-
公开(公告)号：CN114604047B
公开(公告)日：2022-08-02
申请号：CN202210526045.7
申请日：2022-05-16
Applicant: 鹏城实验室
IPC: B60F3/00
Abstract: 本发明公开一种水陆两栖越障机器人，其包括壳体，旋转机构和多个弧形桨叶；所述壳体的前后两端均转动连接有两个车轮轴；所述壳体内设置有驱动机构，所述驱动机构与位于所述壳体前端的车轮轴连接以驱动车轮轴转动，所述旋转机构设置于所述车轮轴上；多个弧形桨叶位于所述车轮轴的外围，并沿其周向依次排布；所述旋转机构分别与多个弧形桨叶转动连接，并驱动多个弧形桨叶相对于所述车轮轴转动，以使多个弧形桨叶合拢成圆形、展开成风车形；当多个弧形桨叶合拢时，可以普通轮式移动方式在平坦路面行进；当多个弧形桨叶展开时，既可以转动拨水，以在水中浮游行进，又可以扩大外径从而提高越障能力，使得所述水陆两栖越障机器人可以在崎岖路面行进。
-
公开(公告)号：CN114338664A
公开(公告)日：2022-04-12
申请号：CN202111444606.0
申请日：2021-11-30
Applicant: 鹏城实验室
IPC: H04L67/10 , H04L67/1061 , H04L41/147 , H04L41/142 , H04L41/14 , H04W84/18
Abstract: 本发明涉及分布式架构技术领域，具体是涉及基于分布式架构获取目标状态的方法、装置及存储介质。本发明采用分布式架构中的各个节点体获取目标物体的状态，再结合各个节点体的相邻节点体进行逆协方差交叉迭代运算，最终各个节点体获得融合后的目标状态数据。分布式架构增加了整体系统的健壮性同时降低了对通信带宽的需求。本发明采用节点集合对每个节点体获取到的目标状态数据进行迭代运算，能够使得每个节点体所获得的目标状态数据扩散到整个分布式架构所在的网络中，从而提高了通过分布式架构所获取到的目标状态数据的精度。同时由于采用的迭代算法在每次迭代时都能给出一个一致性的融合结果，使得最终得到的目标状态数据接近于真实状态参数。
-
公开(公告)号：CN113778619A
公开(公告)日：2021-12-10
申请号：CN202110923586.9
申请日：2021-08-12
Applicant: 鹏城实验室
IPC: G06F9/455
Abstract: 本发明公开了一种多集群博弈的多智能体状态控制方法、装置及终端，本发明通过通过根据智能体系统的每个集群中各个智能体之间的第一通信关系确定集群内各个智能体到邻居智能体的第一通信参数，根据每个集群的领导智能体之间的第二通信关系确定每个集群到邻居集群的第二通信参数，根据预设的不等式约束和代价函数、第一通信参数和第二通信参数构建智能体状态控制函数来控制每个智能体之间的状态，使得整个智能体系统达到纳什均衡，本发明能够实现集群间存在博弈时实现整个智能体系统达到纳什均衡。
-
公开(公告)号：CN118691909B
公开(公告)日：2024-11-26
申请号：CN202411170804.6
申请日：2024-08-26
Applicant: 鹏城实验室
IPC: G06V10/764 , G06V20/70 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本申请实施例提供多源遥感数据融合分类方法、装置、设备和存储介质，涉及图像数据处理技术领域。该方法对第一遥感图像的第一图像块和第二遥感图像的第二图像块进行动态卷积特征提取，得到第一交互特征和第二交互特征。将第一交互特征和第二交互特征进行特征融合得到第一语义特征、第二语义特征和融合语义特征，将第一语义特征、第二语义特征和融合语义特征输入分类器进行分类预测，根据得到的三个分类结果得到融合分类结果。通过动态卷积特征提取方法获取不同数据源的遥感数据的交互特征。在融合阶段基于交互特征发挥各数据源的优势，获得具有强大表征能力的融合语义特征。对分类结果进行结果融合，进一步提升多源遥感数据的分类准确度。
-
公开(公告)号：CN114036326B
公开(公告)日：2024-08-23
申请号：CN202111177496.6
申请日：2021-10-09
Applicant: 鹏城实验室
Abstract: 本发明公开了一种图像检索与分类方法、系统、终端及存储介质，所述方法包括：获取待查询图像；将所述待查询图像输入目标哈希分类网络，得到所述待查询图像对应的预测哈希码和预测图像类别；获取目标数据库哈希码，根据所述目标数据库哈希码和所述预测哈希码确定所述待查询图像对应的目标图像集。本发明采用哈希码的方式来确定待查询图像的图像类别和其对应的一组相似图像，解决了现有的基于内容的图像检索方法无法获取图像的场景类别的问题，有助于图像的进一步分析和处理。
-
Patent Agency Ranking
公开(公告)号：CN114338664B
公开(公告)日：2023-09-26
申请号：CN202111444606.0
申请日：2021-11-30
Applicant: 鹏城实验室
IPC: H04L67/10 , H04L67/1061 , H04L41/147 , H04L41/142 , H04L41/14 , H04W84/18
Abstract: 本发明涉及分布式架构技术领域，具体是涉及基于分布式架构获取目标状态的方法、装置及存储介质。本发明采用分布式架构中的各个节点体获取目标物体的状态，再结合各个节点体的相邻节点体进行逆协方差交叉迭代运算，最终各个节点体获得融合后的目标状态数据。分布式架构增加了整体系统的健壮性同时降低了对通信带宽的需求。本发明采用节点集合对每个节点体获取到的目标状态数据进行迭代运算，能够使得每个节点体所获得的目标状态数据扩散到整个分布式架构所在的网络中，从而提高了通过分布式架构所获取到的目标状态数据的精度。同时由于采用的迭代算法在每次迭代时都能给出一个一致性的融合结果，使得最终得到的目标状态数据接近于真实状态参数。
-
公开(公告)号：CN114088095B
公开(公告)日：2023-07-25
申请号：CN202111269921.4
申请日：2021-10-29
Applicant: 鹏城实验室
Abstract: 本发明公开了一种基于光电二极管的三维室内定位方法，方法包括：基于光电二极管，构建室内单层空间模块化的指纹库；获取目标物体的轨迹线，并根据指纹点、指纹点对应的光强序列和轨迹线，得到与轨迹线对应的候选光强序列集；获取与轨迹线对应的光强数据，并基于动态时间规整算法和卡曼滤波算法对光强数据和候选光强序列集进行定位计算，得到目标物体的目标位置。本发明基于光电二极管构建包含指纹点的光强序列的室内单层空间模块化指纹库，降低环境光强对指纹匹配的误差和计算复杂度，然后在指纹库中匹配出与输入轨迹线对应的候选光强序列集，最后利用动态时间规整算法和卡曼滤波算法进一步校准定位，避免单个指纹点的误差，使得定位更加精准。
-
公开(公告)号：CN115593531B
公开(公告)日：2023-03-21
申请号：CN202211497419.3
申请日：2022-11-28
Applicant: 鹏城实验室
IPC: B62D57/02
Abstract: 本发明公开一种跳跃滚动式六杆张拉整体机器人及其控制方法，其包括三个刚性杆件组和24个弹性索，每个刚性杆件组均包括相互平行的两个刚性杆件，每个刚性杆件的两个端点均引出四个弹性索，每个端点对应的四个弹性索分别与距离其最近的四个端点相连接；所述刚性杆件包括：杆件本体，与所述弹性索连接，并具有中心孔；两个顶持装置，分布于所述杆件本体的两端，且至少部分位于所述中心孔内；主控装置，设置于所述中心孔内，并分别与两个顶持装置连接；所述主控装置用于控制所述顶持装置部分伸出所述中心孔外以顶持地面，或完全回缩至所述中心孔内，从而实现跳跃或滚动运动，使得机器人可以通过跳跃运动进行越障，提升机器人的越障能力。
-
公开(公告)号：CN115520298A
公开(公告)日：2022-12-27
申请号：CN202211497362.7
申请日：2022-11-28
Applicant: 鹏城实验室
IPC: B62D57/02
Abstract: 本发明公开一种六杆张拉整体机器人及其控制方法，其包括三个刚性杆件组和24个弹性索，每个刚性杆件组均包括相互平行的两个圆柱形刚性杆件；24个弹性伸缩装置；每个刚性杆件的两个端点均引出四个弹性索和四个弹性伸缩装置，每个端点对应的四个弹性索和四个弹性伸缩装置均分别与距离其最近的四个端点相连接；所述弹性伸缩装置与所述弹性索一一对应；主控装置，设置于刚性杆件内，并分别与刚性杆件的两个端点对应的两个弹性伸缩装置连接，以驱动弹性伸缩装置伸缩。本发明在通过弹性索进行连接的两个端点之间增加弹性伸缩装置，通过主控装置选取并控制对应的弹性伸缩装置伸缩，即可实现机器人的滚动和跳跃，使得机器人兼具滚动功能和跳跃功能。
-
公开(公告)号：CN114779631A
公开(公告)日：2022-07-22
申请号：CN202210278558.0
申请日：2022-03-21
Applicant: 鹏城实验室
IPC: G05B13/04
Abstract: 本发明涉及追捕技术分析技术领域，具体是涉及用于形成追捕策略的强化学习模型训练方法和训练装置。本发明逃跑者的控制量并不是确定性的，而是根据追捕者的信息给出的控制量，即逃跑者与追捕者进行了交互，这与实际追捕过程中逃跑者会根据追捕者的信息而做出相应的逃跑策略上的改变是一致的，追捕强化学习模型再根据改变之后的逃跑策略而给出追捕者的追捕策略。如此往复地对追捕强化学习模型进行训练，这样等到的已训练追捕强化学习模型应用到实际追逃过程中，即便逃跑者针对追捕者改变了逃跑策略，追捕者依然能够精准地实现对逃跑者的追捕，从而增加了已训练的追捕强化学习模型的鲁棒性。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.024 seconds)
