-
公开(公告)号：CN119877633A
公开(公告)日：2025-04-25
申请号：CN202510280866.0
申请日：2025-03-11
Applicant: 中国矿业大学
Abstract: 本发明公开了工程机械电动控制技术领域的一种电动装载机动臂协同控制方法，步骤如下：采集动臂电动缸实时位置、输出扭矩大小、铲斗位移和翻角大小、动臂与铲斗连接铰点处受力大小、行走挡位信号及其扭矩大小、将采集到的数据经过工况识别模型得到电动装载机工况类型，协同模式判断器依据工况类型，同时依托自定义规则库提供的规则进行动臂协同模式的选择，并输出动臂协同模式信号、动臂同步控制器输出双缸协同控制信号以及电机驱动器根据接受到的动臂协同控制信号，调节两侧动臂电动缸伺服电机的输出转速，以驱动电动缸输出理想位移或扭矩大小，实现对电动装载机两侧动臂电动缸的高效协同控制，提升电动装载机工作装置的作业安全和作业效率。
-
公开(公告)号：CN118456448B
公开(公告)日：2024-09-24
申请号：CN202410913444.8
申请日：2024-07-09
Applicant: 中国矿业大学
Abstract: 本发明公开一种应急救援环境下重载机械臂人机共享控制方法，包括实时获取操作者的肌电信号、眨眼频率、操作时长、操作年龄和操作速度评估操作者状态，获取机械臂末端的最大位移变化差、加速度、载荷、移动速度和转角信息评估机械臂状态，根据操作时间要求、目标定位精度和负载要求信息评估应急救援任务难易程度，采用加权和sigmoid函数相结合的方式，构建考虑操作者状态、机械臂状态和应急救援难易程度的人机互信模型，实时获取人机互信度，将人机互信度和机械臂与目标物体间的距离作为T‑S模糊控制器的输入，依据模糊规则动态决策出人机共享控制权重，提高应急救援环境下重载机械臂的救援效率，保障救援人员的安全。
-
公开(公告)号：CN117346805B
公开(公告)日：2024-09-20
申请号：CN202311150868.5
申请日：2023-09-07
Applicant: 中国矿业大学
IPC: G01C21/34 , G06N3/092 , G06N3/0442
Abstract: 一种非结构化环境的特种车辆自动驾驶路径规划方法，通过SLAM地面分割算法，将三维高度信息存储于相应栅格，获得非结构环境占用栅格图，再将所述栅格图地形数据划分为训练集和测试集；结合感知模块输入信息及特种车辆动力学建模，从栅格图地形数据中提取可通行区域，实现风险图构建；根据风险图构造自适应性的奖励函数，搭建强化学习模型以及Agent的神经网络；基于构建非结构化环境测试机进行训练，在每个训练周期初始化阶段构建随机函数，随机化起点和终点位置，使系统具泛化性；通过强化学习训练获得策略网络，在测试集中执行路径规划，实现非结构化环境下高效的处理环境信息，提高特种车辆面对不同地形的适应性及有效的自动驾驶。
-
公开(公告)号：CN118410459A
公开(公告)日：2024-07-30
申请号：CN202410579430.7
申请日：2024-05-11
Applicant: 中国矿业大学
IPC: G06F18/25 , G06F18/241 , G06V20/59 , G06V40/18 , G06F18/214 , G06N3/0442
Abstract: 本发明公开一种应急救援环境下基于多模态融合的驾驶员行为识别方法，包括通过高度逼真的驾驶模拟器模拟应急救援环境，招募驾驶员进行大量实验获得模拟实验数据，并结合真实应急救援场景下的实车实验数据，构建应急救援环境下的驾驶员行为数据集、通过多模态特征提取模块分别提取预瞄环境图像、驾驶员眼动图像、驾驶员肌电数据和车辆操纵数据的初始多源数据特征，基于不同注意力机制深入挖掘特征数据的时空特性，获取不同特征数据对驾驶员行为的影响权重系数，采用加权的方式融合多模态驾驶员行为特征数据等，本发明克服了应急救援环境下通过单模态数据难以精准识别驾驶员行为的缺陷。
-
公开(公告)号：CN115239564B
公开(公告)日：2023-06-16
申请号：CN202210992327.6
申请日：2022-08-18
Applicant: 中国矿业大学
IPC: G06T3/40 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种结合语义信息的矿井图像超分辨率重建方法，其主要目的是通过语义分割网络所产生的概率图对超分辨率网络的深层特征提取前的输入进行调整，以此达到提高图像重建质量的结果。该方法主要包括这几部分：1.构建一个较深的超分辨率网络，其结构主要包括：浅层特征提取模块、深层特征提取模块、上采样模块；2.构建一个语义分割网络，用于产生作为深层特征提取模块的部分输入；3.确定损失函数、学习率调整策略。
-
Patent Agency Ranking
公开(公告)号：CN116071229A
公开(公告)日：2023-05-05
申请号：CN202211021098.X
申请日：2022-08-24
Applicant: 中国矿业大学
IPC: G06T3/40 , G06N3/084 , G06N3/0464
Abstract: 本发明公开了一种用于可穿戴头盔的图像超分辨率重建方法，该方法包括以下步骤：构建退化模型，通过退化模型获得高‑低分辨率图像对；构建深度可分离卷积神经网络模型，深度可分离卷积神经网络生成超分辨图像；训练深度可分离卷积神经网络模型，对超分辨图像与输入的高分辨率图像进行损失计算，优化深度可分离卷积神经网络模型；对重构后超分辨图像进行测试；对测试后图像进行预处理；验证深度可分离卷积神经网络模型。本发明通过使用退化模型能够有效应对低光照环境下图像采集，重建出高分辨图像；构建深度可分离卷积神经网络模型，保留图像更多的纹理细节，重构出精细的图像。
-
公开(公告)号：CN115496787A
公开(公告)日：2022-12-20
申请号：CN202211171962.4
申请日：2022-09-26
Applicant: 中国矿业大学
Abstract: 本发明是面向可穿戴智能装备视觉增强现实的单目深度估计方法，属于图像处理技术领域，采用图像活跃度度量来分割图像特征，基于图像轮廓的多向分布，将输入图片分割为高阶特征和低阶特征，将高阶特征和低阶特征进行特征融合并送入共同的解码器来提升网络对于不同特征的感受强度；其次,基于递归网络的深度相似性损失，针对网络估计出的深度图，采用递归网络的方式将其重建后递归送入相同结构的深度估计网络，通过光度损失来约束一阶网络和二阶网络输入图像的相似性，通过深度相似性损失来约束一阶网络和二阶网络输出深度图的相似性，来弥补光度损失在面对低纹理区域时约束性较差的缺陷；深度一致性损失采用风格矩阵的余弦相似度来进行相似性度量。
-
公开(公告)号：CN115423857A
公开(公告)日：2022-12-02
申请号：CN202211242648.0
申请日：2022-10-11
Applicant: 中国矿业大学
IPC: G06T7/50 , G06T7/13 , G06T7/90 , G06V10/74 , G06V10/762
Abstract: 本发明公开了一种用于可穿戴头盔的单目图像深度估计方法，涉及图像处理技术领域，包括如下步骤：以矿井图像序列作为训练数据，建立进行单目深度估计的深度卷积神经网络模型的训练模型，并从卷积神经网络的平面系数解码器中计算出能预测井下图像深度图的平面系数；基于所述平面系数预测出初始井下图像深度图，根据曼哈顿结构法向检测得到预测法向量，从而与对齐法线相似性约束；通过共平面法向深度约束估计，提取初始预测深度和平面差异求得的深度图，利用两者风格矩阵进行余弦相似度约束。本发明基于能预测井下图像深度图的平面系数间接再预测出深度图，打破了传统的生成初始深度图的方法，且使训练约束的起点高，有效提升了后期深度估计效果。
-
公开(公告)号：CN115272438A
公开(公告)日：2022-11-01
申请号：CN202210999767.4
申请日：2022-08-19
Applicant: 中国矿业大学
Abstract: 本发明公开一种面向三维场景重建的高精度单目深度估计系统及方法，属于图像处理技术领域，在编码器处通过引入Vision Transformers主干网络，ViT主干网络代替卷积网络作为密集预测的主干架构，以恒定的和相对较高的分辨率处理表示，并在每个阶段都有一个全局的接受域，以减少卷积网络中下采样过程中的信息丢失，从而获取图像更多的细节特征和感受野。在解码器处通过利用小波变换来捕获深度图中深度不同的平坦区域之间的深度“跳跃”，这些“跳跃”可以很好地在高频分量中捕获，从而达到强化深度信息图边缘的效果。通过对ViT和小波变换的引入，能够在不使得网络计算更复杂的前提下，又兼顾单目深度估计网络模型对全局特征和局部边缘特征的提取，提高单目深度估计的精度。
-
公开(公告)号：CN118262241A
公开(公告)日：2024-06-28
申请号：CN202410430557.2
申请日：2024-04-11
Applicant: 中国矿业大学
IPC: G06V20/10 , G06V20/56 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/09
Abstract: 本发明公开一种基于信息共享的无人矿卡目标识别方法，包括数据集采集与处理、智能识别模型搭建、图片特征信息提取、信息共享模型训练和检测步骤，本发明从真实煤矿作业场景采集样本，结合The AutoMine dataset露天煤矿自动驾驶数据集，重新定义标签类别，提出一种信息共享的学习模型。为融合信息共享和深度学习，构建一个深度卷积神经网络，分析了如何将信息共享用于网络模型训练，针对了在煤矿复杂场景下，无人矿卡自主作业艰难的问题，提出了融合双通道注意力机制的主干网络和残差结构，实现了煤矿复杂场景下图像的智能识别，促进了煤矿智能化无人矿卡自主作业技术的发展和应用。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.051 seconds)
