-
公开(公告)号：CN109948412B
公开(公告)日：2022-09-16
申请号：CN201811608398.1
申请日：2018-12-27
Applicant: 中南大学
Abstract: 本发明公开了一种基于深度卷积神经网络的违禁物品标识方法，搭建一个具有三层Inception模块和一层BP神经网络的深度卷积神经网络。以违禁物品样本数据利用SGD随机梯度下降对三个Inception模块进行训练，获取违禁物品样本数据的高阶抽象特征，再通过BP对深度卷积神经网络参数进行优化，从而完成深度卷积神经网络的训练。将训练好的深度卷积神经网络应用到当前违禁物品样本数据，通过输出Softmax层便可获得违禁物品的种类。本发明可以识别各类不同有特定形状的违禁物品，提高安检的安全性。
-
公开(公告)号：CN114919581A
公开(公告)日：2022-08-19
申请号：CN202210509160.3
申请日：2022-05-11
Applicant: 中南大学
IPC: B60W30/18 , B60W30/08 , B60W30/095 , B60W50/00 , B60W60/00
Abstract: 本发明公开了一种智能车辆无序交叉路口的行为决策方法、计算机装置，根据马尔可夫决策过程，并结合现实世界中车辆在无序交叉路口中的行驶交通规则，设计动作空间A和奖励函数R；智能车辆从仿真环境中实时获取激光雷达传感器信息和无序交叉路口的鸟瞰图信息，构建状态空间S；构建包含多层感知机，卷积神经网络和竞争神经网络的竞争双重Q网络，将处理的激光雷达传感器信息和经由空间注意力提取特征的无序交叉路口的鸟瞰图信息编码融合后，解码输入竞争神经网络计算Q值进行决策。模型评估阶段中，智能车辆以Q值最大为原则进行决策，顺利通过无序交叉路口。本发明可有效提高智能车辆在无序交叉路口中的自主决策能力。
-
公开(公告)号：CN112033410A
公开(公告)日：2020-12-04
申请号：CN202010915072.4
申请日：2020-09-03
Applicant: 中南大学
Abstract: 本发明公开了一种移动机器人环境地图构建方法、系统及存储介质，属于移动机器人自主建图技术领域，涉及到机器人建图的自主性问题。设计了一种强化学习方法与基于边界的探索方法项结合的移动机器人自主建图方法，移动机器人通过其自身搭载的激光雷达获取环境信息，然后通过基于边界的探索方法找到当前环境中的所有边界点，再基于移动机器人在边界点的预期收益和机器人移动到边界点的成本来选择一个最佳的边界点，机器人使用强化学习的方法避障导航移动到边界点，获取奖励信号。本发明中的机器人建图的自主性能使机器人适应更为复杂陌生的环境。
-
公开(公告)号：CN111830985A
公开(公告)日：2020-10-27
申请号：CN202010723850.X
申请日：2020-07-24
Applicant: 中南大学
IPC: G05D1/02
Abstract: 本发明公开了一种多机器人定位方法、系统及集中式通信系统，系统内各独立机器人利用自身携带的激光雷达探测周围环境，完成各子区域环境地图的构建，并将子区域栅格地图发送给终端计算机。终端计算机接收到子区域栅格地图后，首先对子区域栅格地图进行空间关系特征的提取，确定子区域栅格地图之间的重合部分。其次，通过对子区域栅格地图重合部分的ORB特征进行提取匹配，计算最优匹配点，设定融合比例进行子区域栅格地图的融合，得到全局地图。然后，通过amcl自适应蒙特卡罗定位方法对机器人进行定位，最后，在原有地图基础上，加入特征地图层，为路径规划提供便利。
-
公开(公告)号：CN103440418B
公开(公告)日：2016-11-30
申请号：CN201310388266.3
申请日：2013-08-30
Applicant: 中南大学
IPC: G06F19/00
Abstract: 本发明公开了一种基于自组织卡尔曼滤波的多传感器主动容错估计方法，该方法构建自组织卡尔曼滤波结构，利用硬故障检测阈值、软故障检测因子增减率和变化率实现故障检测，并设计补偿因子。同时根据各传感器感知信号的精度，设计信息分配系数，实现各传感器间的融合最优估计及其主动容错补偿。主要步骤包括：构建并行卡尔曼滤波子系统和参考卡尔曼滤波系统；基于自组织卡尔曼滤波的多传感器硬故障检测；基于软故障因子增减性与变化率的传感器软故障检测，并实现软故障的校正；获得最优估计值X(k)。该基于自组织卡尔曼滤波的多传感器主动容错估计方法能有效解决多传感器系统冗余信号故障检测与主动容错问题，提高多传感器系统的融合精度与容错性能。
-
Patent Agency Ranking
公开(公告)号：CN101217488A
公开(公告)日：2008-07-09
申请号：CN200810030495.7
申请日：2008-01-16
Applicant: 中南大学
Abstract: 本发明公开了一种可重构的多移动机器人通信方法，包括以下步骤：机器人向周围机器人发送HELLO消息，根据接收到的HELLO消息，建立机器人簇结构，维护邻居机器人节点表；机器人进行数据发送时，节点在两跳之内利用邻居机器人节点表的两跳拓扑信息来实现，对于大于两跳的目的机器人节点，由簇头广播发送路由请求消息，寻找一个到终点的路由，根据寻找的路由完成数据发送。本发明采用可重构的簇结构和链路，具有通信速度快、延时小、参与节点少的优点，有利于多机器人间信息实时交互。本发明能高效实现多机器人间的信息传递，为多机器人相互协作提供底层服务。
-
公开(公告)号：CN118657919A
公开(公告)日：2024-09-17
申请号：CN202410772683.6
申请日：2024-06-17
Applicant: 中南大学
IPC: G06V10/22 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06V20/70 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种基于掩膜先验分布融合与边缘概率估计的显著性检测方法，主要解决现有技术显著性主体判断错误，检测结果中目标边缘模糊的问题。其实施方案为：1)获取数据集与检测标签；2)获取检测标签分布；3)获取边缘概率标签；4)构建检测模型；5)构建损失函数；6)训练检测模型；7)显著性检测。本发明构建的检测模型，通过感受野模块，利用分组卷积机制，降低特征图中的信息冗余，提升语义多样性；通过交叉注意力机制，将标签的先验分布融入多尺度特征中，为显著性目标主体的判断提供了先验位置信息，避免了检测结果中显著性主体判断错误的发生；通过边缘概率估计，为边缘强化提供了引导，解决了检测结果中边缘模糊的问题。
-
公开(公告)号：CN117537825A
公开(公告)日：2024-02-09
申请号：CN202311613078.6
申请日：2023-11-29
Applicant: 中南大学
IPC: G01C21/20 , G06Q10/0835 , G06Q10/047 , G01C21/34 , G01S17/931 , G01S7/48
Abstract: 本发明公开了一种物流配送车自适应运动规划方法、设备及存储介质，包括全局路径规划和局部路径规划。全局路径规划采用改进启发式函数的优化JPS算法，将传统的欧式距离函数替代为马哈拉诺比斯距离，考虑了各变量特性之间的联系以及尺度无关性，能够更准确地预估中间点到终点的路径距离。局部路径规划采用基于环境调整评价系数的改进DWA算法，能够自适应调整轨迹评价参数，生成更优的局部路径。本发明克服了传统JPS算法启发式函数效率较低的问题，减少了规划时间，提高了物流配送车全局路径的搜索效率，并适用于环境复杂多变的场景，实现了不同路况下的自适应性，极大改善了物流配送车的时效性。
-
公开(公告)号：CN111505623B
公开(公告)日：2023-04-18
申请号：CN202010333455.0
申请日：2020-04-24
Applicant: 中南大学
IPC: G01S13/86 , G01S13/931 , G05D1/02
Abstract: 本发明公开了一种无人驾驶车辆行驶过程中的障碍物检测方法、系统、车辆，将雷达坐标系和摄像头坐标系统一为车身坐标系；读取并解析第一传感器和第二传感器原始报文数据，得到所述车身坐标系下的原始障碍物目标；判断第一传感器和第二传感器检测出的原始障碍物目标是否为同一障碍物；融合判断为同一障碍物的目标，得到最终的障碍物目标信息。本发明融合了第一传感器和第二传感器数据，解决了现有方法不能满足实时性要求、检测效率低、成本高昂、易受环境影响的问题，提高了检测可靠性和检测效率。
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.019 seconds)
