-
公开(公告)号：CN116740300A
公开(公告)日：2023-09-12
申请号：CN202310714863.4
申请日：2023-06-16
Applicant: 广东工业大学
IPC: G06T17/10 , G06T15/04 , G06T15/08 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/74 , G06V10/80
Abstract: 本发明公开了一种基于多模态的素体与纹理融合家具模型重建方法。该方法包括：获取家具稀疏点云和纹理嵌入向量；将所述家具稀疏点云和所述纹理嵌入向量输入素体与纹理融合模型，得到新纹理家具模型。本发明能够使用户在不需要专业家具设计人员的情况下，完成家具模型的纹理更新，大大节省了时间，并且原始数据只用提供二维图片数据，用户可以使用普通相机获得。
-
公开(公告)号：CN114860927B
公开(公告)日：2023-04-25
申请号：CN202210401729.4
申请日：2022-04-18
Applicant: 广东工业大学
IPC: G06F16/35 , G06F16/383 , G06F16/332 , G06F16/335 , G06F40/289 , G06F40/30 , G06N3/042 , G06N3/048 , G06N3/0442 , G06N3/084
Abstract: 本发明公开了一种面向多任务联邦学习的文本匹配方法，包括：在服务器以及各客户端上构建bm25+esim模型；bm25算法用于对样本信息库进行处理，从样本信息库中召回相似度最高的k条样本信息；样本信息包括用户特征信息以及对应的推荐信息；需要推荐的目标用户所输入的文本信息与召回的k条样本信息构成样本信息对；esim模型用于对样本信息对进行处理，输出目标用户的用户特征信息在k条样本信息中的分类，就得到了文本匹配结果；该方法采用横向联邦学习，服务器通过基于多头注意力机制的图神经网络节点选择方案选择部分客户端。各客户端使用k折交叉验证切分数据集，训练后向服务器发送参数；服务器根据收到的全部参数，更新自身参数，并发送给客户端。
-
公开(公告)号：CN112862863B
公开(公告)日：2023-01-31
申请号：CN202110240924.9
申请日：2021-03-04
Applicant: 广东工业大学
IPC: G06T7/246
Abstract: 本发明为克服目标跟踪定位推断准确率低的缺陷，提出一种基于状态机的目标跟踪定位方法，包括以下步骤：对目标跟踪任务采用目标跟踪算法计算得到分数图；计算所述分数图的峰值的位置Peak1和次峰值的位置Peak2；结合所述Peak1和Peak2对当前状态机的状态进行推断，当推断状态机进入确定状态时，记录Peak2的相对位置为干扰项；当推断状态机进入不确定状态时，根据历史记录的干扰物的相对位置推断目标位置；更新当前状态机的状态，并对下一帧图像进行跟踪。本发明结合目标与干扰物的历史相对位置以及分数图的置信度，综合推断出目标的准确位置，能够得到更详细的定位状态，能够极大程度提高推断准确率。
-
公开(公告)号：CN110457999B
公开(公告)日：2022-11-04
申请号：CN201910569930.1
申请日：2019-06-27
Applicant: 广东工业大学
IPC: G06V40/20 , G06V40/10 , G06V10/764 , G06V10/82 , G06N3/04
Abstract: 本发明公开了一种基于深度学习和SVM的动物姿态行为估计与心情识别方法，利用深度学习的动物姿态估计模型和SVM多分类算法，通过对大量动物的图片进行目标检测的边框标签标记和动物的十三个身体关键点(包括尾巴)标记，然后送进动物姿态估计网络模型进行充分地训练。通过训练好的动物姿态估计模型，估计计算出来目标检测边框的中心点位置和动物的十三个身体关键点位置，并基于其中心点的位置变化、十三个关键点的位置关系和尾巴三个关键点的位置关系和相对位置变化关系，构建与利用SVM分类器去判断动物的行为与心情，从而能更加准确地理解动物的心情和行为情况。
-
公开(公告)号：CN110531760B
公开(公告)日：2022-09-06
申请号：CN201910759944.X
申请日：2019-08-16
Applicant: 广东工业大学
IPC: G05D1/02
Abstract: 本发明提供的一种基于曲线拟合和目标点邻域规划的边界探索自主建图方法，对已构建地图的边界以曲线拟合方式筛选目标观测区，同时针对机器人不可达目标观测区，采取邻域规划方法建立新目标观测点，利用同步定位与建图技术，引导机器人自主导航至下一个观测区，完成对未知环境的自主探索。本发明提供的一种基于曲线拟合和目标点邻域规划的边界探索自主建图方法，以较少的探索次数，更高的探索效率和更少的探索时间完成对未知室内复杂场景的自主探索建图，提高了机器人完成建图的自主性和智能化，不需人工干预就可完成搜索建图，降低了人力、物力成本。
-
Patent Agency Ranking
公开(公告)号：CN113947132B
公开(公告)日：2022-08-02
申请号：CN202111089041.9
申请日：2021-09-16
Applicant: 广东工业大学
Abstract: 本发明公开了基于GCN图神经网络的公交到站预测方法、计算机及介质，方法中：对轨迹点进行地图匹配，防止GPS的测量误差引入不可靠的因素，同时考虑了前后轨迹点的时空关系，根据时间和速度得到预计点，利用投影位置与预计点的误差求状态转移概率来筛选最佳匹配位置。利用图神经网络预测站间行程时间，由于公交网络在结构上是一种图结构，故该预测模型相比传统模型更适用于此任务，预测效果也更好。将到站时间预测分为两部分分别进行，即基于图神经网络的站间行程时间预测和基于LSTM的到站时间预测，既利用了LSTM在短期预测的高可靠性，又避免在中长期预测中对行程时间重复进行预测，造成计算资源的浪费。
-
公开(公告)号：CN113935946A
公开(公告)日：2022-01-14
申请号：CN202111049795.1
申请日：2021-09-08
Applicant: 广东工业大学
Abstract: 本发明提供一种实时检测地下障碍物的方法及装置，包括：生成点云数据后，对点云数据进行体素化降采样处理，得到处理后的点云数据；将点云分割成若干块地面断层点云，聚类出若干个点云簇作为地面断层点簇；通过所述地面断层点簇，获取每一个点簇的最大深度位置以及宽度信息，利用所述机器车的位姿约束，得到地面断层的地面面积；根据所述地面断层点簇的位置、大小信息以及所述地面断层的地面面积，得到平面点云信息，获取地下障碍物的信息；本发明所述的方法能够实时提高机器车避障功能的准确性、稳定性。
-
公开(公告)号：CN113408390A
公开(公告)日：2021-09-17
申请号：CN202110654270.4
申请日：2021-06-11
Applicant: 广东工业大学
Abstract: 本发明公开了一种人体行为实时识别方法、系统、装置及存储介质，该方法包括通过双目摄像头获取第一图像，第一图像为包含人体的RGB图像；利用YOLOv3网络模型对第一图像进行处理，得到人体框图像；将人体框图像输入AlphaPose网络模型，得到多个人体骨骼点；将多个人体骨骼点输入行为识别网络进行识别，得到行为类别结果，行为类别包括摔倒、坐着、站着和行走行为；本发明使用双目摄像头进获取人体的RGB图像，利用YOLOv3网络模型对该图像进行处理，可得到人体框图像，不需要人体的时序信息，就能够保证较高的实时性和准确度率；解决了行为识别方法中实时性与准确性难以相容的难题。本发明可广泛应用于人体行为识别技术领域。
-
公开(公告)号：CN113110478A
公开(公告)日：2021-07-13
申请号：CN202110457604.9
申请日：2021-04-27
Applicant: 广东工业大学
IPC: G05D1/02
Abstract: 本发明提供的一种多机器人运动规划的方法、系统及存储介质，方法包括以下步骤：获取机器人运动中的运动状态和环境信息；根据离散化后的运动状态和环境信息，通过强化学习确定机器人的运动策略；其中，运动策略中的连续动作，是利用模糊神经网络确定强化学习状态空间，并输出得到的连续动作；根据运动策略中确定机器人的基础行为，进行群集运动；基础行为包括以下至少之一：向目标行进、避障运动、避碰运动以及沿墙运动；方法解决了在庞大状态空间和动态变化环境中对智能体进行最优行为策略学习，收敛速度过慢、预见能力差等问题，可广泛应用于机器人控制技术领域。
-
公开(公告)号：CN112862863A
公开(公告)日：2021-05-28
申请号：CN202110240924.9
申请日：2021-03-04
Applicant: 广东工业大学
IPC: G06T7/246
Abstract: 本发明为克服目标跟踪定位推断准确率低的缺陷，提出一种基于状态机的目标跟踪定位方法，包括以下步骤：对目标跟踪任务采用目标跟踪算法计算得到分数图；计算所述分数图的峰值的位置Peak1和次峰值的位置Peak2；结合所述Peak1和Peak2对当前状态机的状态进行推断，当推断状态机进入确定状态时，记录Peak2的相对位置为干扰项；当推断状态机进入不确定状态时，根据历史记录的干扰物的相对位置推断目标位置；更新当前状态机的状态，并对下一帧图像进行跟踪。本发明结合目标与干扰物的历史相对位置以及分数图的置信度，综合推断出目标的准确位置，能够得到更详细的定位状态，能够极大程度提高推断准确率。
-
-
-
-
-
-
-
-
-
Search Results
124
records
(took 0.077 seconds)
