-
公开(公告)号：CN108242079B
公开(公告)日：2021-06-25
申请号：CN201711492119.5
申请日：2017-12-30
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于多特征视觉里程计和图优化模型的VSLAM方法，属于机器人SLAM领域。该方法首先利用FAST(Features from Accelerated Segment Test)和改进的LSD算法提取彩色图像中的点、线特征，进而使用不同的描述符描述特征，之后进行特征匹配，最后使用改进的NICP(Normal Iterative Closest Point)算法和PnL(Perspective n Line)算法估计机器人初始位姿。对图像提取线特征扩大了算法的应用场景，且得到了较好的机器人初始位姿。随后将多特征视觉里程计表示成贝叶斯网络，在贝叶斯网络基础上得到因子图，并利用最大后验概率估计因子图中机器人的全局位姿，使用高斯‑牛顿法求解最大后验概率得到更新后的位姿图。最后，融合位姿图与相应帧的三维点得到重构的三维地图。
-
公开(公告)号：CN112861726A
公开(公告)日：2021-05-28
申请号：CN202110179052.X
申请日：2021-02-09
Applicant: 北京工业大学
Abstract: 本发明公开了基于规则意图表决器的D‑S证据理论多模态融合人机交互方法，机器人听觉系统采集音频信息，调整自身姿态并进行硬件降噪，视觉系统使用双层网络来对动态手势进行检测和识别，对手势动作进行分类；对语音和手势的识别网络添加全连接层，输出机器人对于交互对象的意图理解。让两种模式以并行协助的方式来实现人机交互的通信过程，能够接受更多信息，做出准确的意图理解，视觉和听觉更容易被人接受，并在交互机制上做出改进。将不同模态对当前信息输入的输出判断结果。这样的合成结果更为关注深层次的信息之间的联系，解决多模态之间的融合，也能适应不同模态之间的证据冲突问题，并且关注于标签中的单一结果，更适用于的人机交互工作。
-
公开(公告)号：CN110836670A
公开(公告)日：2020-02-25
申请号：CN201911109531.3
申请日：2019-11-14
Applicant: 北京工业大学
IPC: G01C21/20
Abstract: 本发明涉及一种求解无人机约束航路规划的混合烟花粒子群协同算法，用于解决无人机航路规划问题。本方法采用两个种群并行独立搜索最优路径的方式，一个种群采用改进的烟花算法进行搜索，另一个种群采用粒子群优化算法。烟花通过爆炸在整个搜索空间中寻找最优解的大致区域并提供给粒子，为粒子之后的搜索指引方向。粒子则在接下来的迭代过程中向该区域进行细致的局部搜索。如此，两个种群结合进行搜索进而得到规划问题的最优解。在整个搜索过程中，通过设置安全等级来划分安全路径和不安全路径，然后在一次次的迭代过程中，逐步提高安全等级，进而将最优路径的搜索范围限制在安全的路径中，以保证规划出的路径的安全性。
-
公开(公告)号：CN109878324A
公开(公告)日：2019-06-14
申请号：CN201910325552.2
申请日：2019-04-22
Applicant: 北京工业大学
Abstract: 用于全方位自主移动平台的独立转向驱动轮，属于驱动轮技术领域。包括行进机构、减震机构、受力支撑机构和转向机构；行进机构由轮毂电机运转行进，且本平台所采用轮毂电机具有的橡胶轮胎，在提升平稳性与降噪方面有着显著的效果；减震机构采用双弹簧结构保障轮子处于同一平面，还承担一定支撑作用，使得全向移动平台能够克服不平整路面，及在受压及运动过程中保持独立转向轮的稳定性；受力支撑机构用于驱动轮对平台的支撑作用，受力支撑机构由轮毂电机、弹簧、圆柱托盘、托盘盖与转向轴及牛眼轮组成；转向机构用于驱动轮的水平转向，转向机构包括转向轴、角接触轴承、牛眼轮、转向电机，转向机构可使每个车轮实现正负90度旋转，达到全向目的。
-
公开(公告)号：CN106127776B
公开(公告)日：2019-05-03
申请号：CN201610491136.6
申请日：2016-06-28
Applicant: 北京工业大学
Abstract: 基于多特征时空上下文机器人目标识别与运动决策方法，属于机器人领域。本方法先利用图像的颜色和纹理特征对图像进行分块聚类，完成第一帧目标的时空上下文模型的初始化，并构造目标块的稀疏表示方程。然后以聚类块为基本单位，将聚类过程中的聚类置信值与上下文特征相结合建立以图像块为基本单位的置信图。最后，置信图似然概率最大处即为预测的下一帧的目标位置。与以前的方法相比，本发明加强了目标的特征描述，提高了目标在复杂背景下的鲁棒性，另外，提出加入分块聚类的思想保证了算法的实时性。在算法完成目标的识别跟踪后，以跟踪结果作为机器人运动决策的根据，完成机器人对目标的识别跟踪。
-
Patent Agency Ranking
公开(公告)号：CN106022480B
公开(公告)日：2018-11-02
申请号：CN201610320200.4
申请日：2016-05-13
Applicant: 北京工业大学
Abstract: 基于D‑S证据理论的机器人功能模块粒度划分评价方法，属于机器人分散控制领域，该评价方法主要分四步完成：以智能服务机器人系统的各功能模块独立性为原则，分别构建各功能模块间的联系度量指标与各功能模块内的联系度量指标，结合相关性度量矩阵求取各模块划分方案的内聚度与耦合度效用值。将内聚度和耦合度作为证据理论的两个证据源，构造多属性决策矩阵，同时引入隶属度函数概念，对决策矩阵中的效用值进行转换。结合基本概率分配值的定义，求取各焦元的效用分配值，并对每个方案不同属性下的偏好信息进行合成，构造信任区间。最后，基于区间数偏好排序方法，对各决策方案进行排序，获取智能服务机器人系统的各功能模块最优划分粒度。
-
公开(公告)号：CN107609509A
公开(公告)日：2018-01-19
申请号：CN201710808634.3
申请日：2017-09-09
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于运动显著性区域检测的动作识别方法，属于人体动作识别领域。该方法首先将图像按照5个的超像素尺度进行划分，并利用暗通道先验知识和区域对比度信息构筑相应的初始显著性图。参考影响因子矩阵和置信度矩阵的概念，引入一种基于元胞自动机理论的更新策略，进一步提高显著性图的准确性。之后采用贝叶斯理论实现各尺度显著性图的融合，并通过设置灰度阈值获得图像的二值分割图，得到当前视频序列的运动显著性子序列。最后，利用支持向量机多分类模型实现多种特征的评分级融合，进而获取测试样本的决策评分及分类标签。本发明基于改进显著性检测技术，对图像提取运动显著性区域，能够有效去除动作背景对识别造成的干扰，提高了系统的实时性。
-
公开(公告)号：CN107450376A
公开(公告)日：2017-12-08
申请号：CN201710808641.3
申请日：2017-09-09
Applicant: 北京工业大学
IPC: G05B19/04
CPC classification number: G05B19/04
Abstract: 本发明公开了一种基于智能移动平台的服务机械臂抓取姿态角计算方法，属于机械臂运动控制领域，尤其涉及机械臂的姿态角分析计算。根据相机确定目标物在相机坐标系中的坐标位置；通过提前标定好的转换矩阵将目标物在相机坐标系中的坐标转换到机械臂坐标系中；通过转换后的目标物的坐标点计算目标物在机械臂坐标系中与机械坐标系中的X轴的夹角θ，通过该夹角θ与机械臂姿态中的三个分量的映射函数关系求得当前机械臂的姿态；将目标物坐标和机械臂末端姿态合成控制机械臂的目标位姿，发送给机械臂，即完成目标物抓取动作。通过目标物与机械臂坐标系X轴的夹角θ来确定姿态角中的各个分量，从而完成机械臂以指定的姿态去抓取目标物。
-
公开(公告)号：CN106127776A
公开(公告)日：2016-11-16
申请号：CN201610491136.6
申请日：2016-06-28
Applicant: 北京工业大学
CPC classification number: G06K9/00664 , G06K9/6218
Abstract: 基于多特征时空上下文机器人目标识别与运动决策方法，属于机器人领域。本方法先利用图像的颜色和纹理特征对图像进行分块聚类，完成第一帧目标的时空上下文模型的初始化，并构造目标块的稀疏表示方程。然后以聚类块为基本单位，将聚类过程中的聚类置信值与上下文特征相结合建立以图像块为基本单位的置信图。最后，置信图似然概率最大处即为预测的下一帧的目标位置。与以前的方法相比，本发明加强了目标的特征描述，提高了目标在复杂背景下的鲁棒性，另外，提出加入分块聚类的思想保证了算法的实时性。在算法完成目标的识别跟踪后，以跟踪结果作为机器人运动决策的根据，完成机器人对目标的识别跟踪。
-
公开(公告)号：CN106127112A
公开(公告)日：2016-11-16
申请号：CN201610425612.4
申请日：2016-06-15
Applicant: 北京工业大学
CPC classification number: G06K9/00342 , G06K9/6274
Abstract: 基于DLLE模型的数据降维与特征理解方法，属于计算机视觉领域。首先，通过视觉传感器获取图像序列，进而对输入的动作图像序列进行分析，通过背景减除法提取出前景人体轮廓区域并二值化，研究动作的周期特性，对每个动作序列进行关键帧提取，提取出一个完整的动作周期序列。通过DLLE算法进行流行降维，得到低维特征向量，将其保存到动作数据库中。通过比较测试序列与训练样本库中动作序列的均值Hausdorff距离经最近邻分类器进行识别。本文提出了基于差分函数与类别信息的邻域保持嵌入算法在人体动作识别中的运用，DLLE模型在降维时既能保持流形的局部几何结构，又能充分利用原始高维数据的类别信息，实现了从无监督到有监督的扩展。
-
-
-
-
-
-
-
-
-
Search Results
89
records
(took 0.025 seconds)
