-
公开(公告)号：CN108044625A
公开(公告)日：2018-05-18
申请号：CN201711364995.X
申请日：2017-12-18
Applicant: 中南大学
Abstract: 本发明公开了一种基于多Leapmotion虚拟手势融合的机器人机械臂操控方法，包括以下步骤：步骤1：设置手势采集装置；步骤2：基于手势采集装置采集控制机械臂的手势的leapmotion序列图像，并利用基于核极限学习机的手势识别模型对手势进行识别；步骤3：利用预设的控制手势与机械臂实际操作手势比例因子，获取机械臂操作目标终点；步骤4：获得机械臂运动方案；步骤5：选取最佳机械臂的操控方案。该方案使用多Leapmotion传感器采集手势序列图像，使用加权融合算法将手势图像进行融合，具有很强的容错性；使用多leapmotion手势识别装置，相比于现有机械臂示教器与体感设备，操控装置成本低，且操控性强、准确度高。
-
公开(公告)号：CN107368858B
公开(公告)日：2018-04-13
申请号：CN201710630336.X
申请日：2017-07-28
Applicant: 中南大学
Abstract: 本发明提供了一种智能环境运载机器人识别楼层的参数化测量多模型智能融合方法，利用成本较低的温度、湿度、气压传感器搜集数据，建立数据库，针对气压随高度变化的特性，采用大数据处理技术，利用KH算法优化的小波神经网络模型完成预测模型的建立，实现运载机器人在各种环境下的电梯楼层自适应辨识，有效解决了不同环境下同一高度气压值变动导致楼层辨识不准的情况。此外，本发明无需对电梯内部或外部进行改造，具有极高的普适性。
-
公开(公告)号：CN107863153A
公开(公告)日：2018-03-30
申请号：CN201711194263.0
申请日：2017-11-24
Applicant: 中南大学
CPC classification number: G06K9/00268 , G06N3/006
Abstract: 本发明公开了一种基于智能大数据的人体健康特征建模测量方法与平台，该方法包括：步骤1：构建人体自然体征数据库和人体极限运动数据库；步骤2：利用搭载在无人机上的ZED相机获取的人体身高，筛选出待识别人体群；步骤3：基于Hadoop平台对待识别人体脸部图像利用灰色神经网络进行快速识别；步骤4：无人机跟踪已识别人体，利用穿戴设备获取待识别人体的健康数据并传输至远程服务器；步骤5:将获取的健康数据输入基于小波神经网络的人体健康评估模型，得到待识别人体的健康检测程度。本发明基于大数据平台，运用穿戴设备、无人机、双目相机对户外运动人体健康信息采集，进行实时健康监测，从而做出合理决策。
-
公开(公告)号：CN107844780A
公开(公告)日：2018-03-27
申请号：CN201711194242.9
申请日：2017-11-24
Applicant: 中南大学
IPC: G06K9/00 , G06K9/32 , G06K9/46 , G06K9/62 , G06F3/01 , G06T7/11 , G06T7/155 , G06T7/187 , G06N3/00 , G16H50/30
CPC classification number: G06K9/00228 , G06F3/011 , G06F2203/011 , G06K9/00268 , G06K9/00288 , G06K9/3233 , G06K9/4609 , G06K9/4633 , G06K9/6247 , G06K9/6298 , G06N3/006 , G06T7/11 , G06T7/155 , G06T7/187 , G06T2207/20021 , G06T2207/20081 , G06T2207/20084 , G06T2207/20104 , G06T2207/30201
Abstract: 本发明提供了一种融合ZED视觉的人体健康特征大数据智慧计算方法与装置，该方法包括：步骤1：构建人体自然体征数据库和人体极限运动数据库；步骤2：利用搭载在无人机上的ZED相机获取的人体身高，筛选出待识别人体群；步骤3：基于Hadoop平台对待识别人体脸部图像利用PID神经网络进行快速识别；步骤4：无人机跟踪已识别人体，获取待识别人体的健康数据传输至远程服务器；步骤5：将获取的健康数据以及眼部、嘴部特征输入基于深度置信网络DBN的人体健康评估模型，得到待识别人体的健康检测程度。本发明基于大数据平台，运用穿戴设备、无人机、双目相机对户外运动人体健康信息采集，进行实时健康监测，从而做出合理决策。
-
公开(公告)号：CN107423412B
公开(公告)日：2018-03-27
申请号：CN201710631966.9
申请日：2017-07-28
Applicant: 中南大学
Abstract: 本发明公开了一种基于气象传感时序模式的运载机器人智能识别楼层的方法，包括：步骤1：构建楼层信息数据库；步骤2：对楼层信息数据进行聚类，得到每个楼层的天气模式集合；步骤3：获取用于构建基于天气模式的气压楼层预测模型的训练集合；步骤4：构建基于天气模式的气压楼层预测模型；步骤5：利用机器人当前所在楼层层号和天气观测值，调用对应天气模式的气压楼层预测模型；步骤6：利用机器人实时采集的气压和气压楼层预测模型，预测机器人所在楼层层号；该方法利用简易的温度、湿度、气压传感器搜集数据，建立环境数据库，并针对气压随高度变化而变化的特性，采用数据挖掘技术，实现机器人在不同环境条件下的电梯楼层自动高准确度、高稳定性识别。
-
Patent Agency Ranking
公开(公告)号：CN107414830B
公开(公告)日：2018-03-23
申请号：CN201710636699.4
申请日：2017-07-31
Applicant: 中南大学
IPC: B25J9/16
Abstract: 本发明公开了一种运载机器人手臂操控多层映射智能控制方法及系统，该方法包括：1：对运载机器人手臂进行多次抓取训练，获得运载机器人在不同固定抓取点完成抓取任务的抓取样本集；步骤2：利用抓取样本集构建并训练运载机器人手臂关节控制值预测模型；步骤3：从抓取样本集中随机选取测试集，获得在不同运载机器人基座到抓取台底部边缘的距离下的最优手臂关节控制值预测模型；步骤4：利用运载机器人基座与抓取台底端边缘之间的距离选取对应的最优手臂关节控制值预测模型，输出所有关节的控制值，完成抓取任务。本发明通过建立机器人基座、抓取台之间距离与机器人手臂姿态之间的映射，避免了繁琐的运动学方程建立。
-
公开(公告)号：CN106779151B
公开(公告)日：2018-03-20
申请号：CN201611023996.3
申请日：2016-11-14
Applicant: 中南大学
Abstract: 本发明公开了一种高速铁路沿线风速多点多层耦合预测方法，该方法包括以下步骤：1.在目标测风站位置周围安装5个辅助测风站；2.将原始风速数据进行滤波和分解后，再进行小波降噪；3.信号求和重构；4.选取与目标测风站显著性较高的m个辅助测风站；5.对所选辅助测风站各频层子序列的各PF分量分别建立预测模型；6.以选出的m个辅助测风站的各频层的PF分量为输入，以目标测风站的各频层的PF分量为输出，采用GA优化的RBF神经网络进行训练；7.利用m个辅助测风站的超前多步预测值，得到目标测风站的超前多步风速预测值。本发明能对铁路沿线风速进行高精度超前多步预测用于高速铁路强风环境下的列车有效调度指挥，并能避免单一测风站硬件故障造成的数据中断。
-
公开(公告)号：CN107414830A
公开(公告)日：2017-12-01
申请号：CN201710636699.4
申请日：2017-07-31
Applicant: 中南大学
IPC: B25J9/16
CPC classification number: B25J9/16 , B25J9/161 , B25J9/1656 , B25J9/1689
Abstract: 本发明公开了一种运载机器人手臂操控多层映射智能控制方法及系统，该方法包括：1：对运载机器人手臂进行多次抓取训练，获得运载机器人在不同固定抓取点完成抓取任务的抓取样本集；步骤2：利用抓取样本集构建并训练运载机器人手臂关节控制值预测模型；步骤3：从抓取样本集中随机选取测试集，获得在不同运载机器人基座到抓取台底部边缘的距离下的最优手臂关节控制值预测模型；步骤4：利用运载机器人基座与抓取台底端边缘之间的距离选取对应的最优手臂关节控制值预测模型，输出所有关节的控制值，完成抓取任务。本发明通过建立机器人基座、抓取台之间距离与机器人手臂姿态之间的映射，避免了繁琐的运动学方程建立；获取准确的关节控制值，控制灵活。
-
公开(公告)号：CN107368926A
公开(公告)日：2017-11-21
申请号：CN201710630329.X
申请日：2017-07-28
Applicant: 中南大学
CPC classification number: G06Q10/04 , G06F17/30598 , G06F17/30705 , G06K9/6223 , G06N3/08 , G06Q50/08
Abstract: 本发明提供了一种智能环境运载机器人识别楼层的多自然传感参数融合处理方法，利用成本较低的温度、湿度、气压传感器搜集数据，建立数据库，针对气压随高度变化的特性，采用大数据处理技术，利用CPSO优化的ELMAN神经网络模型完成预测模型的建立，实现运载机器人在各种环境下的电梯楼层自适应辨识，有效解决了不同环境下同一高度气压值变动导致楼层辨识不准的情况。此外，本发明无需对电梯内部或外部进行改造，具有极高的普适性。
-
公开(公告)号：CN107368858A
公开(公告)日：2017-11-21
申请号：CN201710630336.X
申请日：2017-07-28
Applicant: 中南大学
CPC classification number: G06K9/6289 , G01C5/06 , G06F17/30539 , G06F2216/03 , G06K9/6218 , G06K9/6256
Abstract: 本发明提供了一种智能环境运载机器人识别楼层的参数化测量多模型智能融合方法，利用成本较低的温度、湿度、气压传感器搜集数据，建立数据库，针对气压随高度变化的特性，采用大数据处理技术，利用KH算法优化的小波神经网络模型完成预测模型的建立，实现运载机器人在各种环境下的电梯楼层自适应辨识，有效解决了不同环境下同一高度气压值变动导致楼层辨识不准的情况。此外，本发明无需对电梯内部或外部进行改造，具有极高的普适性。
-
-
-
-
-
-
-
-
-
Search Results
218
records
(took 0.043 seconds)
