-
公开(公告)号：CN104758100A
公开(公告)日：2015-07-08
申请号：CN201510206931.1
申请日：2015-04-28
Applicant: 电子科技大学
IPC: A61F4/00
Abstract: 本发明公开了一种外骨骼使用的控制拐杖，它包括上端手肘固定部分（1）、握把部分（2）、下端支撑杆（3）和连接部分（4），连接部分（4）上方设有一个固定部分安装孔（5），上端手肘固定部分（1）安装在固定部分安装孔（5）内，连接部分（4）下方设有一个支撑杆安装孔（6），下端支撑杆（3）安装在支撑杆安装孔（6）内，连接部分（4）中部设有一个握把安装孔（7），握把部分（2）安装在握把安装孔（7）内。本发明的有益效果是：该控制拐杖用于控制外骨骼，其结构简单、使用方便、控制可靠，能够为患者的使用提供方便。
-
公开(公告)号：CN104751466A
公开(公告)日：2015-07-01
申请号：CN201510151319.9
申请日：2015-04-01
Applicant: 电子科技大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于视觉显著性的形变物体跟踪算法及其系统，方法包括以下步骤：S1：人工标定目标区域；S2：通过基于视觉显著性的图像分割算法，获取包含前景目标的局部显著性图谱；S3：对前景区域进行分割；S4：建立目标前景模型；S5：通过基于颜色特征的颜色直方图跟踪器对前景模型初始化；S6：基于点特征的光流跟踪器获取候选目标并对其进行判定；S7：获取目标最终位置；S8：目标学习与更新。本发明该进行显著性处理的同时，还考虑了算法的计算效率，并通过局部大小窗的方法自动分割前景信息，通过前景信息矩阵建立一个软化模型，并生成对应模型的颜色直方图，进行直方图匹配，增加跟踪器的判断能力，同时通过学习器不断的学习目标的新模型。
-
公开(公告)号：CN104434124A
公开(公告)日：2015-03-25
申请号：CN201410735564.X
申请日：2014-12-04
Applicant: 电子科技大学
CPC classification number: A61B5/1116 , A61B5/112
Abstract: 本发明涉及人体外骨骼机器人，具体涉及一种人体下肢步态数据采集系统，包括可穿戴传感器安装结构（1）、数据采集电路（2）、PC终端、姿态传感器（3）、编码器（4）、脚底压力传感器和角速度传感器；所述可穿戴传感器安装结构（1）从上往下由依次连接的背部支架（5）、髋关节连接件（6）、大腿连杆（7）、腿部绑缚机构（8）、膝关节连接件（9）、小腿连杆（10）、踝关节连接件（11）和鞋板（12）构成，其中所述大腿连杆（7）和小腿连杆（10）内侧均安装有用于绑缚使用者腿部的绑缚装置等特征。本发明成本低精度高，穿戴方便，能够使被测者很方便的进行穿戴测试和操作，并且不受环境影响。
-
公开(公告)号：CN103824297A
公开(公告)日：2014-05-28
申请号：CN201410081798.7
申请日：2014-03-07
Applicant: 电子科技大学
IPC: G06T7/00
Abstract: 本发明涉及图像处理领域，具体涉及一种基于多线程在复杂高动态环境中快速更新背景和前景的方法，包括以下步骤：对像素点及其邻近像素点进行Haar-like特征提取；根据场景的复杂程度，将前10～35帧图像的特征向量直接并入背景模型矩阵的末尾；获取图像中的某一像素点，计算该像素点到其背景模型的距离，以此来判别该像素点当前是否为前景点；如果通过步骤三得出当前像素点为背景点，则更新背景模型矩阵中与当前P2M距离最小的特征值；如果通过步骤三得出当前像素点为背景点，从当前像素点邻近的像素点中随机选取一个点，更新其背景模型中与当前像素特征距离最大的特征。本发明能实时、准确地更新背景，适应各种复杂环境，有效提高前景检测的准确性和适应性。
-
公开(公告)号：CN103294996A
公开(公告)日：2013-09-11
申请号：CN201310168123.1
申请日：2013-05-09
Applicant: 电子科技大学
Abstract: 本发明涉及计算机视觉和人机交互领域，具体涉及一种3D手势识别方法，包括以下步骤：从图像输入设备获取RGB图像和深度图像作为训练样本；通过自适应的动态深度阈值进行人手的检测和分割；通过图像形态学操作去掉手臂，获取手掌中心位置；通过边缘提取得到手势轮廓，并利用时间序列曲线描述手势轮廓；通过图像形态学操作获得手势中指尖位置及手指连接点的位置，在时间序列曲线的对应位置上进行曲线的分割，并对手指的时间序列曲线进行特定的组合得到手指描述器等步骤。本发明实现与计算机的自然交互，有效扩展了传统的人机交互方式，在识别率上也有很大的提高，能达到99%的识别率。
-
Patent Agency Ranking
公开(公告)号：CN103226696A
公开(公告)日：2013-07-31
申请号：CN201310117722.0
申请日：2013-04-07
Applicant: 布法罗机器人科技(苏州)有限公司 , 电子科技大学
Abstract: 本发明提供一种车牌的识别方法，通过对滤波后的含有车牌的图像设定其频谱阈值，选择频谱超过该阈值且颜色与车牌颜色相同的矩形区域；判断该矩形区域的形状是否符合车牌的形状，若是，则提取并判断所述矩形区域中各字符的特征是否一致；若一致，则对所述矩形区域进行灰度化、二值化、去边框及去镏钉，并将该矩形区域中的各字符进行分割，判断分割后的字符数是否满足车牌的字符数，若是，则判断分割后的各字符形状是否相同、各字符间是否线性排列，若是，则对所述各字符的尺寸进行归一化，将提取出的字符统计特征分类，输出车牌识别结果；本发明能够快速识别出任意分辨率的车牌，其识别率高，对环境的适应性强；本发明还提供一种车牌的识别系统。
-
公开(公告)号：CN102973337A
公开(公告)日：2013-03-20
申请号：CN201210357822.6
申请日：2012-09-25
Applicant: 电子科技大学 , 布法罗机器人科技(苏州)有限公司
IPC: A61F2/64
Abstract: 本发明公开了一种具有承重自锁功能的主动式膝关节结构，主要包括，与大腿和小腿固定的连杆绷带、膝关节连接机构及限位机构、小腿连接结构、电机及谐波减速器、自锁弹片、油压缓冲器、自恢复扭簧，该结构既能够通过锁死机构保证站立阶段穿戴者的平衡性，又能够在摆动阶段对穿戴者产生助力的作用，既提高了能源的使用效率，又增强了患者穿戴者对不同地形的适应性。
-
公开(公告)号：CN119850865B
公开(公告)日：2025-05-16
申请号：CN202510329391.X
申请日：2025-03-20
Applicant: 电子科技大学
Abstract: 本发明属于室外未知环境实时网格建图技术领域，具体为一种基于激光雷达点云数据的增量式多边形网格重建方法，该方法通过获取点云数据并预处理、利用点云数据进行体素构建与网格增量式融合、对新的点云到网格的匹配、融合配准点云的增量式网格划分、以及多边形网格简化建图步骤，最终得到能够用于后续建图过程的多边形网格地图；本发明通过增量式网格生成提升了复杂动态环境中进行网格构建的效率，并结合点到网格匹配、网格简化与存储优化等方法，解决了机器人系统建图的实时性能、精度与计算资源之间的平衡问题。
-
公开(公告)号：CN119910623A
公开(公告)日：2025-05-02
申请号：CN202510247558.8
申请日：2025-03-04
Applicant: 电子科技大学
Abstract: 本发明公开了一种主动式双自由度髋关节行走辅助外骨骼装置，属于人体助力技术领域，本发明能够根据不同身高、体型的人群改变调节机构的尺寸；髋关节具有两个自由度，能够实现外骨骼髋关节与人体髋关节的多旋转中心对齐，且髋关节的链式串联机构能根据人体髋关节的运动调整拉簧长度，实现较好的贴合性能；大腿机构通过设置的连接块，可以根据大腿尺寸实现自适应，从而更好的实现与大腿的贴合。总之，本发明的主动式双自由度髋关节行走辅助外骨骼装置，结构简单可调，穿戴舒适方便，具有多旋转中心的特点，可以实现与髋关节旋转中心对齐，大腿部分由连接块的方式组成可以与大腿贴合，在保证了助力效果的同时具有较高贴合性，应用前景广泛。
-
公开(公告)号：CN118427665A
公开(公告)日：2024-08-02
申请号：CN202410601298.5
申请日：2024-05-15
Applicant: 电子科技大学
IPC: G06F18/24 , G06F18/213 , G06F18/10 , G06F18/25 , G06F17/16 , G06N3/042 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于脑电的多图融合增强卷积网络运动意图识别方法，构建包括动态通道选择模块，融合增强图卷积模块，时频特征提取模块和意图识别模块的运动意图识别模型，动态通道选择模块选择和屏蔽损坏的脑电信号通道，融合增强图卷积模块融合各信道相关系数矩阵和信道空间距离矩阵构建邻接矩阵，时频特征提取模块提取时频特征输入意图识别模块进行运动意图识别，收集训练样本对运动意图识别模型进行训练，采用训练好的运动意图识别模型对待识别用户的脑电信号进行运动意图识别。本发明通过选择和屏蔽损坏的脑电信号通道，采用多图融合提取不同主体的个性化和共享的空间拓扑特征，提高运动意图识别的准确率。
-
-
-
-
-
-
-
-
-
Search Results
358
records
(took 0.026 seconds)
