-
公开(公告)号：CN108592912A
公开(公告)日：2018-09-28
申请号：CN201810248228.0
申请日：2018-03-24
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于激光雷达的室内移动机器人自主探索方法，建立拓扑节点。依据探索目标点提取结果，生成一个拓扑地图节点并将该节点加入拓扑地图中。冗余拓扑节点处理。检测已有拓扑地图下的所有拓扑节点，剔除冗余的拓扑节点。拓扑地图闭环处理。检测当前拓扑节点与其余所有拓扑节点是否存在闭环。如果存在，则在拓扑地图上添加对应的边完成闭环。当环境中不存在未探索的节点，则结束自主探索。此方法不需要依赖栅格地图提取前沿目标点，而是通过激光数据提取探索目标点，在大大降低提取算法复杂度的同时保证了提取结果的准确性和稳定性；对于拓扑地图进行冗余节点剔除和闭环检测，大大提高了室内移动机器人自主探索的效率。
-
公开(公告)号：CN108334094A
公开(公告)日：2018-07-27
申请号：CN201810183994.3
申请日：2018-03-06
Applicant: 北京工业大学
CPC classification number: G05D1/0223 , G05D1/0225 , G05D1/0276 , H04L12/40078 , H04L2012/40215
Abstract: 一种用于全向移动机器人运动控制系统的CAN总线通信方法，属于控制局域网CAN总线通信和机器人运动控制领域。本发明所用的硬件设计简单，避免了大量硬件设备带来的不确定性干扰，在多组数据报文快速循环发送过程中，对于同一节点，减少了因标识符相同而出现的报文传输混乱，传输失败的现象以及大量消息因竞争总线而出现的低优先级报文被堵塞的情况。在接收数据报文时，采用对返回报文分时段全部接收分别存储的方式，减少了利用标识符滤波的方式带来的数据丢失情况。本发明可以在现有硬件的情况下，提高速度监控和反馈效果，并且可以完成每一节点中多组数据的循环发送与接收，减少错误帧、数据传输失败以及数据帧丢失的情况。
-
公开(公告)号：CN107168339A
公开(公告)日：2017-09-15
申请号：CN201710555329.8
申请日：2017-07-10
Applicant: 北京工业大学
IPC: G05D1/02
CPC classification number: G05D1/0242 , G05D1/0225 , G05D1/0251 , G05D1/0255
Abstract: 本发明公开一种基于视觉系统和超声波组合的轮椅床对接方法，包括以下步骤：步骤1：相机标定获得相机的内参及去畸变系数；步骤2：通过视觉系统采集轮椅左侧的图像，并提取图像中的人工路标；步骤3：分别在人工路标、相机和轮椅上建立世界、相机和轮椅坐标系系统；步骤4:根据建立的坐标系系统计算轮椅相对人工路标的位置和偏转角；步骤5：当轮椅相对人工路标的距离小于设定阈值采用超声波完成对接。采用本发明的技术方案，不需要对床体结构和传感器进行特殊设计，同时降低算法的复杂度，具有一定的鲁棒性和有效性。
-
公开(公告)号：CN103268729B
公开(公告)日：2015-08-19
申请号：CN201310193840.X
申请日：2013-05-22
Applicant: 北京工业大学
Abstract: 本发明属于智能移动机器人的领域，公开了一种基于混合特征的移动机器人级联式地图创建方法。解决了单独一种地图创建的缺陷以及单纯的地图构建不能提供大量的服务信息的问题。该方法包括：获取激光数据点，提取几何特征并进行特征匹配，提取SURF特征点并进行匹配，建立级联式地图，分割房间。本发明采用激光传感器获取环境数据，提取几何特征，同时利用视觉传感器提取SURF特征，建立全局拓扑图并构造无向加权图实现房间分割，有效克服了传统拓扑地图中拓扑节点所含几何环境信息少不能精确定位的缺点，可提供丰富的房间信息。该方法可适用于服务机器人领域及其他与移动机器人地图创建领域。
-
公开(公告)号：CN103761737A
公开(公告)日：2014-04-30
申请号：CN201410029520.5
申请日：2014-01-22
Applicant: 北京工业大学
Abstract: 本发明涉及一种基于稠密光流的机器人运动估计方法，包括：对相机的内参和外参进行标定；采集图像序列并畸变校正；通过多项式展开的方法求解稠密光流；光流提纯；图像坐标与机器人坐标之间的坐标变换；估计机器人的运动速度。本发明针对现有技术中存在的运动估计精度不高，在光照不均匀、运动模糊情况下鲁棒性较差以及相机的作用受到局限等问题，提供一种基于稠密光流的机器人运动速度估计方法，引入基于多项式分解的稠密光流算法，提高了运动估计的精度；将RANSAC算法应用于光流提纯过程，提高了算法的鲁棒性；采用单目相机，且镜头斜向下放置，使机器人可以实时地检测前方的情况，为完成避障、路径规划等其他任务提供了便利。
-
Patent Agency Ranking
公开(公告)号：CN103268729A
公开(公告)日：2013-08-28
申请号：CN201310193840.X
申请日：2013-05-22
Applicant: 北京工业大学
Abstract: 本发明属于智能移动机器人的领域，公开了一种基于混合特征的移动机器人级联式地图创建方法。解决了单独一种地图创建的缺陷以及单纯的地图构建不能提供大量的服务信息的问题。该方法包括：获取激光数据点，提取几何特征并进行特征匹配，提取SURF特征点并进行匹配，建立级联式地图，分割房间。本发明采用激光传感器获取环境数据，提取几何特征，同时利用视觉传感器提取SURF特征，建立全局拓扑图并构造无向加权图实现房间分割，有效克服了传统拓扑地图中拓扑节点所含几何环境信息少不能精确定位的缺点，可提供丰富的房间信息。该方法可适用于服务机器人领域及其他与移动机器人地图创建领域。
-
公开(公告)号：CN103064283A
公开(公告)日：2013-04-24
申请号：CN201210546677.6
申请日：2012-12-14
Applicant: 北京工业大学
Abstract: 一种基于人体重心变化的自学习轮椅控制方法属于模式识别与智能系统领域。本发明.在轮椅座椅与架构间安装压力传感器，采集人体坐姿下的受力分布，计算二维重心坐标，并将实时重心数据保存到嵌入式计算机中；依据常规的SOFM算法的基本学习过程，对包括输出层神经元数目、网络初始权值以及网络邻域半径调整规则等进行了算法优化，降低运算复杂度，提高算法在应用中的计算实时性，实现控制算法因人而异的目的。利用改进后的SOFM算法，在驾驶习惯学习过程中，SOFM聚类算法收敛速度和学习效率得到大幅度提高，提升了算法的实时性和聚类正确率，满足轮椅实时学习控制的要求，消除了因用户驾驶习惯不同带来的手动调整参数过于繁琐的问题。
-
公开(公告)号：CN101344391A
公开(公告)日：2009-01-14
申请号：CN200810116807.6
申请日：2008-07-18
Applicant: 北京工业大学
Abstract: 本发明是一种用于深空探测科学及地球观测领域的基于全功能太阳罗盘的月球车位姿自主确定方法。该方法是以观测设备、嵌入式PC104+计算机及内置于广角太阳相机的嵌入式TMS320计算机为基础完成的。本发明利用在嵌入式系统中的广角太阳相机、IMU及高速激光雷达接口程序获取数据；并将月球车位姿确定任务交与系统中的智能太阳识别与处理、月球垂直陀螺、初始位姿校准、高精度太阳罗盘导航、位姿补偿方法、基于地图重建与即时定位(SLAM)月球车速度估计、具有速度修正的月球车位姿确定、基于太阳连测的经纬校准的各方法模块并行运行，整个系统中所执行的处理方法共同完成了月球车位姿的确定。该方法为月球车提供适应月球环境的自主位姿确定提供了高可靠性的方案。
-
公开(公告)号：CN113985897B
公开(公告)日：2024-05-31
申请号：CN202111536731.4
申请日：2021-12-15
Applicant: 北京工业大学
IPC: G05D1/43 , G05D1/246 , G05D1/633 , G05D1/644 , G05D105/15
Abstract: 本发明涉及一种基于行人轨迹预测与社交约束的移动机器人路径规划方法，属于机器人路径规划领域。该方法采用深度相机采集场景中的数据送入YOLOv5_DeepSort网络进行行人的实时检测与跟踪，获取每个行人的编号和检测框，并对行人的检测框进行实时跟踪和位置更新。然后提取行人的像素坐标转换为世界坐标，用于输入到Social GAN网络进行行人轨迹实时预测，从而得到行人未来时刻的轨迹。根据得到的行人预轨迹和行人之间的距离在行人周围形成机器人不可通行的安全空间或交互空间，使机器人在路径规划时能够及时避让行人的安全空间和交互空间，从而增加了机器人的预判性和社交约束属性。
-
公开(公告)号：CN110543727B
公开(公告)日：2023-01-03
申请号：CN201910836288.9
申请日：2019-09-05
Applicant: 北京工业大学
Abstract: 本发明涉及一种基于改进粒子群算法的全向移动智能轮椅机器人参数辨识方法，属于智能机器人技术领域，用于解决传统方法在处理复杂问题时容易产生早熟收敛现象以及搜索能力相对不足的问题。首先分析得到全向移动智能轮椅机器人运动学模型表达式；然后分别识别横向、纵向和姿态运动的参数，具体识别方法相同，即仅控制轮椅机器人在待识别方向上运动；根据目标函数计算每个粒子的适应度，并记录当前所有的粒子位置；更新群体中所有粒子的位置和速度；根据目标函数计算更新后粒子的适应度，寻找每个粒子的局部最优解，并从局部最优解中寻找截至目前所有粒子的全局最优解；达到最大迭代次数时即得到的全局最优解。
-
-
-
-
-
-
-
-
-
Search Results
89
records
(took 0.023 seconds)
