-
公开(公告)号：CN119635626A
公开(公告)日：2025-03-18
申请号：CN202411665529.5
申请日：2024-11-20
Applicant: 安徽大学
IPC: B25J9/16
Abstract: 本发明提供一种面向多种背景下的机器人抓取检测方法及装置，涉及机器人智能控制技术领域。该方法包括：获取抓取数据集；对抓取数据集进行预处理，获得预处理后的抓取数据集；构建自适应多背景抑制抓取网络；根据预处理后的抓取数据集，对自适应多背景抑制抓取网络进行训练，获得训练好的自适应多背景抑制抓取网络；获取待抓取物体的RGB‑D图像数据；将待抓取物体的RGB‑D图像数据输入训练好的自适应多背景抑制抓取网络中，获得抓取质量图、抓取角度图以及抓取宽度图；根据抓取质量图、抓取角度图以及抓取宽度图，估计抓取位姿数据；根据抓取位姿数据进行运动规划，使机器人执行抓取任务。采用本发明可提升机器人系统的抓取操作的实时性和精确度。
-
公开(公告)号：CN119399718A
公开(公告)日：2025-02-07
申请号：CN202411428026.6
申请日：2024-10-14
Applicant: 安徽大学
IPC: G06V20/56 , G06V10/46 , G06V10/26 , G06V10/75 , G06V10/774
Abstract: 本发明提出一种面向任意动态对象的光流语义SLAM方法，包括：获得连续的RGB图像，每隔八帧图像，利用基于深度学习的光流估计模块对当前和下一帧图像进行光流估计，生成光流图；利用显著性区域检测模块将光流图中的动态区域提取为掩码，在动态掩码中找出两个代表点提示语义分割模块进行分割，实现对任意动态对象进行剔除，消除动态对象对系统的干扰；利用轻量级CNN架构对剔除掉动态区域的图像提取并匹配特征点，将经特征匹配点和剔除动态区域之后的RGB图像和原始深度图送入ORB‑SLAM2的系统，凭借高质量的特征点提高定位和建图的精度。本发明提出了更高效的SLAM方法，更够具有更高的定位与建图精度，同时其能够在实际工程中具备较高的鲁棒性。
-
公开(公告)号：CN119309583A
公开(公告)日：2025-01-14
申请号：CN202411428027.0
申请日：2024-10-14
Applicant: 安徽大学
Abstract: 本发明提出一种复杂环境下的无人水下航行器路径重规划方法，这是一种是空间路径融合速度策略的路径重规划方法，包括：检测推进器故障然后决定继续执行任务还是返航以减少损失，并通过推力分配进行实现；通过APF算法在突发性的水流环境中重规划路径，以应对水流阻碍并在安全位置回归原路径；再结合DWA算法进一步考虑突然出现的移动障碍物，提出一种方法能够在不破坏原规划路径和水流环境中重规划路径的前提下躲避障碍物。本发明提出的方法能针对复杂水下场景中突发事件引发的安全隐患，完成不同事件下的路径重规划，并在多类异常事件并发时进行合理的协调，将三种不确定性事件下的路径重规划方法能够在整体算法框架中同时实现。
-
公开(公告)号：CN119131365A
公开(公告)日：2024-12-13
申请号：CN202411269773.X
申请日：2024-09-11
Applicant: 安徽大学
IPC: G06V10/25 , G06V10/44 , G06N3/0464 , G06N3/0495 , G06N3/082 , G06N3/048
Abstract: 本发明公开了一种轻量化和鲁棒性无人机输电线路巡检目标检测模型的构建方法，包括如下步骤：重构Yolov8用于特征提取的主干网络；构建目标检测模型的空间信息捕获网络，并设计软阈值策略和阈值自动调节网络ARN；引入幂指数变换和SIoU损失函数，对模型建立增强损失函数；引入HSV模块和雾化模块，通过HSV和雾化模拟复杂环境中的输电线路，最终得到基于数据增强的符合无人机输电线路真实巡检环境的轻量化和鲁棒性无人机输电线路巡检目标检测模型。本发明模型能够有效降低模型参数、抵抗样本噪声干扰、提高平均精度、鲁棒性，还可避免人工设置阈值。
-
公开(公告)号：CN119129776A
公开(公告)日：2024-12-13
申请号：CN202411269775.9
申请日：2024-09-11
Applicant: 安徽大学
Abstract: 本发明公开一种面向拜占庭攻击下鲁棒联邦学习的分布式压缩随机聚合算法，针对在大规模分布式集群上面临的拜占庭式攻击后的潜在漏洞，及多智能体信息通讯对通信带宽和计算资源的影响，提出一种抵御攻击并降低通信损耗的算法，实现系统鲁棒稳定、通信高效和客户端隐私安全。本算法将损失函数与惩罚项相结合，保持对拜占庭攻击的弹性；引入参数压缩算子，降低通信成本；量化权重和特征降维，降低数据维数或大小，加快算法收敛；上传、下发的参数都经过有损压缩，实现数据加密，确保隐私和安全性。具有抗干扰能力强，通信成本低，隐私安全性高的优点，可广泛应用于多个领域，尤其适用于存在数据隐私需求高和通信资源受限的应用系统。
-
Patent Agency Ranking
公开(公告)号：CN118915461A
公开(公告)日：2024-11-08
申请号：CN202411042759.6
申请日：2024-07-31
Applicant: 安徽大学
IPC: G05B13/04
Abstract: 本发明涉及机器人智能控制技术领域，特别是指一种基于改进蜣螂优化算法的机器人自适应跟踪控制方法及装置。所述方法包括：根据机器人参数以及运动状态信息进行模型构建，获得机器人运动学模型以及机器人动力学模型；采用反步法设计运动学控制器，利用基于组合趋近律的滑膜控制方法设计第一动力学控制器；采用自适应RBF神经网络对第一动力学控制器进行补偿，获得第二动力学控制器；对第二动力学控制器使用改进蜣螂优化算法进行优化，获得第三动力学控制器；由运动学控制器以及第三动力学控制器得到自适应跟踪控制器；根据期望运动轨迹，通过自适应跟踪控制器进行运动控制。本发明是一种面向机器人移动的准确性高且鲁棒性好的自适应跟踪控制方法。
-
公开(公告)号：CN118578396B
公开(公告)日：2024-11-08
申请号：CN202410831223.6
申请日：2024-06-26
Applicant: 安徽大学
IPC: B25J9/16
Abstract: 本发明公开了一种基于时序任务持续强化学习的机械臂抓取策略优化方法，包括步骤1：收集机械臂在执行到达任务时的机械臂的状态向量及目标位置；步骤2：构建深度强化学习的神经网络模型；步骤3：根据机械臂在执行序列任务的到达任务时的机械臂的状态向量及目标位置训练网络模型，得到模型Ⅰ；步骤4：机械臂执行模型Ⅰ，当到达目标位置时，进行抓取任务的训练，得到模型Ⅱ；步骤5：使用模型Ⅰ对模型Ⅱ进行蒸馏得到模型Ⅲ，得到优化后的机械臂抓取策略；步骤6：评估模型Ⅲ的性能，检查其在不同任务场景上的表现步骤以确认模型Ⅲ是否收敛。本发明在时序任务持续强化学习的机械臂抓取中表现出更快的收敛速度和更短的抓取时间。
-
公开(公告)号：CN118758304A
公开(公告)日：2024-10-11
申请号：CN202410727267.4
申请日：2024-06-06
Applicant: 安徽大学
Abstract: 本发明公开了一种基于激光slam的无人机自适应型质心点边界探索方法，包括设定区域边界，加载环境配置参数；构建栅格地图；利用加权质心法检测识别边界点，将被已探索区域包围的未知区域归纳为已探索区域；通过能源效率加权找到当前收益价值最高的边界点作为无人机的探索点；自适应无人机感知半径调整；障碍物代价优化路径规划。本发明在边界识别方面引入加权质心，以未知区域的质心点为边界探索点并加以推断，有效增加了探索的效率，避免浪费算力，在边界探索方面采用综合距离、能源消耗效率和动态感知调整的方法，同时考虑带障碍物代价的优化路径规划，可准确反映真实世界中的探索建图挑战，为机器人提供更为安全、高效和适应性强的方案。
-
公开(公告)号：CN118447341A
公开(公告)日：2024-08-06
申请号：CN202410906142.8
申请日：2024-07-08
Applicant: 安徽大学
IPC: G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V20/50
Abstract: 本发明涉及无人机着陆识别技术领域，解决了传统方法无法适用于无人机面向紧急情况下实现自主着陆的技术问题，尤其涉及一种基于ST‑Swin‑T神经网络面向无人机自主着陆的场景图识别方法，包括：构建针对无人机着陆场景的数据集，并根据若干着陆场景类别将数据集分为多个安全等级；基于Swin‑T神经网络的骨干网络构建用于对无人机着陆的着陆场景图进行分类识别的识别模型ST‑Swin‑T；基于预训练模型对识别模型ST‑Swin‑T进行训练。本发明能够在面对紧急着陆场景时，通过直接检测下方的图像来判断能否降落，无需复杂计算或精确降落于特定点。并且显著提升了无人机的飞行安全性，同时为其自主学习识别着陆场景奠定了基础。
-
公开(公告)号：CN118238847A
公开(公告)日：2024-06-25
申请号：CN202410340309.9
申请日：2024-03-25
Applicant: 安徽大学
Abstract: 本发明属于自动驾驶技术领域，具体涉及一种自适应不同驾驶风格和路面环境的自主换道决策规划方法和系统，包括获取驾驶轨迹和路面环境数据进行识别得到不同驾驶风格，将驾驶风格、以及自车、旁车所在驾驶环境的多维决策向量进行级联后输入到全连接神经网络中，输出车道变更决策指令；根据路面环境信息中路面附着系数确定安全性约束、舒适性约束、自适应加速度约束和自适应急动度约束，结合决策指令，通过七阶多项式函数确定换道轨迹；本发明结合当前交通情况和人类驾驶员的驾驶经验，设计了一个基于多神经网络的个性化换道决策模型，采用路面附着系数和速度的自适应约束，以取代固定约束，从而解决了在不同路面条件下安全可靠的变道决策规划问题。
-
-
-
-
-
-
-
-
-
Search Results
125
records
(took 0.03 seconds)
