-
公开(公告)号：CN117473337B
公开(公告)日：2024-03-22
申请号：CN202311795885.4
申请日：2023-12-25
Applicant: 中国科学院自动化研究所
IPC: G06F18/22 , G06F18/213 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/0985
Abstract: 本公开涉及一种轨迹关联方法及装置、设备及存储介质，所述方法包括：获取同一时段内分别在第一模态和第二模态下各运动目标的轨迹数据；将第一模态和第二模态下各运动目标的轨迹数据输入已知的编码器中，输出各运动目标的特征向量；根据各运动目标的特征向量确定各运动目标的描述向量；根据第一模态下各运动目标与第二模态下各运动目标的描述向量，确定第一模态下各运动目标与第二模态下各运动目标的相似度矩阵，以按照相似度矩阵对第一模态与第二模态下的运动目标进行关联，在实现准确的轨迹关联的同时，克服外点的干扰，具有高鲁棒性的优势。
-
公开(公告)号：CN112801206B
公开(公告)日：2022-10-14
申请号：CN202110202841.0
申请日：2021-02-23
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于计算机视觉领域，具体涉及了一种基于深度图嵌入网络与结构自学习的图像关键点匹配方法，旨在解决现有技术未能学习图像目标的结构信息，图像关键点匹配的精度和准确性还远达不到预期的问题。本发明包括：分别对获取的待匹配图像对的关键点进行结构化处理；提取待匹配图像的特征图，并通过双线性插值获取关键点特征矩阵；通过深度图嵌入网络更新关键点特征矩阵及图结构；通过深度图匹配网络计算相似度矩阵，通过Sinkhorn算法得到匹配矩阵并更新关键点特征矩阵；通过匈牙利算法进行迭代设定次数获得的最终匹配矩阵的离散化，获得待匹配图像对的关键点匹配结果。本发明能够更好地学习关键点特征，获得较好的匹配结果。
-
公开(公告)号：CN112183620B
公开(公告)日：2021-04-23
申请号：CN202011032774.4
申请日：2020-09-27
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于计算机视觉领域，具体涉及了一种基于图卷积神经网络的小样本分类模型的发育方法及系统，旨在解决现有模型应用到新任务中性能不佳并且需要大量带标签训练样本的问题。本发明包括：提取一个由无向图构成的知识图谱，获取与任务相关的知识性信息；提取原始模型针对旧任务的训练过程中的经验信息；将知识性信息以及经验性信息相融合，构成新的融合图；通过建立新任务类别和旧任务类别之间的联系并进行模型的训练，得到面向新任务的认知发育后的分类模型。本发明方法在任务的迁移过程中，新任务无需提供大量的带标签样本，就可以实现快速而精准的视觉迁移，极大地提高了模型的利用率，降低了训练模型的成本和时间。
-
公开(公告)号：CN112183620A
公开(公告)日：2021-01-05
申请号：CN202011032774.4
申请日：2020-09-27
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于计算机视觉领域，具体涉及了一种基于图卷积神经网络的小样本分类模型的发育方法及系统，旨在解决现有模型应用到新任务中性能不佳并且需要大量带标签训练样本的问题。本发明包括：提取一个由无向图构成的知识图谱，获取与任务相关的知识性信息；提取原始模型针对旧任务的训练过程中的经验信息；将知识性信息以及经验性信息相融合，构成新的融合图；通过建立新任务类别和旧任务类别之间的联系并进行模型的训练，得到面向新任务的认知发育后的分类模型。本发明方法在任务的迁移过程中，新任务无需提供大量的带标签样本，就可以实现快速而精准的视觉迁移，极大地提高了模型的利用率，降低了训练模型的成本和时间。
-
公开(公告)号：CN109176532B
公开(公告)日：2020-09-29
申请号：CN201811333508.8
申请日：2018-11-09
Applicant: 中国科学院自动化研究所
IPC: B25J9/16
Abstract: 本发明属于机器人技术领域，具体涉及一种机械臂路径规划方法、系统及装置，旨在解决从序贯式数据逐步建立序列模型而发生灾难性遗忘的问题。本发明方法包括，从多任务序列R中选取一个未经优化的任务Ri；基于任务Ri的局部策略pi来生成成功抓取的样本轨迹集合Dm；基于Dm拟合线性高斯动力学模型；采用直接优化单一的局部策略的方法优化得到优化后的局部策略p1i；基于p1i生成成功抓取的样本轨迹集合D1m；采用EWC算法，基于D1m优化全局策略πθ；重复上述步骤直至R任务被遍历，输出最后优化的到的全局策略πθ，进行机械臂多任务下的路径规划。通过本发明从序贯式数据逐步建立序列模型而不发生灾难性的遗忘。
-
Patent Agency Ranking
公开(公告)号：CN107234625B
公开(公告)日：2019-11-26
申请号：CN201710552603.6
申请日：2017-07-07
Applicant: 中国科学院自动化研究所
IPC: B25J13/08
Abstract: 本发明涉及机器人技术领域，具体涉及一种视觉伺服定位和抓取的方法。本发明旨在解决现有技术中机器人对目标物体进行自主定位和抓取时不够精准的问题。为此目的，本发明的视觉伺服定位和抓取的方法包括：采集目标物体的图像；确定目标物体在图像中的位置信息；根据位置信息确定目标物体在环境中的实际位置；根据实际位置，控制机器人的机械手抓取目标物体。通过本发明的技术方案，实现了机器人对目标物体高效精准地自主定位和抓取，同时，本发明的技术方案不需要对机器人的硬件系统进行改进，从而降低了环境对机器人硬件系统的限制。
-
公开(公告)号：CN118053085B
公开(公告)日：2024-12-06
申请号：CN202410293698.4
申请日：2024-03-14
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及计算机视觉技术领域，提供一种轨条砦分割方法、装置、电子设备及存储介质，基于航拍深度图像的图像信息与航拍深度图像中轨条砦区域面积占比之间的映射关系，预测目标轨条砦区域面积占比；基于当前分割阈值，对待处理航拍深度图像进行二值化分割，确定待处理航拍深度图像的当前前景区域，计算当前前景区域的面积均值的占比与目标轨条砦区域面积占比的差异信息，直至差异信息在预设范围内，或当前分割阈值在指定范围内波动，确定分割过程中差异信息最小的前景区域为待处理航拍深度图像中的目标轨条砦区域，并识别基座区域和桩柱区域。该方法具有计算速度快、所需计算资源少等优势，可快速确定轨条砦的基座和桩柱。
-
公开(公告)号：CN118053085A
公开(公告)日：2024-05-17
申请号：CN202410293698.4
申请日：2024-03-14
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及计算机视觉技术领域，提供一种轨条砦分割方法、装置、电子设备及存储介质，基于航拍深度图像的图像信息与航拍深度图像中轨条砦区域面积占比之间的映射关系，预测目标轨条砦区域面积占比；基于当前分割阈值，对待处理航拍深度图像进行二值化分割，确定待处理航拍深度图像的当前前景区域，计算当前前景区域的面积均值的占比与目标轨条砦区域面积占比的差异信息，直至差异信息在预设范围内，或当前分割阈值在指定范围内波动，确定分割过程中差异信息最小的前景区域为待处理航拍深度图像中的目标轨条砦区域，并识别基座区域和桩柱区域。该方法具有计算速度快、所需计算资源少等优势，可快速确定轨条砦的基座和桩柱。
-
公开(公告)号：CN117953153A
公开(公告)日：2024-04-30
申请号：CN202410025261.2
申请日：2024-01-08
Applicant: 中国科学院自动化研究所
Abstract: 本公开涉及一种三维重建方法即装置、设备即存储介质，所述方法包括：将源图像输入已知的多视图三维重建网络，输出与源图像对应的视频和相机位姿信息；抽取所述视频的每一图像帧，并将抽取的每一图像帧与相机位姿信息进行匹配；对源图像进行识别，得到与源图像相关的文字描述；将与源图像相关的文字描述以及相互匹配的每一图像帧与相机位姿信息，作为已知的图像生成模型的输入，生成与源图像对应的各个角度的图像，以组成与源图像对应的三维模型，能够准确地对图像中的物品进行三维重建。
-
公开(公告)号：CN117506940B
公开(公告)日：2024-04-09
申请号：CN202410012473.7
申请日：2024-01-04
Applicant: 中国科学院自动化研究所
IPC: B25J9/16
Abstract: 本发明涉及一种机器人轨迹语言描述生成方法、装置和可读存储介质。涉及机器人技术领域，该方法包括：在连续仿真环境中生成仿真轨迹，并使智能体按照仿真轨迹运行；获取仿真轨迹运行过程中的传感器观察信息和动作序列信息；确定出动作序列信息中的关键动作；根据关键动作确定出传感器观察信息中的视觉观察信息；采用多模态预训练模型来预测视觉观察信息中的名词信息；生成轨迹指令模板；将关键动作和名词信息填入轨迹指令模板，以得到与仿真轨迹对应的自然语言描述。该方法能够极大降低视觉语言导航训练数据的产生成本，扩大数据规模，降低视觉语言导航的训练难度，提升训练效率和训练得到的模型的泛化性及准确度。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.04 seconds)
