-
公开(公告)号：CN103278170A
公开(公告)日：2013-09-04
申请号：CN201310183577.6
申请日：2013-05-16
Applicant: 东南大学
CPC classification number: G05D1/0274
Abstract: 本发明涉及移动机器人导航技术领域。本发明公开了一种基于显著场景点检测的移动机器人级联地图创建方法。包括如下步骤：1)根据移动机器人传感器采集的图像数据，在线检测显著场景对应的自然场景路标，生成全局地图中的拓扑节点；2)更新移动机器人位姿和局部栅格子地图；3)以显著场景点作为拓扑节点创建全局拓扑地图结构，在机器人轨迹闭合检测的基础上，引入加权扫描匹配法和松弛法对拓扑结构进行优化，确保拓扑地图的全局一致性。该发明适用于各类移动机器人在包含多个房间、走廊等区域的室内大范围环境中进行自主路径规划和导航应用。
-
公开(公告)号：CN109514602B
公开(公告)日：2020-06-16
申请号：CN201811323903.8
申请日：2018-11-08
Applicant: 东南大学
Abstract: 本发明公开了一种基于负载自适应辨识的工业机器人力矩补偿控制方法，包括根据机器人整体的受力平衡分析，在考虑摩擦的基础上采用牛顿‑欧拉法推导建立带负载工况下的机器人动力学模型；求解机器人负载辨识最优激励轨迹；计算负载惯性参数；在基于负载惯量匹配的基础上，补偿机器人带载工况下运动时负载所消耗的关节驱动力矩，并通过实验进一步验证和优化。本发明方法考虑了负载对机器人作业性能的影响，在无需任何外部传感器的前提下，通过简单易实现的操作完成了对任意负载的自适应辨识和力矩补偿控制，有效提高机器人带载工况下的控制精度，对于高速、大负载运动下的工业机器人搬运、搅拌摩擦焊等工艺具有十分重要的意义。
-
公开(公告)号：CN106384079B
公开(公告)日：2019-04-30
申请号：CN201610783805.7
申请日：2016-08-31
Applicant: 东南大学
Abstract: 本发明公开了一种基于RGB‑D信息的实时行人跟踪方法，包括：步骤10)环境数据的获取与模型初始化：对行人进行感知，以获取RGB‑D信息，将RGB‑D信息转化为三维点云，并对跟踪模型进行初始化；步骤20)构建聚类的几何评价模型：通过欧氏距离对三维点云进行聚类，构建聚类的几何评价模型；步骤30)构建聚类的颜色评价模型：采用RGB获取的颜色信息，进行色彩空间转换与归一化后，构建聚类的颜色评价模型；步骤40)对几何评价模型和颜色评价模型进行综合评定，确定最优的跟踪目标，并通过跟踪模型确定最优目标参数，生成相应跟踪指令。该基于RGB‑D信息的实时行人跟踪方法实现了室内行人的高效检测与跟踪。
-
公开(公告)号：CN104268598B
公开(公告)日：2017-05-03
申请号：CN201410506045.6
申请日：2014-09-26
Applicant: 东南大学
Abstract: 本发明公开了一种基于二维扫描激光的人腿检测方法，首先通过激光传感器对室内环境进行扫描，并将扫描数据进行预处理；其次，根据采集数据进行AdaBoost训练，即将采集的若干组扫描样本进行数据分割，将其作为算法的输入通过已建立的弱分类器训练学习得到一个强分类器；然后进行人腿步态检测，即将预处理后的激光扫描数据进行垂直边缘检测，然后从提取的垂直边缘中检测满足人腿模式的所有子集；最后对检测出的SL模型采用AdaBoost算法进行分类判断。本发明使用低成本的二维激光有效的解决了人腿快速检测的问题，简单快速，准确率高，避免常用计算机视觉方法计算慢、受图像干扰的缺陷。
-
公开(公告)号：CN104268598A
公开(公告)日：2015-01-07
申请号：CN201410506045.6
申请日：2014-09-26
Applicant: 东南大学
CPC classification number: G06K9/6256 , G06K9/00362
Abstract: 本发明公开了一种基于二维扫描激光的人腿检测方法，首先通过激光传感器对室内环境进行扫描，并将扫描数据进行预处理；其次，根据采集数据进行AdaBoost训练，即将采集的若干组扫描样本进行数据分割，将其作为算法的输入通过已建立的弱分类器训练学习得到一个强分类器；然后进行人腿步态检测，即将预处理后的激光扫描数据进行垂直边缘检测，然后从提取的垂直边缘中检测满足人腿模式的所有子集；最后对检测出的SL模型采用AdaBoost算法进行分类判断。本发明使用低成本的二维激光有效的解决了人腿快速检测的问题，简单快速，准确率高，避免常用计算机视觉方法计算慢、受图像干扰的缺陷。
-
Patent Agency Ranking
公开(公告)号：CN100352912C
公开(公告)日：2007-12-05
申请号：CN200410066003.1
申请日：2004-12-13
Applicant: 东南大学
Abstract: 红霉素发酵过程变量的神经网络逆软测量方法及软仪表构造方法是一种用于解决红霉素发酵过程中难以用传感器在线实时测量的关键变量的在线估计问题的方法。神经网络逆软测量方法依据红霉素发酵过程(1)的模型建立内含传感器(11)的模型，并依据求反函数方法建立内含传感器逆(3)的模型，然后采用静态人工神经网络(41)加微分器并通过对静态人工神经网络的调练确定各权系数构造神经网络逆(4)，实现该内含传感器逆，最后将神经网络逆串接在红霉素发酵过程之后，实现对菌丝浓度x1、总糖浓度x2、化学效价x3的在线软测量。神经网络逆的具体实现就是所要构造的神经网络逆软仪表，采用单片机实现。
-
公开(公告)号：CN1661004A
公开(公告)日：2005-08-31
申请号：CN200410066003.1
申请日：2004-12-13
Applicant: 东南大学
Abstract: 红霉素发酵过程变量的神经网络逆软测量方法及软仪表构造方法是一种用于解决红霉素发酵过程中难以用传感器在线实时测量的关键变量的在线估计问题的方法。神经网络逆软测量方法依据红霉素发酵过程(1)的模型建立内含传感器(11)的模型，并依据求反函数方法建立内含传感器逆(3)的模型，然后采用静态人工神经网络(41)加微分器并通过对静态人工神经网络的调练确定各权系数构造神经网络逆(4)，实现该内含传感器逆，最后将神经网络逆串接在红霉素发酵过程之后，实现对菌丝浓度x1、总糖浓度x2、化学效价x3的在线软测量。神经网络逆的具体实现就是所要构造的神经网络逆软仪表，采用单片机实现。
-
公开(公告)号：CN109783652B
公开(公告)日：2023-01-17
申请号：CN201910090552.9
申请日：2019-01-30
Applicant: 东南大学
IPC: G06F16/36 , G06F16/9535
Abstract: 本发明提供了一种机器人利用常识根据室内物品推理房间类型的推理网络的构建方法，属于服务机器人任务规划与执行的技术领域。本发明的方法主要包括：步骤1，查询常识知识库获取各种物品在各种类型房间中的出现概率；步骤2，判断每种物品与各种房间类型之间是否存在显著性相关关系；步骤3，将具有显著性相关关系的物品和房间类型生成一阶逻辑，利用原概率计算该一阶逻辑的参数，构成推理网络。本发明机器人根据室内物品推理房间类型的推理网络的构建方法，综合考虑了常识知识与室内环境的差异性和常识知识的通用性以及推理网络的复杂程度，提出的发明可以有效的减小推理网络的复杂度，提升房间分类的准确性。
-
公开(公告)号：CN109514602A
公开(公告)日：2019-03-26
申请号：CN201811323903.8
申请日：2018-11-08
Applicant: 东南大学
Abstract: 本发明公开了一种基于负载自适应辨识的工业机器人力矩补偿控制方法，包括根据机器人整体的受力平衡分析，在考虑摩擦的基础上采用牛顿-欧拉法推导建立带负载工况下的机器人动力学模型；求解机器人负载辨识最优激励轨迹；计算负载惯性参数；在基于负载惯量匹配的基础上，补偿机器人带载工况下运动时负载所消耗的关节驱动力矩，并通过实验进一步验证和优化。本发明方法考虑了负载对机器人作业性能的影响，在无需任何外部传感器的前提下，通过简单易实现的操作完成了对任意负载的自适应辨识和力矩补偿控制，有效提高机器人带载工况下的控制精度，对于高速、大负载运动下的工业机器人搬运、搅拌摩擦焊等工艺具有十分重要的意义。
-
公开(公告)号：CN109514133A
公开(公告)日：2019-03-26
申请号：CN201811323901.9
申请日：2018-11-08
Applicant: 东南大学
CPC classification number: B23K37/00 , B25J9/0081
Abstract: 本发明公开了一种基于线结构光感知的焊接机器人3D曲线焊缝自主示教方法，包括确定扫描相关参数，扫描生成焊件的有序点云模型；对焊件的有序点云模型进行预处理滤波；然后在焊缝横截面的进行特征提取和定位，得到相应的焊缝点位姿坐标系，组成焊缝点位姿坐标系序列；根据焊缝点位姿坐标系序列结合焊接作业工艺参数要求形成焊枪位姿坐标系序列；根据焊枪位姿坐标系序列生成机器人焊接作业运动路径。本发明具有3D焊缝特征提取和建模能力，实现对复杂空间曲线焊缝的精确3D定位，可解决小批量、多品种、非标准工件焊接的去示教智能化编程，提高焊接精度和质量对于焊接机器人应用领域而言具有非常重要的经济价值和应用前景。
-
-
-
-
-
-
-
-
-
Search Results
46
records
(took 0.018 seconds)
