-
公开(公告)号：CN113688802B
公开(公告)日：2022-04-01
申请号：CN202111235190.1
申请日：2021-10-22
Applicant: 季华实验室
Abstract: 本发明涉及生物信号处理技术领域，具体公开了一种基于肌电信号的手势识别方法、装置、设备及存储介质，其中，方法包括以下步骤：实时获取肌电信号；获取不同分类器对所述肌电信号的分类结果；根据所述分类结果的一致性获取有效结果；将所述有效结果逐个投入第一投票队列中，获取初始手势识别结果；将所述初始手势识别结果逐个投入第二投票队列中，获取最终手势识别结果；该方法利用不同分类器获取具有一致性的有效结果，去除了肌电信号中难以进行准确分类的数据，然后通过第一投票队列和第二投票队列进行两级投票获取最终手势识别结果，有效去除了因噪声数据和分类器缺陷引起的误判结果，具有数据计算量少、识别准确度高、识别效率高的特点。
-
公开(公告)号：CN117386567A
公开(公告)日：2024-01-12
申请号：CN202311690467.9
申请日：2023-12-11
Applicant: 季华实验室
IPC: F03D17/00 , B64D1/02 , B64U10/16 , B25J11/00 , B64U101/26 , B64U101/60
Abstract: 本申请属于风机叶片检测的技术领域，公开了一种风机叶片检测方法及系统，该方法包括：获取飞行机器人系统的实时空中视角图像，通过中心投票法，对实时空中视角图像进行数据提取，以构建待测风机叶片的叶片简化模型，根据叶片简化模型，结合安全飞行偏置距离，生成安全飞行参考轨迹，基于安全飞行参考轨迹和叶片简化模型，计算最佳放置位置，并控制飞行机器人系统在最佳放置位置对应的悬停位置将爬行机器人放置在风机叶片上，控制爬行机器人对风机叶片进行检测，得到检测结果信息，通过风机叶片检测系统，结合位姿信息、安全飞行参考轨迹和最佳放置位置，对风机叶片进行检测，提高了风机叶片的检测效率。
-
公开(公告)号：CN112114670B
公开(公告)日：2023-04-07
申请号：CN202010947182.9
申请日：2020-09-10
Applicant: 季华实验室
IPC: G06F3/01 , G06F18/213 , G06F18/24
Abstract: 本发明公开一种基于混合脑机接口的人机共驾系统及其控制方法，可实现机器人完全脑控和人机共驾两种模式控制，在机器人控制中突出人核心作用，充分利用人经验智慧和智能机器人精确感知实行决策，辅助用户进行安全控制，用户可接收反馈信息，且系统可不断学习用户操作模式，不断积累操作数据和VR场景进行训练时数据均可用于提升系统性能，使人机交互更安全高效，增强人机交互耦合，在人机共驾和智能机器人方面具有重要应用价值；相较于单一模态BCI系统，本混合BCI系统具有多种控制指令、更好操作性和鲁棒性，操作控制更多样，人机交互模式更符合实际应用，解决脑控机器人操作模式单一和控制命令过于简单问题。
-
公开(公告)号：CN115218907B
公开(公告)日：2022-12-09
申请号：CN202211138062.X
申请日：2022-09-19
Applicant: 季华实验室
IPC: G01C21/20 , G06F30/20 , G06Q10/04 , G06F111/04 , G06F119/14
Abstract: 本申请涉及无人机控制技术领域，提供了一种无人机路径规划方法、装置、电子设备及存储介质，方法包括：获取无人机分别在前、后、左、右、上、下六个方向上的综合感知能力得分；获取无人机的初始位置信息和目标位置信息；基于ego‑planner算法的前端路径算法，根据所述初始位置信息和所述目标位置信息生成无人机的初始路径；根据无人机的前、后、左、右、上、下六个方向上的综合感知能力得分计算所述初始路径的后端约束函数；把所述后端约束函数代入所述ego‑planner算法的后端路径算法，以对所述初始路径进行修正，得到无人机的最终路径。本发明具有搜索效率高和安全性高的有益效果。
-
公开(公告)号：CN114543831A
公开(公告)日：2022-05-27
申请号：CN202210404091.X
申请日：2022-04-18
Applicant: 季华实验室
Abstract: 本发明涉及智能导航技术领域，具体公开了一种基于驾驶风格的路径规划方法、装置、设备及存储介质，其中，方法包括以下步骤：获取全局路径信息、车辆位置信息及驾驶风格类型；建立深度神经网络模型；生成多条形状不同的备选局部路径信息；选择一条备选局部路径信息作为试探执行路径；跟踪试探执行路径，并根据驾驶风格类型评价试探执行路径以生成反馈奖励信息；利用时序差分采样法根据反馈奖励信息更新深度神经网络模型；输出深度神经网络模型作为期望驾驶风格模型以进行路径规划。该方法获取的期望驾驶风格模型更加贴近人类的驾驶习惯、倾向，并有效提高了模型的训练和收敛速度。
-
Patent Agency Ranking
公开(公告)号：CN114078151B
公开(公告)日：2022-04-22
申请号：CN202210061609.4
申请日：2022-01-19
Applicant: 季华实验室
Abstract: 本发明涉及数据融合技术领域，具体公开了一种点云融合方法、装置、电子设备及存储介质，其中，方法包括以下步骤：获取点云信息和与点云信息对应的图像信息；对点云信息进行低频滤波处理获取有效点云信息；将有效点云信息转换为点云迭代值；将图像信息整合转换为图像迭代值；提取点云特征信息和图像特征信息；根据点云特征信息和图像特征信息建立损失函数；根据自适应梯度下降算法更新损失函数，直至损失函数收敛；获取损失函数收敛时的融合权重，作为点云信息的泛化融合权重以融合点云信息；该方法以图像信息整合提取的特征作为点云信息融合提取的特征的评价方式为点云融合增加了关联的评判对象，能有效提高融合计算速度和匹配鲁棒性。
-
公开(公告)号：CN114347043A
公开(公告)日：2022-04-15
申请号：CN202210257626.5
申请日：2022-03-16
Applicant: 季华实验室
IPC: B25J9/16
Abstract: 本发明涉及智能机械手技术领域，具体公开了一种机械手模型学习方法、装置、电子设备及存储介质，其中，学习方法包括以下步骤：获取多组供所述机械手模型学习的、关于同一执行任务的专家演示数据；根据所述专家演示数据生成关联于学习成本函数的专家策略，所述学习成本函数基于模仿所述专家演示数据所需的模仿成本和所述专家演示数据的密集程度建立；最小化所述学习成本函数以获取最优专家策略；根据所述最优专家策略训练所述机械手模型；该方法最终获取的最优专家策略将机械手模型推向专家演示数据分布密集的范围内模仿专家演示行为，从而使得机械手模型能在尽可能低的模仿成本下精准地模仿完成专家演示行为。
-
公开(公告)号：CN114299619A
公开(公告)日：2022-04-08
申请号：CN202210055484.4
申请日：2022-01-18
Applicant: 季华实验室
IPC: G06V40/20 , G06V20/40 , G06V10/34 , G06V10/764 , G06V10/766 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本申请属于行为识别技术领域，公开了一种在线行为识别方法、装置、电子设备及存储介质，通过获取最新的N帧视频图像的人体骨架信息；识别各帧视频图像的行为的概率最大的M种行为类型；检测各帧视频图像的行为属于各种行为类型的起始动作的起点置信度和终止动作的终点置信度；根据各种行为类型的起点置信度时序数组与相应行为类型的标准起点置信度时序数组的相关性检测是否出现相应行为类型的开始标志；根据各种行为类型的终点置信度时序数组与相应行为类型的标准终点置信度时序数组的相关性检测是否出现相应行为类型的结束标志；根据开始标志和结束标志的检测结果输出行为类型的识别结果；从而具有较好的灵活性和较高的识别正确率。
-
公开(公告)号：CN114078151A
公开(公告)日：2022-02-22
申请号：CN202210061609.4
申请日：2022-01-19
Applicant: 季华实验室
Abstract: 本发明涉及数据融合技术领域，具体公开了一种点云融合方法、装置、电子设备及存储介质，其中，方法包括以下步骤：获取点云信息和与点云信息对应的图像信息；对点云信息进行低频滤波处理获取有效点云信息；将有效点云信息转换为点云迭代值；将图像信息整合转换为图像迭代值；提取点云特征信息和图像特征信息；根据点云特征信息和图像特征信息建立损失函数；根据自适应梯度下降算法更新损失函数，直至损失函数收敛；获取损失函数收敛时的融合权重，作为点云信息的泛化融合权重以融合点云信息；该方法以图像信息整合提取的特征作为点云信息融合提取的特征的评价方式为点云融合增加了关联的评判对象，能有效提高融合计算速度和匹配鲁棒性。
-
公开(公告)号：CN114071114A
公开(公告)日：2022-02-18
申请号：CN202210047705.3
申请日：2022-01-17
Applicant: 季华实验室
IPC: H04N13/204 , H04N5/33
Abstract: 本发明涉及计算机视觉技术领域，具体公开了一种事件相机、深度事件点图获取方法、装置、设备及介质，其中，所述获取方法包括以下步骤：获取事件信息和红外点云信息，所述红外点云信息基于TOF模组采集生成；获取所述事件信息的第一时间戳信息和获取所述红外点云信息的第二时间戳信息，所述第一时间戳信息和所述第二时间戳信息均基于所述TOF模组的采集帧率进行标记；根据所述第一时间戳信息和所述第二时间戳信息整合所述事件信息和所述红外点云信息，以获取所述具有深度信息的事件点图；该获取方法具有运算逻辑简单、响应速度快的特点。
-
-
-
-
-
-
-
-
-
Search Results
32
records
(took 0.03 seconds)
