-
公开(公告)号：CN105913489B
公开(公告)日：2019-04-23
申请号：CN201610241054.6
申请日：2016-04-19
Applicant: 东北大学
IPC: G06T17/00
Abstract: 本发明提供一种利用平面特征的室内三维场景重构方法，包括实时获取室内场景的RGB图像和深度图像，完成单帧三维点云重构；对相邻两帧RGB图像进行特征提取，得到相邻两帧三维点云的初步旋转矩阵；对各帧点云进行降采样，从各帧三维点云中提取室内场景的平面特征；确定各平面位置；计算误差旋转矩阵；对初步旋转矩阵进行修正，对每两帧三维点云拼接配准；通过对各帧三维点云拼接配准最终实现室内三维场景重构。本发明利用点云的几何特征来进行误差消除，快速且有效地提取出点云的平面特征。当前帧与上一帧点云的平面特征进行匹配的成功度较高。根据平面特征判断平面类型，从而计算出误差矩阵，对初步旋转矩阵进行修正，获得较准确的室内三维点云地图。
-
公开(公告)号：CN108717709A
公开(公告)日：2018-10-30
申请号：CN201810508041.X
申请日：2018-05-24
Applicant: 东北大学
Abstract: 本发明公开了一种图像处理系统及图像处理方法，包括图像采集模块，用于采集含有标记物的图像；标记物检测和识别模块，对所述图像采集模块输出的图像进行处理，首先需要检测到标记物在图像中的位置，然后对标记物进行关键点检测，最后对标记物内部的编码图案进行解码，完成对标记物的身份ID识别；标记物数据存储模块、相机位姿估计模块、虚拟物体注册和图像显示模块。本发明所述的图像处理系统及图像处理方法，解决了标记物反光或部分遮挡因素影响时检测失败的情况，提高检测的鲁棒性，并采用一种非线性优化的方法对相机的位姿数据进行求解以增强虚拟物体注册的真实性效果。
-
公开(公告)号：CN107273804A
公开(公告)日：2017-10-20
申请号：CN201710351391.5
申请日：2017-05-18
Applicant: 东北大学
CPC classification number: G06K9/00362 , G06K9/00744 , G06K9/6256 , G06K9/6269 , G06N3/08
Abstract: 一种基于支持向量机和深度特征的行人识别方法，包括如下步骤：制作训练样本，包括设定姿态下和采集的真实场景视频中的正样本与负样本。该行人特征描述子主要分为两部分，一部分用来刻画局部深度信息的变化特征，另一部分用来刻画局部深度信息的大小特征；对得到的训练样本使用LibSVM选取RBF核作为SVM的核函数针对深度信息特征来对行人分类器进行训练；根据分类器在运动目标区域以滑动窗口的方式检测运动目标区域中的行人，使用非极大值抑制的办法来剔除冗余的检测窗口，输出行人检测图像。本方法使用深度特征描述子作为SVM的特征向量进行行人识别，在保证实时性的同时，能够有效减缓相互遮挡、相互粘连等情况，提高了行人识别的准确率。
-
公开(公告)号：CN105096298A
公开(公告)日：2015-11-25
申请号：CN201410191199.0
申请日：2014-05-08
Applicant: 东北大学
Abstract: 一种基于快速直线提取的网格中特征点的提取方法，在网格图像中快速准确地提取出特征点的坐标。实施步骤如下：首先对图像进行二值化处理，将初始的彩色图转换为灰度图，减少计算量；然后依次对图像进行腐蚀膨胀变换、高斯滤波，消除干扰和噪声；利用Canny算子对预处理后的图像进行边缘检测，得到网格轮廓，然后利用改进的Hough变换进行快速直线提取，得到一个直线的集合；根据直线的斜率将该集合分为两类，减少求交点运算的次数；把互相垂直的线段两两联立求得交点坐标，得到特征点的集合；设置一个阈值对提取到的特征点集进行聚集，消除干扰，最后得到精确的特征点的集合。本方法的特征点提取更快、更精确，同时能够消除干扰，容错性能更好。
-
公开(公告)号：CN104181276A
公开(公告)日：2014-12-03
申请号：CN201310203309.6
申请日：2013-05-28
Applicant: 东北大学
IPC: G01N33/00
Abstract: 一种基于无人机的企业碳排放量检测方法，提出以无人机为载体平台，考察了工厂厂房与烟囱的分布情况，确定了对应高度上污染气体浓度最大的位置。在此基础上，采用Dijkstra算法和三次样条差值，实现无人机运动路线的规划和优化。具体包括如下步骤：（1）获取工厂平面图数据；（2）根据工厂平面图做出Voronoi图；（3）基于改进的高斯模型分别确定无人机检测高自立烟囱时，无人机需要遍历的点和无人机检测低自立烟囱时，无人机需要遍历的点；（4）采用Dijkstra算法，进行无人机检测的路径初步规划；（5）采用三次样条差值和序列二次规划进行路径优化，确定无人机最优检测路径。本方法在保证无人机飞行在最优路径情况下，实现工厂多个排放源的碳排放量的检测，具有成本较低、实时、灵活等优点。
-
Patent Agency Ranking
公开(公告)号：CN102143379A
公开(公告)日：2011-08-03
申请号：CN201110073165.8
申请日：2011-03-25
Applicant: 东北大学
CPC classification number: Y02B20/42
Abstract: 一种摄像机自动切换滤片的可靠性检测装置，主要包括：主电路板、LCD显示屏、可调亮度的LED光源、光线亮度检测电路、滤片切换驱动电路以及声光提示，其中主电路板主要包括单片机和拨码开关，声光提示主要包括告警LED和蜂鸣器，通过可变亮度光源及其检测电路，自动输出驱动信号使滤片自动切换，模拟不同光线环境，检测摄像机自动切换滤片在不同环境下能否可靠工作。本发明结构紧凑，尺寸小巧，可靠性高，安装方便，LCD显示屏能够显示检测次数和错误次数，价格便宜、通用性好，采用GPIO控制，控制简单方便，占用单片机资源少，本发明生产成本适中，适于普遍应用。
-
公开(公告)号：CN118868690A
公开(公告)日：2024-10-29
申请号：CN202410879197.4
申请日：2024-07-02
Applicant: 东北大学
IPC: H02P21/00 , H02P21/05 , H02P21/13 , H02P25/026 , H02P27/08
Abstract: 本发明一种基于反步滑模控制的伺服系统位置跟踪控制方法，包括以下步骤：根据定义的位置跟踪误差变量设计积分滑模面，对滑模面两次求导，得到基于状态变量的系统动力学二阶状态空间模型，将系统动力学二阶状态空间模型转化为基于所选滑动面的三阶状态空间模型，结合反步控制策略，设计反步滑模控制器；结合可测的转子实际位置信息，实现对伺服系统不可测扰动的估计，基于扰动估计值，得到基于线性扩张状态观测器的反步滑模控制器；接收所述基于线性扩张状态观测器的反步滑模控制器输出的参考电流，PI控制器输出参考电压；参考电压信号经过磁场矢量控制的处理步骤，最终生成电机的控制信号，实现伺服系统位置跟踪控制。
-
公开(公告)号：CN118545422B
公开(公告)日：2024-09-24
申请号：CN202411025911.X
申请日：2024-07-30
Applicant: 东北大学
Abstract: 本发明公开了一种输送带式AGV运输机器人，属于运输设备技术领域，包括设置有AGV识别驱动模块的安装底盘，安装底盘上方设置有平衡转换台，平衡转换台外侧壁通过切换组件连接有外盘体，外盘体两侧均设置有主转运输送带，平衡转换台两侧均设置有收纳口，收纳口内壁通过转移调换组件连接有转移驱动底板，斜坡输送座上设置有斜坡输送带。本发明通过在平衡转换台的两侧设置能进行收纳伸缩的斜坡输送带，通过斜坡输送带能满足货物跨高度输送的效果；通过主转运输送带的设置，能满足具有主动推送货物的运输；通过转换输送带的抬升效果，能满足对置物架上货物进行运输的效果，从而满足AGV运输机器人的多种上料状态使用。
-
公开(公告)号：CN115674202A
公开(公告)日：2023-02-03
申请号：CN202211355612.3
申请日：2022-11-01
Applicant: 东北大学
Abstract: 本发明公开了一种机器人位姿校正的方法、装置和系统，包括校正装置；其中，校正装置包括行走底板、微型压力传感器与高频相机。本发明的有益效果是：通过高频相机与微型压力传感器分别获取机器人行走的实际轨迹以及行走过程两侧滚轮的压力值，对所获得每一时刻待校正机器人的两侧滚轮压力值以及所处位置进行汇总并绘制曲线图进行分析，对待校正机器人进行相应的调整校正，设置有滑套带动高频相机沿着立柱进行上下移动，进而可对高频相机的安装高度进行调节，能够实现对待校正机器人的整个移动路径进行拍摄，微型压力传感器的上方一一对应设置有凸点，即随着待校正机器人的移动，可使相应位置的凸点抵在微型压力传感器上，能够精准的获得压力值。
-
公开(公告)号：CN115435788A
公开(公告)日：2022-12-06
申请号：CN202210933069.4
申请日：2022-08-04
Applicant: 东北大学
Abstract: 本发明公开了一种基于深度强化学习的移动机器人动态复杂环境避障导航方法，包括避障模块、目标接近模块、DRL策略训练模块、模拟‑现实任务。本发明的有益效果是：通过该方法实现移动机器人在无全局地图信息的情况下，依靠传感器的观测信息，通过多障碍物识别网络对观测结果进行处理，结合目标的相对位置信息，通过深度强化学习模型进行训练，学习避障导航策略，避开多个动态障碍物，到达指定目标点；不再依赖于全局地图，不需耗费大量算力建立高精度地图，不需考虑全局地图信息的维护与更新；输入传感器观测信息，输出机器人控制动作，端到端的导航策略模式反应迅速，能够适应复杂动态多障碍物的环境。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.019 seconds)
