-
公开(公告)号：CN119359778A
公开(公告)日：2025-01-24
申请号：CN202411944424.3
申请日：2024-12-27
Applicant: 湖南大学
IPC: G06T7/33 , G06T7/00 , G06T5/80 , G06V10/774
Abstract: 本发明公开了一种基于特征分离的大基线图像配准方法及系统，以预设的重叠率对电路板进行图像采集，得到若干张电路板局部图像，对若干张电路板局部图像进行畸变矫正，将畸变矫正后的电路板局部图像组成图像对并构建训练集，搭建图像配准网络，使用训练集对图像配准网络进行训练并计算重构损失，得到训练后的图像配准网络，获取真实场景下待配准的大基线图像，将待配准的大基线图像进行畸变矫正后组成图像对输入至训练后的图像配准网络处理，输出真实场景下待配准的大基线图像对的图像变换矩阵，根据图像变换矩阵实现真实场景下待配准大基线图像对的配准。该方法能够在实际的工业应用中显著提高图像配准的精度、效率和稳定性。
-
公开(公告)号：CN119205748A
公开(公告)日：2024-12-27
申请号：CN202411697688.3
申请日：2024-11-26
Applicant: 湖南大学
IPC: G06T7/00 , G06N3/0464 , G06V10/44 , G06V10/58 , G06V10/764 , G06V10/774 , G06V10/82 , G06F15/78
Abstract: 一种光谱图像检测模型、检测方法和片上计算的相机处理器，其中光谱图像检测模型包括N个串联的KAM块以及连在N个KAM块之后的分类器块；KAM块包括依次连接的深度可分离卷积层、批归一化层、改进的三重注意力层以及ReLU激活函数层；深度可分离卷积层用于提取图像特征，改进的三重注意力层用于增强特征图内和特征图之间的信息交互；分类器块包括依次连接的深度可分离卷积层、批归一化层、普通卷积层和Sigmoid激活函数层。本发明中的光谱图像检测模型具有轻量化、计算量小等特点，可部署在相机中的相机处理器中，以满足移动端、边缘端高光谱图像处理需求。
-
公开(公告)号：CN119205493A
公开(公告)日：2024-12-27
申请号：CN202411699618.1
申请日：2024-11-26
Applicant: 湖南大学
Abstract: 本发明涉及计算机技术领域，具体为一种基于深度双先验渐进融合的高光谱压缩感知重建方法，包括如下步骤：1、拍摄获取原始的压缩测量图像，然后对原始的压缩测量图像进行归一化处理，得到归一化处理后的压缩测量图像；2、基于压缩感知重构问题构建目标函数，并对目标函数进行优化，得到优化后最终的目标函数；3、根据归一化处理后的压缩测量图像建立用于高光谱压缩感知重建的自监督学习模型；自监督学习模型包括外循环迭代优化和两个内循环网络训练；4、利用自监督学习模型对优化后最终的目标函数进行求解，通过融合两个内循环网络训练过程得到的深度先验项，得到最终的重构图像。本发明解决了现有自监督光谱重建方法成像质量低的问题。
-
公开(公告)号：CN119188784A
公开(公告)日：2024-12-27
申请号：CN202411698119.0
申请日：2024-11-26
Applicant: 湖南大学
Abstract: 本发明公开了一种基于动态运动基元的双臂机器人自适应技能学习方法，获取示教数据，建立动态运动基元模型，通过动态运动基元模型，双臂分别从示教数据中学习轨迹的形状特征，生成对应的轨迹形状函数，得到初始的轨迹控制权重；获取新的任务目标点，将学习到的初始的轨迹控制权重、轨迹形状函数，结合新的任务目标点，生成与示教轨迹相似的初始轨迹；对初始轨迹进行优化得到优化后的轨迹形状，得到优化后的轨迹控制权重；将优化后的轨迹控制权重带入动态运动基元模型，并利用基于轨迹变化率的自适应时间缩放因子进行自适应调整，生成双臂的优化轨迹。确保机器人高效、精确地完成任务。
-
公开(公告)号：CN119169606A
公开(公告)日：2024-12-20
申请号：CN202411241486.8
申请日：2024-09-05
Applicant: 湖南大学
IPC: G06V20/64 , G06V10/80 , G06V10/25 , G06V10/44 , G06N3/0464 , G06N3/0495 , G06N3/08
Abstract: 本发明属于大范围制造场景机器人协同三维感知领域，具体涉及一种基于视觉状态空间模型的多机器人协同三维目标检测方法，包括：搭建多机器人激光雷达三维感知平台，采集飞机制造与装配大范围场景中的三维点云数据；对所采集的三维点云数据进行数据标注，制作三维点云检测数据集，并将三维点云检测数据集进行划分；构建基于视觉状态空间模型的点云三维目标检测模型；将训练集代入到点云三维目标检测模型中进行迭代训练，并采用验证集进行模型验证，得到最优点云三维目标检测模型；将测试集代入到最优点云三维目标检测模型中进行预测，得到三维点云检测结果，实现多机器人在大范围场景中的协同三维目标检测。
-
Patent Agency Ranking
公开(公告)号：CN118898647B
公开(公告)日：2024-12-20
申请号：CN202411376642.1
申请日：2024-09-30
Applicant: 湖南大学
IPC: G06T7/73 , G06V20/13 , G06V20/56 , G06V10/44 , G06V10/77 , G06N3/045 , G06N3/0464 , G06F16/583 , G06F16/587
Abstract: 本发明公开了一种基于双重注意力跨视角的视觉定位方法及系统，对车载相机标定，通过标定后的车载相机采集地面视角图像，从网络下载多张对应的带坐标的卫星图像并使用极坐标进行转换，得到多张转换后的卫星图像，搭建双重注意力网络模型并训练，从多张转换后的卫星图像中每次选取一张转换后的卫星图像，将地面视角图像和选取的转换后卫星图像输入训练后的双重注意力网络模型处理，输出地面视角图像和选取的转换后卫星图像各自对应的一维特征向量并计算余弦距离，将余弦距离最大时对应的卫星图像的经纬坐标作为地面视角图像的经纬度坐标，以实现地面视角图像的视觉查询定位。该方法可提高空中卫星影像与地面影像跨视角匹配能力，提高地理定位精度。
-
公开(公告)号：CN118550313B
公开(公告)日：2024-12-06
申请号：CN202411009923.3
申请日：2024-07-26
Applicant: 湖南大学
Abstract: 一种绳索牵引飞行机器人抗扰动控制方法，包括：1、推算移行机构期望轨迹和机械臂关节角、无人机平台中心期望轨迹和移行机构初始位置；2、计算机械臂运动对无人机平台带来的扰动力和扰动力矩，并计算绳索引起的扰动力和扰动力矩，得到总扰动方程；3、建立飞行机器人系统的动力学方程，进行解耦设计，得到解耦后的动力学方程，并得到旋翼升力、旋翼力矩、俯仰角期望值和横滚角期望值的计算公式；4、构建系统状态误差动力学方程，解算出飞行机器人旋翼升力和旋翼力矩；5、设计旋翼转速分配矩阵，根据旋翼升力、旋翼力矩以及旋翼转速分配矩阵计算旋翼转速，实现飞行机器人抗扰动运行。本发明解决了飞行机器人工作过程中的平稳性和安全性问题。
-
公开(公告)号：CN118799369B
公开(公告)日：2024-11-15
申请号：CN202411288067.X
申请日：2024-09-14
Applicant: 湖南大学
IPC: G06T7/33 , G06N3/0464 , G06T5/50
Abstract: 本发明公开了一种基于迭代优化的多模态图像配准方法及系统，获取若干张低光照图像并处理，得到训练集和验证集，搭建多模态图像配准神经网络模型，通过训练集对多模态图像配准神经网络模型进行训练，并使用损失函数计算损失，得到训练后的多模态图像配准神经网络模型，使用验证集对训练后的多模态图像配准神经网络模型进行迭代优化并判断是否满足迭代终止条件，得到迭代优化后的多模态图像配准神经网络模型，获取真实场景下的多模态图像并组成待配准图像对，将待配准图像对输入迭代优化后的多模态图像配准神经网络模型处理，得到配准融合后的图像。该方法可提高参考图像和待匹配图像组成的图像对在配准过程中的鲁棒性。
-
公开(公告)号：CN118490363B
公开(公告)日：2024-11-08
申请号：CN202410940457.4
申请日：2024-07-15
Applicant: 湖南大学
Abstract: 本申请涉及一种基于自适应神经网络的手术机器人末端力跟踪方法，该方法包括：手术机器人由机械臂和固定在其末端的末端执行器组成；通过机械臂的正逆动力学以及雅克比矩阵，建立末端执行器与机械臂之间的信息转换；建立末端执行器与人体组织交互的动力学模型，基于动力学模型设计末端力控制器；通过径向基函数神经网络确定最终的末端力控制器；基于机械臂上的关节速度、位姿以及最终的末端力控制器，跟踪并控制末端执行器的力。该方法可以提高机器人对手术力的控制精度，从而使得手术更加精确，且手术环境复杂多变；末端力控制器可以实时调整控制参数，适应不同的手术场景和组织特性，保证末端执行器的力跟踪性能。
-
公开(公告)号：CN118882660A
公开(公告)日：2024-11-01
申请号：CN202411393511.4
申请日：2024-10-08
Applicant: 湖南大学
IPC: G01C21/20 , G06N3/0464
Abstract: 本申请的实施例提供了弱磁定位方法、装置、设备和计算机可读存储介质。所述方法包括获取地磁序列信息；将所述地磁序列信息，输入至已训练的弱磁定位模型，得到与所述地磁序列信息对应的位置信息；其中，所述弱磁定位模型，可通过如下方式进行训练：获取原始地磁的基准图；对所述基准图进行特征增强，得到目标基准图；通过预设算法对所述目标基准图进行处理，得到地磁序列指纹数据库；基于所述地磁序列指纹数据库，训练弱磁定位模型。以此方式，可在大范围的室外弱磁区域内实现有效的定位结果，在数据获取方面减少了大量的时间和人力成本，能够在克服噪声影响的同时生成更符合实际的轨迹。
-
-
-
-
-
-
-
-
-
Search Results
930
records
(took 0.059 seconds)
