-
公开(公告)号：CN104407611B
公开(公告)日：2017-02-01
申请号：CN201410521863.3
申请日：2014-09-30
Applicant: 同济大学
IPC: G05D1/02
Abstract: 本发明涉及一种仿人机器人稳定行走的控制方法，包括步骤S1：获得机器人系统为补偿ZMP跟踪误差所需要产生的动量和角动量；步骤S2：基于微分运动学的方式，利用动量雅可比矩阵得到从机器人配置空间到动量和角动量的映射；步骤S3：通过对动量雅可比矩阵进行阻尼伪逆计算，得到步骤S2中映射的反映射，进而获取机器人配置空间命令，其对应行走中的动量补偿控制任务；步骤S4：采用动态优先级切换方式，将动量补偿控制任务分配，并产生各关节运动命令。与现有技术相比，本发明通过ZMP计算公式将解析动量控制应用到仿人机器人的平衡控制中，并将该控制问题整合到任务空间控制体系中，使得仿人机器人可以利用局部运动产生的补偿动量抑制未知扰动。
-
公开(公告)号：CN104325462B
公开(公告)日：2016-02-17
申请号：CN201410521891.5
申请日：2014-09-30
Applicant: 同济大学
IPC: B25J9/16
Abstract: 本发明涉及一种固有约束下构建机器人运动空间的方法，其特征在于，该方法包括：步骤S1：以支撑脚为坐标原点，对身体基坐标系引入浮体运动学，建立一个基于全身关节的关节链和运动学模型；步骤S2：基于关节链和运动学模型，引入关节角范围约束、稳定性约束，利用蒙特卡洛法采样并求解机器人末端执行器的工作空间，获得工作空间构成的三维点云网格；步骤S3：在三维点云网格的基础上，进行平面截取，并通过极值分析，得到机器人在各个方向上的极值状态与位姿图。与现有技术相比，本发明以求解复杂全身运动下的机器人工作空间为目标，基于数值算法，求取满足固有约束的复杂情形下末端轨迹工作空间的边界范围。
-
公开(公告)号：CN104325462A
公开(公告)日：2015-02-04
申请号：CN201410521891.5
申请日：2014-09-30
Applicant: 同济大学
IPC: B25J9/16
CPC classification number: B25J9/1605
Abstract: 本发羽涉及一种固有约束下构建机器人运动空间的方法，其特征在于，该方法包括：步骤S1：以支撑脚为坐标原点，对身体基坐标系引入浮体运动学，建立一个基于全身关节的关节链和运动学模型；步骤S2：基于关带链和运动学模型，引入关节角范围约束、稳定性约束，利用蒙特卡洛法采样并求解机器人末端执行器的工作空间，获得工作空间构成的三维点云网格；步骤S3：在三维点云网格的基础上，进行平面截取，并通过极值分析，得到机器人在各个方向上的极值状态与位姿图。与现有技术相比，本发明以求解复杂全身运动下的机器人工作奈间为目标，基于数值算法，求取满足固有约束的复杂情形下末端轨迹工作空间的边界范围。
-
公开(公告)号：CN104318071A
公开(公告)日：2015-01-28
申请号：CN201410520386.9
申请日：2014-09-30
Applicant: 同济大学
Abstract: 本发明涉及一种基于线性落脚点补偿器的机器人行走控制方法，包括以下步骤：1)建立机器人的动力学模型；2)根据机器人的动力学模型，建立线性落脚点补偿器；3)通过尝试-评估-改进的学习方法，学习特定环境下的落脚点补偿器最优增益系数；4)验证所述方法在仿人机器人行走控制中的作用。与现有技术相比，本发明具有学习能力强，抗干扰能力强等优点。
-
公开(公告)号：CN113887341B
公开(公告)日：2025-04-29
申请号：CN202111085862.5
申请日：2021-09-16
Applicant: 同济大学
IPC: G06V40/20 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/084 , G06N3/042
Abstract: 本发明涉及一种基于并联卷积神经网络的人体骨骼动作识别方法，包括以下步骤：1)获取骨骼数据并进行预处理，剔除无关骨骼数据和修复不全的数据后进行归一化处理；2)设计并联卷积神经网络的基础模块结构；3)设置训练参数，并进行误差反向传播；4)将并联卷积神经网络的基础模块插入语义引导神经网络SGN网络中，构建人体骨骼动作识别网络模型，并在骨骼数据集上进行跨视角和跨物体的训练和测试5)以处理后的骨骼数据作为输入，根据训练好的人体骨骼动作识别网络模型进行人体骨骼动作识别。与现有技术相比，本发明具有提高识别精度的同时大大降低数据量、应用范围广、即插即用等优点。
-
Patent Agency Ranking
公开(公告)号：CN114897765B
公开(公告)日：2025-03-25
申请号：CN202210208939.1
申请日：2022-03-04
Applicant: 同济大学
IPC: G06T7/00 , G06T5/50 , G06T3/4007 , G06T3/4046 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于深度特征重建的复杂场景中螺栓异常检测方法，包括：1)获取原始图像输入卷积下采样网络，得到不同分辨率的深度特征图；2)将不同分辨率的深度特征图进行融合并输入到卷积插值上采样网络中，生成预测矩阵以及原始蒙版图；3)在卷积下采样网络得到的不同分辨率的特征图中清除螺栓位置附近的特征，并重建该螺栓区域在正常状态时的特征，得到重建蒙版图；4)对比原始蒙版图和重建蒙版图，完成异常螺栓的判定并生成最终的异常螺栓复原图。与现有技术相比，本发明能够排除生产设备在图片中的位置、室外光线情况、生产设备所处背景及设备本身工作状态对螺栓异常检测任务的干扰，具有较高的鲁棒性、适用性和实用性。
-
公开(公告)号：CN119567263A
公开(公告)日：2025-03-07
申请号：CN202411946879.9
申请日：2024-12-27
Applicant: 同济大学
Abstract: 本发明涉及一种基于轨迹扩散的多机器人轨迹故障检测方法，包括：对系统中的各个机器人分别配备传感器，通过传感器实时测量自身位姿并解算其他机器人的位置信息；各个机器人利用各自的测量数据实时构建多机器人状态模型，该模型为分布式部分可观测马尔可夫决策过程，通过多机器人状态模型描述多机器人系统的整体运行状态；收集多机器人系统正常运行时的观测状态数据集，搭建并训练轨迹扩散模型；在系统运行过程中，将获取的实时机器人位姿数据和历史数据输入到轨迹扩散模型中，预测多机器人系统未来可能的轨迹，并通过误差评估的方式完成对故障机器人的实时检测。与现有技术相比，本发明降低系统对全局信息的依赖，提高了系统的适应性和鲁棒性。
-
公开(公告)号：CN119291646A
公开(公告)日：2025-01-10
申请号：CN202411366304.X
申请日：2024-09-29
Applicant: 同济大学
IPC: G01S7/48 , B25J9/16 , B25J19/02 , G06V10/26 , G06V10/75 , G06V10/762 , G06T7/246 , G01S17/931
Abstract: 本发明涉及一种基于聚类跟踪的动态障碍物滤除方法，通过多线激光雷达的自适应欧式聚类算法对原始点云进行物体级分割，随后通过计算聚类间的距离和边界框体积比构建相似度函数，形成描述帧间匹配度的二分图。采用Kuhn‑Munkres算法寻找最大权匹配，实现聚类关联。通过追踪聚类中心的运动轨迹，利用短期运动一致性判断动态障碍物，并在建图过程中滤除动态障碍物的点云信息。该方法有效解决了传统方法在实时性和精度上的不足，显著提升了移动机器人在复杂环境中的导航和定位性能。与现有技术相比，本发明具有对动态障碍物的滤除效率高、精度高和连续性实时性好等优点。
-
公开(公告)号：CN119168698A
公开(公告)日：2024-12-20
申请号：CN202411376255.8
申请日：2024-09-30
Applicant: 同济大学
IPC: G06Q30/0202 , G06Q30/0601 , G06N3/045 , G06N3/08 , G06F16/9535
Abstract: 本发明涉及一种商品点击率预测方法及商品推荐方法，其中，商品点击率预测方法包括获取用户‑物品点击数据集；基于所述用户‑物品点击数据集，获取用户特征和用户行为序列；以目标物品属性、所述用户特征和所述用户行为序列为输入，利用训练好的点击率预测模型，获取用户对目标物品的点击率；其中，训练好的所述点击率预测模型基于所述目标物品属性、所述用户特征和所述用户行为序列分别提取中间特征，并基于对所述中间特征进行拼接后拼接特征获取所述物品的点击率。与现有技术相比，本发明具有商品点击率预测效果好、更加全面的捕捉用户偏好、更好建模用户行为等优点。
-
公开(公告)号：CN115257785B
公开(公告)日：2024-11-22
申请号：CN202210865589.6
申请日：2022-07-21
Applicant: 同济大学
Abstract: 本发明涉及一种自动驾驶数据集制作方法及系统，方法包括：根据自动驾驶车辆的型号和运行的真实环境，通过数字孪生技术建立自动驾驶车辆对应的物理模型及真实环境对应的环境地图并导入自动驾驶模拟器；基于测试需求在自动驾驶模拟器中进行配置，包括配置车载传感器的参数，设置环境参数，导入行人和其他车辆的物理模型，并设置其行为模式；按照测试需求获取运行模式，在自动驾驶模拟器中使自动驾驶车辆对应的物理模型按照运行模式运行，在运行过程中由车载传感器采集信息并进行时间同步和预处理，得到的信息存储至自动驾驶数据集。与现有技术相比，本发明在虚拟世界中进行仿真，有效解决了真实的自动驾驶数据集采集和标注困难的问题。
-
-
-
-
-
-
-
-
-
Search Results
186
records
(took 0.021 seconds)
