-
公开(公告)号：CN113674310B
公开(公告)日：2024-04-26
申请号：CN202110513594.6
申请日：2021-05-11
Applicant: 华南理工大学
IPC: G06T7/246 , G06T7/80 , G06T3/40 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于主动视觉感知的四旋翼无人机目标跟踪方法。所述方法包括以下步骤：选择跟踪目标；根据基于深度关联度量的多轨道孪生网络目标跟踪算法，对目标进行图像位置跟踪；估计和预测目标的运动状态；计算未来N步时间的最优控制序列，控制四旋翼无人机保距跟踪目标以及相机对准目标。本发明使用目标检测算法识别常见感兴趣物体类别，对于移动物体初始跟踪框的选取可以起到明显的辅助作用。本发明在保证算法实时性的基础上增加了目标识别的成功率和容错性，同时能够反映目标的丢失情况并且在目标丢失后进行全局目标重定位搜索，实现对目标的长时视觉目标跟踪，为目标的状态估计提供基本的保障。
-
公开(公告)号：CN111985683B
公开(公告)日：2023-10-24
申请号：CN202010673799.6
申请日：2020-07-14
Applicant: 华南理工大学
IPC: G06Q10/047 , G06Q10/0631 , G06Q50/04
Abstract: 本发明公开了一种多目标离散装配车间物料配送的路径优化方法，包括：以配送设备运输时间消耗、配送服务满意度以及配送设备负载作为问题优化目标，对离散装配车间物料配送路径优化过程进行整体建模；对N台具有载量约束的配送设备的物料配送路径进行编码，随机产生目标模型的物料配送路径初始解；利用基于概率的多邻域随机局部搜索方法对初始解的邻域空间进行局部搜索，求取目标模型的物料配送路径更优解；利用禁忌表对搜索过程进行禁忌操作，记录已被搜索的邻域空间结构；重复步骤，直到满足搜索终止条件，输出最优车间物料配送路径方案。本发明在目标问题优化过程运算时间短，能应对存在实时状态更新变化的问题场景。
-
公开(公告)号：CN116911160A
公开(公告)日：2023-10-20
申请号：CN202310647459.X
申请日：2023-06-01
Applicant: 华南理工大学
IPC: G06F30/27 , G06F18/241 , G06F18/214 , G06F18/213 , G06N3/096 , G06F119/04
Abstract: 本发明公开了一种基于动态增量的剩余寿命预测方法、装置及存储介质，属于设备剩余寿命预测领域。其中方法包括：获取待测设备的监测数据，将监测数据划分为源域数据集和目标域数据集；根据源域数据集训练初步模型；其中初步模型包括特征提取器、阶段分类器和RUL预测器；利用动态增量学习的方式，采用训练后的初步模型对目标域数据集进行处理，并根据处理后的目标域数据集更新源域数据集；利用迁移学习的方式，根据新的源域数据集对初步模型进行阶段对齐域适应训练，获得域适应模型。本发明利用动态增量学习更新源域和目标域数据集，使得迁移学习可以更好地学习到域不变特征，降低了阶段对齐迁移学习的迁移误差，从而使预测结果更加准确。
-
公开(公告)号：CN113190036B
公开(公告)日：2023-10-13
申请号：CN202110363750.5
申请日：2021-04-02
Applicant: 华南理工大学
IPC: G05D1/10
Abstract: 本发明公开了一种基于LSTM神经网络的无人机飞行轨迹预测方法。所述方法如下：选取长短记忆神经网络并通过仿真数据对其进行训练；实时获取基础飞行数据；对基础飞行数据进行预处理作为历史数据；将历史数据进行分段，对长短记忆神经网络进行实时再次训练；继续对基础飞行数据进行收集、差分标准化和分段处理，然后通过再次训练后的长短记忆神经网络进行预测，输出预测结果；将预测结果结合扩展卡尔曼滤波算法，将扩展卡尔曼滤波算法的预测结果作为最终预测结果；用户根据最终预测结果选择是否修正无人机的飞行路线，然后返回持续预测飞行轨迹。本发明在无人机的监管和监测系统中可以有效的实时监测无人机现在与未来的飞行轨迹，提高监测效率。
-
公开(公告)号：CN116749168A
公开(公告)日：2023-09-15
申请号：CN202310238250.8
申请日：2023-03-10
Applicant: 华南理工大学
Abstract: 本发明提出了一种基于体势手势示教的康复轨迹获取方法，针对传统康复训练费时费力、康复训练轨迹复杂等问题，主要使用视觉传感器采集人体体势和手势数据，对人体手掌和手臂运动进行较为精确的测量，通过将人体坐标系姿态映射到机器人坐标系，达到用手势和手臂运动控制机器人运动，获得相应的机器人运动轨迹的目的。本发明主要包括以下几个步骤：(1)人体三维骨骼关键点提取；(2)人体手臂与机器人动作映射；(3)运动轨迹数据处理，得到康复机械臂的期望运动轨迹。本发明的优点在于提高了多自由度机器人与人的关节匹配精确度以及轨迹的平滑性和稳定性，简化康复轨迹获取过程以及优化所提取到的康复轨迹，减少了医师的工作量。
-
Patent Agency Ranking
公开(公告)号：CN116452935A
公开(公告)日：2023-07-18
申请号：CN202310435542.0
申请日：2023-04-21
Applicant: 华南理工大学
IPC: G06V10/80 , G06V10/82 , G06V10/774
Abstract: 本发明提出了一种基于注意力机制与对抗神经网络的多模态融合方法，包括以下步骤：设计模态异常检测与补偿算法，处理信息丢失错乱问题；针对不同的数据源类型，使用不同的特征提取器进行初步的特征提取，获取不同数据的初始语义信息；共享与私有信息提取，针对不同模态互补性和冗余性的特点，设计一个多模态对抗神经网络算法，从初步特征中将每一个模态中的互补信息和冗余信息提取出来，将冗余信息全部去除，降低后续算法的计算成本；针对对于不同的任务不同模态的重要性不一样的特点，设计多模态注意力网络，通过添加专家经验知识，学习不同模态的权重。本发明可以在不停机的情况下通过提取处理后的不同模态数据中的冗余信息和互补信息。
-
公开(公告)号：CN109670406B
公开(公告)日：2023-06-20
申请号：CN201811411596.9
申请日：2018-11-25
Applicant: 华南理工大学
IPC: G06V40/16 , G06V40/70 , G06V10/77 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/048 , G06F3/00
Abstract: 本发明提供一种结合心率与面部表情面向游戏用户的非接触式情感识别方法，包括步骤：（1）信息采集：采集玩家的面部信息；（2）心率训练：计算玩家的心率频率范围，识别心率包含的情感，最后实现心率模式的分类；（3）面部表情训练：对采集到的人脸视频帧实时分割出ROI，接着进行Gabor特征提取和LDA降维，再融合成的强分类器实现面部表情的分类；(4)情感判定：对玩家的情感初步判断；再利用模糊积分融合心率和面部表情进行情感判定。本发明只需Kinect2的摄像头可完成对玩家面部信息的非侵入式采集，另外红外摄像头保证输入信息不受光照条件影响，给游戏开发者提供有用的经验，从而设计出最大化用户体验的游戏。
-
公开(公告)号：CN114474060B
公开(公告)日：2023-06-16
申请号：CN202210143375.8
申请日：2022-02-16
Applicant: 华南理工大学
IPC: B25J9/16
Abstract: 本申请公开了一种工业机器人的控制方法、装置和存储介质，方法包括：定义工业机器人的推动动作和抓取动作，对所述推动动作和抓取动作进行马尔科夫建模；获取深度图像，对深度图像建立四叉树，根据所述四叉树获取所述深度图像中不同物体边缘点之间的最小距离；使用深度强化学习网络进行学习，对所述工业机器人的推动动作和抓取动作改变环境进行奖励。本申请可以应对非结构化场景中物体随机放置，实现稳定良好的分拣抓取控制。
-
公开(公告)号：CN115509251A
公开(公告)日：2022-12-23
申请号：CN202211017296.9
申请日：2022-08-23
Applicant: 华南理工大学
IPC: G05D1/10
Abstract: 本发明提出基于MAPPO算法的多无人机多目标协同跟踪控制方法。方法包括多无人机目标跟踪过程建模；环境标准化及数据归一化预处理；多目标任务分配；设计状态、动作价值函数以及奖励回报函数；设计深度神经网络结构；将各无人机的局部观测状态输入所述多无人机多目标协同跟踪控制器，得到各无人机的动作控制量，根据各动作控制量控制各无人机工作，完成控制多无人机对多目标展开协同跟踪任务。本发明方法采用分布式框架，降低了无人机对通信和计算能力的要求，有效解决了传统的多无人机多目标跟踪方法计算量大、无人机之间可能相互影响或碰撞、难以应对需要实时解算的环境变化等问题，具有较强的自适应性和鲁棒性。
-
公开(公告)号：CN113159566B
公开(公告)日：2022-10-25
申请号：CN202110416990.7
申请日：2021-04-19
Applicant: 华南理工大学
Abstract: 本发明公开了一种设备健康阶段检测的自适应收集方法、系统、装置和介质，其中方法包括以下步骤：获取设备的数据流，采用基于滑动窗口及蓄水池采样对数据流进行状态提取，获得概念表示；根据概念表示对数据流进行自适应健康阶段检测，获得健康阶段数据；对健康阶段数据进行融合处理，以增大各健康阶段的训练数据。本发明基于滑动窗口及蓄水池采样的状态提取，基于概念漂移检测的自适应健康阶段检测，实现健康阶段划分，多数据流的阶段融合处理，当存在多组健康数据流时，如多台设备分别采集而来的数据，分别进行阶段划分后，将多组阶段数据融合为单组阶段数据，增大各个健康阶段的数据量，提高训练效果，可广泛应用于智能制造以及数据挖掘领域。
-
-
-
-
-
-
-
-
-
Search Results
135
records
(took 0.035 seconds)
