-
公开(公告)号：CN116012355A
公开(公告)日：2023-04-25
申请号：CN202310075453.X
申请日：2023-02-07
Applicant: 重庆大学
IPC: G06T7/00 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的自适应假阳性肺结节剔除方法，该方法的实现主体是一种基于3DCNN的自适应假阳性剔除网络，能够对不同大小的肺结节候选快进行分类，剔除假阳性肺结节；此外，根据肺结节的直径自动调整自适应率。本发明将待检测结节采样至22*22*20和32*32*24两种尺寸，之后分别放入两个独立的三维残差卷积神经网络中进行训练分类，借助自适应率对两个独立三维残差卷积神经网络的输出进行融合，能够对不同大小的结节候选快进行分类，剔除假阳性结节；本方法充分考虑了结节的直径，解决了其它系统泛化能力差的问题，从实际应用的过程中最大程度的利用了多尺寸肺结节的特征进行预测，保持了非常高的准确率。
-
公开(公告)号：CN119936940A
公开(公告)日：2025-05-06
申请号：CN202411992866.5
申请日：2024-12-31
Applicant: 重庆大学
Abstract: 本发明公开了一种基于卡尔曼滤波的自动驾驶车辆累积误差减小方法，旨在提高车辆轨迹预测的精度，减小累计误差。系统通过车轮编码器和车载GPS获取车辆的第一姿态信息向量Φk1和第二姿态信息向量Φk2。根据构建的卡尔曼滤波器对上述两个姿态向量进行预测解算，得到校正后的最优姿态信息向量Φopt。将最优姿态信息向量Φopt带入自动驾驶车辆启停情况下，并根据计算得到的距离与设定的阈值进行比较，从而根据误差大小来进行判断校准。仿真测试表明，通过在每次停车时以上述步骤校准车辆实际位置数据，来减少车辆在多次启动停止模式下的累计误差，系统有效减小了每段轨迹误差的叠加，提升长距离多段行驶轨迹预测的准确性。
-
公开(公告)号：CN119821381A
公开(公告)日：2025-04-15
申请号：CN202411486862.X
申请日：2024-10-23
Applicant: 重庆大学
IPC: B60W30/095 , B60W30/06
Abstract: 本发明公开了一种基于四叉树地图的自主泊车路径碰撞检测方法，包括：通过超声波雷达实时获取障碍物信息，将障碍物离散为点，确定其所在的四叉树地图节点，将离散点保存在四叉树地图最小单位节点，使用AABB包围盒作为离散点包围体来构建四叉树地图；获取规划的泊车路径，以离当前车辆最近的路径点为起点，向前预瞄一段路径。依次遍历车辆AABB包围盒与OBB包围盒集合，以车辆AABB包围盒与有障碍物离散点的四叉树节点AABB包围盒是否相交做筛选，以车辆OBB包围盒与筛选过的四叉树节点AABB包围盒迭代做碰撞检测。本发明解决传统路径碰撞检测方法在复杂场景下耗时较长的问题。减少了碰撞检测方法在复杂场景下的耗时，在提升路径碰撞检测精度的同时，提高检测效率。
-
公开(公告)号：CN116483074B
公开(公告)日：2024-11-12
申请号：CN202310336967.6
申请日：2023-03-31
Applicant: 重庆大学
Abstract: 本发明公开了一种能用于复杂环境的机器人自适应局部动态避障方法，包含两阶段的优化：优化算法的评价函数，限制机器人导航过程中存在的角加速度跳变的问题，避免对机器人电机产生突变大负载；引入模糊控制模块，基于机器人搭载的传感器采集到的空间数据对环境障碍物分布进行分析，利用障碍物分布特性以及机器人姿态作为控制器输入对评价函数结构进行实时优化，最终能得到一种能用于复杂环境的机器人自适应局部动态避障方法。
-
公开(公告)号：CN118778656A
公开(公告)日：2024-10-15
申请号：CN202410953804.7
申请日：2024-07-16
Applicant: 重庆大学
Abstract: 本发明公开了一种基于状态观测器的多智能体固定时间编队控制方法，包括以下步骤：步骤一：构建多智能体系统之间的通讯连接图，得出邻接矩阵A、B和H。步骤二：建立领导者智能体和跟随者智能体的动力学模型，获得领导者智能体实时状态信息的估计值。步骤三：使用观测器的领导者状态信息估计值，结合受输入饱和约束的二阶系统确定编队误差，最后根据编队误差设计跟随者智能体的控制器。步骤四：完成跟随者智能体的控制器的设计后，将控制器分别在Matlab软件中进行数值仿真验证和视觉定位实验平台中进行实物验证。本发明设计了基于饱和输入函数的控制器，利用固定时间稳定性理论和齐次理论，可以保证多智能体系统在固定时间内完成编队任务。
-
Patent Agency Ranking
公开(公告)号：CN117193363B
公开(公告)日：2024-08-20
申请号：CN202311251324.8
申请日：2023-09-26
Applicant: 重庆大学
IPC: G05D1/495 , G05D1/46 , G05D101/10 , G05D109/20
Abstract: 本发明公开了一种基于视觉定位验证平台的多智能体有限时间编队控制方法，使用单目相机以太网通讯，将图像信息传输给Ubuntu中枢器；利用Ubuntu中枢器含有的算法工具包进行识别tag36h11二维码；进行WIFI网络配置，对Ubuntu中枢器和每个Turtlebot3‑Burger机器人配置不同的子网环境，确保在平台场地范围内Ubuntu中枢器和Turtlebot3‑Burger机器人能够完成信息交互完成协同控制；通过Ubuntu中枢器远程启动每一辆机器人，并可以接收每一辆机器人发布的ROS话题信息，确保Ubuntu中枢器可以通过ROS话题控制机器人；实现所提出的具有饱和输入的多智能体有限时间编队控制。本发明考虑实际环境中多智能体存在饱和输入的情况，提高收敛速度，利用有限时间稳定性理论和齐次理论，保证多智能体系统在有限时间内完成编队任务。
-
公开(公告)号：CN118089730A
公开(公告)日：2024-05-28
申请号：CN202410210514.3
申请日：2024-02-26
Applicant: 重庆大学
Abstract: 本发明公开了一种基于SOLOv2的面向室内动态场景的视觉SLAM方法，该发明在采集到RGB图像的同时使用SOLOv2算法对其进行处理；结合先验语义，将掩码图中的动态物体覆盖上像素值为(255,255,255)的掩码；将RGB图像，深度图像和SOLOv2算法处理后的掩码图像输入SLAM系统；进行图像预处理，构建图像金字塔；使用FAST算法在图像中检测关键点，然后先使用非极大值抑制来剔除不够显著或者冗余的关键点；使用BRIEF算法计算其对应的ORB描述子；8)结合第3步的图像处理，将RGB图像中的所有动态特征点剔除；9)最后将所有的静态特征点输入追踪线程，并进行后续的局部建图线程及局部回环检测线程。本发明提高了视觉SLAM算法在动态场景下的定位精度和鲁棒性。
-
公开(公告)号：CN117369437A
公开(公告)日：2024-01-09
申请号：CN202311251209.0
申请日：2023-09-26
Applicant: 重庆大学
IPC: G05D1/43
Abstract: 本发明公开了一种支持多机器人最小时间任务分配的分布式方法，包括以下步骤：步骤1：初始化数据。步骤2：所有机器人寻找各自到所有目标点中的最小时间。步骤3:寻找全部最小时间中的最大时间，同时取代矩阵C*中的元素。步骤4:对矩阵C*进行试分配。步骤5:取代矩阵C中的元素。步骤6:与步骤2一致，再找出所有机器人到所有目标点中的最小时间。步骤7:寻找所有最小时间中的最小时间，替代矩阵C*元素。步骤8:再次对矩阵C*进行试分配。本发明试分配过程中采用CBAA，在多机器人任务分配时间最小的前提下，CBAA使机器人总的任务分配时间最大，一定程度上减小了机器人的运行速度，降低了机器人能源消耗。
-
公开(公告)号：CN116486244A
公开(公告)日：2023-07-25
申请号：CN202310337305.0
申请日：2023-03-31
Applicant: 重庆大学
IPC: G06V20/05 , G06V10/774 , G06V10/42 , G06V10/56 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T5/00 , G06V10/54
Abstract: 本发明公开了基于细节增强的水下目标检测方法，首先获取水下目标数据，对数据进行存储、预处理和数据集划分，形成道路提取样本数据集。基于YOLO目标检测框架，构建水下目标检测网络提取网络。该算法基于细节增强的策略，在特征提取层面通过更丰富的梯度流和注意力机制加强特征提取；在特征聚合网络此外引入了感受野增强模块，增大了网络感受野，增强了模型对于纹理等特征的提取，此外设计了一个细节增强分支，增强底层细节特征特别是边缘特征，并以通道加权的形式聚合到网络，细节特征作为先验知识，能有效监督网络的学习；改进了水下检测头，其具有更多的检测层。
-
公开(公告)号：CN116485904A
公开(公告)日：2023-07-25
申请号：CN202310300093.9
申请日：2023-03-26
Applicant: 重庆大学
Abstract: 本发明公开了基于图像梯度阈值计算的改进移动机器人EDLines线段检测方法，为了剔除图像中梯度值较低的像素点，需要结合梯度值计算出图像梯度的阈值，以提取出更加有效的线段；采用PROSAC方法剔除噪声点，最后线段筛选与合并策略；基于该改进的方法，能够解决线段断裂、短小的问题，并具有线段检测速度快、符合真实场景结构的优势。本发明采用的融合图像畸变矫正、图像梯度阈值计算、线段筛选合并等模块的EDLines方法的线段检测速度提高了66.7％，检测到的线段质量高，少有断裂、短小的线段，且抑制了一部分误检的直线，在保证线段检测速度的同时提取到贴合真实场景结构的直线段。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.031 seconds)
