/54 , G06V10/56 , G06V20/40
Abstract: 本发明公开了一种基于深度学习的智能机器人视觉跟踪方法，包括如下步骤：机器人通过云台CCD摄像机获得原始图像，机器人进行采集图像、数字图像、预处理图像和动态目标的识别，通过云台CCD摄像机进行连续拍摄，通过对连续图像帧序列中的运动目标进行检测，提取其特征，并标注标签，完成目标识别。该基于深度学习的智能机器人视觉跟踪方法，通过在MeanShift目标跟踪算法的基础上来实现顺序迭代实现动态目标的跟踪，形成的CamShift目标跟踪算法可以在动态环境下机器人对运动目标的识别与跟踪，实现了动态图像目标识别功能，高了系统跟踪的准确性和实时性，并通过机器人自主学习动态目标的运动。
-
公开(公告)号：CN114662238A
公开(公告)日：2022-06-24
申请号：CN202210293078.1
申请日：2022-03-24
Applicant: 东北大学
IPC: G06F30/17 , G06F30/27 , G06K9/62 , G06F119/14
Abstract: 本申请提供了一种基于高斯过程回归的螺栓连接松脱预测方法及系统，方法包括：设置预测参数，获取关于预测参数的训练集样本数据和测试集样本数据；根据所述训练集样本数据训练基于高斯过程回归的初始螺栓连接松脱预测模型；设置测试精度标准，根据所述测试集样本数据、初始螺栓连接松脱预测模型和测试精度标准，得到符合所述测试精度标准的螺栓连接松脱预测模型；获取待测样本数据，并将所述待测样本数据输入所述螺栓连接松脱预测模型，得到预测结果。本申请通过训练基于高斯过程回归的螺栓连接松脱预测模型，兼顾螺栓松脱过程中预紧力的分散性和不确定性进行精准预测，并且可以同时预测目标的均值与方差，从而更加合理地解决不确定性问题。
-
公开(公告)号：CN114043486A
公开(公告)日：2022-02-15
申请号：CN202111498556.4
申请日：2021-12-09
Applicant: 东北大学
IPC: B25J9/16
Abstract: 一种基于云服务的分布式SLAM机器人控制策略及系统，它涉及一种SLAM机器人系统。它首先SLAM机器人开启自身数据采集模块，通过自身的数据采集模块实时采集信息，SLAM机器人向与云服务端发出服务请求，云服务端接受SLAM机器人发出的服务请求后在其存储与内部的镜像仓库中查找之前已经开发完成的应用的镜像，同时向云服务端的容器缓冲区返回查找结果，并进行下一步的部署工作，而容器缓冲区通过前一步返回的镜像位置获取镜像，进而执行部署工作，部署成功后，云服务端将部署的网络地址返回给SLAM机器人，SLAM机器人获上述的网络地址，并与云服务端建立通信连接。本发明解决了SLAM机器人与云服务端间的数据交互问题，实现了服务机器人与云端协同计算和工作。
-
公开(公告)号：CN118295352A
公开(公告)日：2024-07-05
申请号：CN202410453364.9
申请日：2024-04-16
Applicant: 东北大学
IPC: G05B19/418
Abstract: 本发明公开了基于异构图神经网络和深度强化学习的HFSP调度优化方法，涉及生产车间调度技术领域。该方法包括步骤：将混合流水车间调度实例建模为异构图模型；根据现有的异构图神经网络原理建立异构图神经网络，通过该异构图神经网络获取混合流水车间调度实例异构图模型的图级多维度特征向量；对现有演员‑评论家算法进行改进：将演员网络由1个改为多个；将训练集中各混合流水车间调度实例异构图模型的图级多维度特征向量作为改进演员‑评论家算法的输入，使用改进演员‑评论家算法对训练集中的混合流水车间调度实例异构图模型的图级多维度特征向量进行训练，获得最优调度动作选择策略。该方法自适应性强且可自动平衡计算时间和求解质量之间的权重。
-
Patent Agency Ranking
公开(公告)号：CN118082998A
公开(公告)日：2024-05-28
申请号：CN202410529529.6
申请日：2024-04-29
Applicant: 东北大学
Abstract: 本发明涉及轮足式机器人技术领域，特别涉及一种适用于泥泞路面的轮足装置以及自动跟随运输机器人，其中适用于泥泞路面的轮足装置包含：安装板、一对车轮、传动箱、传动模块、制动模块、承载支架与驱动电机；传动箱设置在安装板的一侧；一对车轮设置在安装板与传动箱之间；传动模块设置在传动箱上并与安装板相连，传动模块与一对车轮相连，用于驱动一对车轮转动；承载支架固定设置在传动箱上；驱动电机固定设置在承载支架上并与传动模块相连，用于驱动传动模块运行；制动模块设置在安装板上，制动模块位于一对车轮之间。本发明解决了现有技术中的轮足机器人存在轮式模式与足式模式各需一个电机作为动力源进行驱动的缺陷，具有实用性强的特点。
-
公开(公告)号：CN115082536A
公开(公告)日：2022-09-20
申请号：CN202210537779.5
申请日：2022-05-18
Applicant: 东北大学
Abstract: 本发明提供一种适用于非结构化道路场景下高精度地图的构建方法，涉及自动驾驶技术领域。该方法使用联合标定过相机和激光雷达的数据采集车采集非结构化道路数据，并生成深度图像，根据采集回来的道路数据制作点云地图，根据道路环境选择对应算法进行道路区域提取，对生成的点云地图标注道路边界，判断道路宽度，并根据交通规则生成带有速度和方向的虚拟车道，人工校正步骤4标注的车道线，手动标注红绿灯和路牌位置，并将地图保存为所需的格式。本发明以道路边界为基础，对于在封闭园区和乡镇乡村等环境下的非结构化道路的高精度地图构建提出一种有效的方法，确保其在现自动驾驶软件框架中能够正确辅助无人车感知、定位以及规划等。
-
公开(公告)号：CN114670009A
公开(公告)日：2022-06-28
申请号：CN202210332701.X
申请日：2022-03-31
Applicant: 东北大学
IPC: B23P19/06
Abstract: 本申请提供了一种螺栓组的装配方法，包括：将所述螺栓组的基础数据作为已知量；获取所述螺栓组在至少两个预紧策略下的弹性相互作用矩阵，其中，所述预紧策略为按照预设顺序逐步预紧所述螺栓组内各螺栓的策略；基于所述已知量和所述弹性相互作用矩阵构建螺栓组预紧参数优化模型；通过所述螺栓组预紧参数优化模型确定所述螺栓组内目标螺栓的目标预紧策略和所述螺栓组内目标螺栓的目标预紧力；根据所述目标预紧策略和所述目标预紧力完成对所述螺栓组的装配。通过不同策略对应的弹性相互作用矩阵，在各步预紧操作中进行预紧策略的选择，优化每一步各颗螺栓上施加的预紧力，最终在满足连接件强度约束以及螺栓强度等约束等条件下给出最优预紧方法。
-
公开(公告)号：CN113033611A
公开(公告)日：2021-06-25
申请号：CN202110208036.9
申请日：2021-02-25
Applicant: 东北大学
IPC: G06K9/62 , G06K9/00 , G06N3/00 , G01M13/045 , G07C3/00
Abstract: 本发明涉及电机轴承故障诊断技术领域，提供一种电机轴承数据采集与故障诊断系统，包括数据采集模块、故障诊断模块、数据可视化模块；数据采集模块用于采集电机的振动速度等运行参数；故障诊断模块包括数据清洗模块，电机轴承故障类别标注模块，用于提取振动信号的小波包能量特征的特征提取模块，用于以振动信号的小波包能量特征为输入、对应的电机轴承故障类别标签为输出、构建并训练基于XGboost的电机轴承故障诊断模型的电机轴承故障诊断模型训练模块，用于采用改进粒子群优化算法对训练后的电机轴承故障诊断模型进行优化的故障诊断模型优化模块，电机轴承故障实时诊断模块。本发明能够提高电机轴承故障诊断的准确性、快速性及稳定性。
-
公开(公告)号：CN109993113A
公开(公告)日：2019-07-09
申请号：CN201910250449.6
申请日：2019-03-29
Applicant: 东北大学
Abstract: 本发明提供一种基于RGB‑D和IMU信息融合的位姿估计方法，包括：S1在RGB‑D相机数据和IMU数据的时间同步之后，对RGB‑D相机采集的灰度图像和深度图像以及IMU采集的加速度、角速度信息进行预处理，获取世界坐标系下相邻帧匹配的特征点和IMU状态增量；S2依据位姿估计系统的系统外参，对系统中视觉惯导装置进行初始化；S3根据初始化后的视觉惯导装置的信息和世界坐标系下相邻帧匹配的特征点、IMU状态增量构建系统的最小二乘优化函数，使用优化方法迭代求解出最小二乘优化函数的最优解，将最优解作为位姿估计状态量；进一步地，进行回环检测，获取全局一致的位姿估计状态量。由此，使得特征点深度估计更加准确，提高系统的定位精度。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.02 seconds)
