-
公开(公告)号：CN108513353B
公开(公告)日：2020-06-16
申请号：CN201810184009.0
申请日：2018-03-07
Applicant: 绍兴文理学院
Abstract: 本发明涉及一种基于双信标节点实现移动机器人定位的方法，移动机器人的通信半径与数个信标节点的通信半径相同，当移动机器人在其通信半径内只与无线传感器网络中的两个信标节点建立通信连接，则对所述的无线传感器网络建立二维直角坐标系，两个信标节点分别根据其与移动机器人的距离为半径、以自身的坐标信息为圆心做圆，根据两个圆的交点数量判断移动机器人的实际坐标信息。采用本发明的基于双信标节点实现移动机器人定位的方法，算法简单可靠，降低了对硬件的要求，无需里程计和陀螺仪，避免定位算法的累积误差，节省了网络成本，可扩展性强，适用性强、成本低廉、具有广泛的应用价值。
-
公开(公告)号：CN109048930A
公开(公告)日：2018-12-21
申请号：CN201810673745.2
申请日：2018-06-27
Applicant: 绍兴文理学院
CPC classification number: B25J11/0035 , B25J9/1697 , G06K9/00664 , G06K9/4609
Abstract: 本发明涉及一种基于镜像视觉实现机器人舞蹈姿态自主评判的系统，包括视觉摄像头、图像处理模块、自主学习模块和自主评判模块，视觉摄像头、图像处理模块、自主学习模块和自主评判模块依次建立数据传输连接，图像处理模块还与自主评判模块建立数据连接。采用该种系统，通过对机器人舞蹈姿态的镜像视觉图像采集、预处理、特征提取及特征融合，在建立舞蹈姿态样例集的基础上进行机器学习，建立舞蹈姿态自主评判模型，使机器人具备理解自身舞蹈姿态美感的能力，从视觉信息感知通道出发，实现了机器人更加精准评判自身舞蹈姿态的审美结果，具有如舞蹈治疗、机器人玩具等更广泛的应用范围。
-
公开(公告)号：CN108571979A
公开(公告)日：2018-09-25
申请号：CN201810335552.6
申请日：2018-04-16
Applicant: 绍兴文理学院
IPC: G01C21/34
Abstract: 本发明涉及一种基于覆盖三角形和生成树实现机器人路径规划的方法，其中包括利用地图栅格分解法将探测区域分割成数个粗栅格区域和数个细栅格区域，利用粗栅格区域、细栅格区域的标记情况部署新的信标节点，并生成三角形或生成树路径。采用本发明的基于覆盖三角形和生成树实现机器人路径规划的方法，在不同条件下智能的在线建立三角形路径和生成树路径，解决避障和避免网络覆盖漏洞问题，减少计算复杂度，增加了机器人角度的选项，保证机器人可以高效快速地成功走出陷阱，并且，近似等边三角形部署信标节点能够改进机器人定位精度，增强了机器人的灵活性、鲁棒性和精确性，具有更广泛的应用范围。
-
公开(公告)号：CN108540938A
公开(公告)日：2018-09-14
申请号：CN201810335571.9
申请日：2018-04-16
Applicant: 绍兴文理学院
Abstract: 本发明涉及一种修复无线传感器网络中漏洞的方法，其中包括根据粗栅格区域和细栅格区域建立生成树分支并放置新的信标节点，根据生成树算法寻找通向最近漏洞的细栅格区域，并调整生成树分支，到达漏洞后放置一个新信标节点采用了本发明的修复无线传感器网络中漏洞的方法，利用划分粗栅格和细栅格解决覆盖、避障和漏洞问题，本方法通过定位冗余漏洞确定运动方向，同时在检测到障碍物时调整路线避开，根据移动路径调整生成树分支，保证机器人能够到达漏洞并设置新的信标节点，修复漏洞，现无线传感器网络完全覆盖，增强了机器人的灵活性、鲁棒性和精确性，具有更广泛的应用范围。
-
公开(公告)号：CN112288768B
公开(公告)日：2024-07-26
申请号：CN202011224652.5
申请日：2020-11-05
Applicant: 绍兴文理学院
Abstract: 本发明公开了一种结肠镜图像序列肠息肉区域的跟踪初始化决策系统，其特征在于，包括肠息肉区域信息获取模块、肠息肉区域判定模块、目标关联区域判定模块、目标肠息肉区域中智集建模模块、和目标肠息肉区域跟踪初始化判决模块；通过对目标肠息肉区域进行中智集建模，并计算目标肠息肉区域的中智度量同理想中智度量的交叉熵，按照交叉熵越小越可能是真实肠息肉的原则，对目标肠息肉区域进行跟踪初始判决，判断为需要实施跟踪，则加入到正在跟踪的肠息肉区域集合中处理。本发明能解决将视频目标跟踪分割算法引入肠息肉序列检测中，由于息肉区域检测分割不确定性引起的视频目标跟踪误启动的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN117252733A
公开(公告)日：2023-12-19
申请号：CN202211532707.8
申请日：2022-12-01
Applicant: 绍兴文理学院
IPC: G06Q50/20 , G06N7/02 , G06N5/022 , G06N3/08 , G06F18/241 , G06F18/213
Abstract: 本发明公开了一种基于多决策指标的评价方法和系统，方法包括步骤：(1)根据使用场景获取相应的评价指标集合C＝{c1,c2,…,ci,…,cm}，评价值L，获得包含具有评价指标集合C各项指标值的t个对象的数据集D；(2)一级模糊综合评判；(3)二级综合模糊评判。本发明大大降低了数据维度，增加了数据密度，使其可使用通用数据算法，因此数据来源可以没有严格限制，可以适用于不同场景，同时大大降低了数据维度，降低了计算成本。解决现有多决策指标评价方法中由于决策指标维度较高引起的数据稀疏造成的无法使用通用的数据算法的问题，以及由于数据维度较高带来的计算成本指数级增加的问题。
-
公开(公告)号：CN110197513B
公开(公告)日：2023-04-28
申请号：CN201910393318.3
申请日：2019-05-13
Applicant: 绍兴文理学院
Abstract: 本发明涉及一种基于调整阈值匹配误差的串匹配数据压缩方法，包括编码串、参考串、设定的阈值、以及预设的匹配条件，编码串的最小匹配单位为编码基元，参考串的最小匹配单位为参考基元；设定初始阈值以及对应的匹配条件，比较当前编码基元(或编码串)与参考基元(或参考串)之间是否满足所设定的匹配条件，当前匹配判断完成则对当前阈值进行调整，下一个编码基元或者编码串匹配时使用调整后的新阈值进行匹配判断。本发明考虑到当前匹配误差对全局误差的影响，通过对当前阈值的调整为后续基元的匹配进行全局优化处理，显著提高了编码的效率。
-
公开(公告)号：CN110087073B
公开(公告)日：2021-01-26
申请号：CN201910393135.1
申请日：2019-05-13
Applicant: 绍兴文理学院
IPC: H04N19/169 , H04N19/146 , H03M7/30
Abstract: 本发明涉及一种多阈值串匹配数据压缩方法，包括编码串、参考串、设定的阈值、以及预设的匹配条件，编码串的最小匹配单位为编码基元，参考串的最小匹配单位为参考基元；设定多个阈值以及与多个阈值相对应的多个匹配条件，比较当前编码基元与参考基元是否匹配，或者比较当前编码串与参考串是否匹配时，满足其中一个匹配条件即可判定匹配成功，或者采用同时满足多个匹配条件才判定匹配成功的方式。多阈值既可以是固定值也可以采用非固定值，这种灵活的多组合方式是基于考虑到局部与整体之间误差存在差异性，以及多个分量之间误差存在差异性而提出，该方法拓宽了数据压缩的适用范围，显著提高了串匹配编码的效率。
-
公开(公告)号：CN108564622A
公开(公告)日：2018-09-21
申请号：CN201810335579.5
申请日：2018-04-16
Applicant: 绍兴文理学院
IPC: G06T7/70
Abstract: 本发明涉及一种实现定位板图像中亚像素级角点定位的方法，其中包括获得像素级角点的初始位置坐标；比较各亚像素级角点之间的斜率和设定斜率之间的关系进行筛选；确定数条贯穿各亚像素级角点的曲线的方程式并将曲线交点并作为该亚像素级角点的最优位置坐标。采用了本发明中的实现定位板图像中亚像素级角点定位的方法，消除了角点提取错误的现象，自动筛选大量角点信息，也有效抑制了系统噪声产生的严重定位误差，同时本方法克服Harris角点优化过程中无法逾越的局部最优现象，提高了定位精度，解决了坐标偏移问题，降低算法复杂度，具有更广泛的应用范围。
-
公开(公告)号：CN115689935A
公开(公告)日：2023-02-03
申请号：CN202211404052.6
申请日：2022-11-10
Applicant: 绍兴文理学院
Abstract: 本发明公开了一种结肠镜图像的数据增强方法，属于计算机视觉技术领域，方法包括：获取多张原始结肠镜图像，对灰度信息和饱和度信息进行融合，获得原始结肠镜图像反光区域坐标点集合；从反光区域坐标点集合中计算出小反光区的坐标点集合并对其进行恢复，得到小反光区恢复图像；将源图像和目标域图像转换至LAB颜色空间；计算源图像和目标域图像中除了反光区域和暗色区域以外的各颜色通道的标准差和均值；将源图像的颜色域迁移至目标域图像对应的目标域；对迁移图像的暗色区域进行恢复，得到颜色域迁移增强图像；将原始结肠镜图像，小反光区恢复图像和颜色域迁移增强图像组成结肠镜增强图像数据集合，其中，结肠镜增强图像数据集合用于后续图像分析。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.022 seconds)
