-
公开(公告)号：CN112581368A
公开(公告)日：2021-03-30
申请号：CN202011445782.1
申请日：2020-12-11
Applicant: 广东工业大学
Abstract: 本发明提供一种基于最优图匹配的多机器人栅格地图拼接方法，包括：对待拼接栅格地图进行关键点及特征描述子提取；对每个待匹配的关键点检索特征描述子最为相近的关键点作为粗匹配点对；构建特征相异性矩阵并计算残差矩阵；组合并归一化残差矩阵和特征相异性矩阵进而生成传输代价矩阵；引入传输代价矩阵构建最优传输目标函数，对最优传输目标函数进行负熵正则化，通过Sinkhorn‑Knopp算法求解最优匹配；通过最小二乘法求解最优匹配点之间的刚体变化参数，对栅格地图整体进行变换，得到融合地图。本发明的多机器人栅格地图拼接方法，有效提升了栅格地图的拼接速度、精度，其结果中正确匹配点对的数量多，待拼接栅格地图无需较大的重叠区域即可完成拼接。
-
公开(公告)号：CN111178134A
公开(公告)日：2020-05-19
申请号：CN201911223306.2
申请日：2019-12-03
Applicant: 广东工业大学
Abstract: 本发明提供了一种基于深度学习与网络压缩的摔倒检测方法，该方法的检测部分由姿态估计网络与循环网络两部分构成，利用人体姿态模型从图像序列中获取人体的头部与两髋中心与其连线的中点的位置信息，计算前后两幅图像的身体中心的位移，构成一个位移序列。将这组位移序列送入循环网络中进行摔倒识别；为了扩展到多角度识别，将多个位置的摄像头输出的识别概率送入SVM分类器进行投票判别。为了提高识别速度，根据卷积核输出的特征的冗余度，对占时最长的人体姿态估计网络进行裁剪；本方法是一种纯视觉化的检测方法，既克服了传感器检测的局限性，也提高了视觉检测的速度和精度。兼备灵活性与实用性。
-
公开(公告)号：CN111160616A
公开(公告)日：2020-05-15
申请号：CN201911235929.1
申请日：2019-12-05
Applicant: 广东工业大学
Abstract: 本申请提供一种基于边云协同的厨电设备预测性维护系统及方法，所述方法对厨电设备及其工作环境的周期性或持续性检测，获得大量的相关运行情况数据或者环境参数；通过对这些数据进行分析，可以反映厨电设备的运行情况，进一步预测短期一段时间内设备是否会发生故障危险，提前发出预警信息；还可以从长期角度估计设备的剩余使用寿命，从而让居民可以及时对处在危险期的设备进行报废、更换等处理。
-
公开(公告)号：CN111126170A
公开(公告)日：2020-05-08
申请号：CN201911223394.6
申请日：2019-12-03
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于目标检测与追踪的视频动态物检测方法，包括下述步骤：一、对视频帧进行目标检测；二、划分动态物、静态物子集；三、根据划分结果保留归入动态物子集的物体；四、使用目标追踪对后续帧进行动态物检测；本发明首先利用深度学习中的有监督学习训练检测模型，对视频图像帧中的物体进行检测，获得目标检测结果；在此基础上，保留人为划分为“动态物”的物体进行追踪，不仅获得了实时的动态物检测方法，而且能够检测潜在的动态物，如停在路边的车；能够不依赖图形处理单元，仅使用中央处理器即可实现准确、快速的动态物检测。
-
公开(公告)号：CN111024158A
公开(公告)日：2020-04-17
申请号：CN201911334358.7
申请日：2019-12-23
Applicant: 广东工业大学
Abstract: 本发明公开了一种结合边缘计算的厨电危险智能监测方法，包括下述步骤：在厨房的不同设备与不同位置部署不同类型的传感器，并将以上传感器构成厨电传感器网络，实时采集相关的各项数据；厨电传感器网络将采集到的数据传输到邻近部署的边缘计算节点，边缘计算节点包括数据预处理模块、异常检测模块和故障诊断模块；边缘计算节点还储存有深度学习网络模型和基于知识的故障推理所需的知识库；本发明采用的厨电传感器网络，兼容了多种传感器，可以针对多种厨电隐患实时采集各种数据，充分获取全方位的潜在危险源；采用的靠近数据源部署的边缘计算节点对厨电数据的处理，有利于降低系统延迟，提高反应速度。
-
Patent Agency Ranking
公开(公告)号：CN110717532A
公开(公告)日：2020-01-21
申请号：CN201910925919.4
申请日：2019-09-27
Applicant: 广东工业大学
Abstract: 本发明提出一种基于SE-RetinaGrasp模型的机器人目标抓取区域实时检测方法，包括以下步骤：通过接口下载训练数据集及通过视觉传感器采集机器人抓取目标物体的包含目标物体的图像构建训练数据集；对训练数据集中的图像进行预处理；采用RetinaNet模型和SENet模块构建抓取检测模型；将经过预处理的训练数据集输入抓取检测模型，并采用迁移学习法和随机梯度下降法对抓取检测模型进行训练；通过视觉传感器实时采集待检测的机器人目标抓取图像，输入所述抓取检测模型，得到带有抓取框的目标抓取区域检测图像。本发明能够提高抓取区域预测效果及检测准确率，有效加强模型对细节信息的捕抓能力。
-
公开(公告)号：CN110147095A
公开(公告)日：2019-08-20
申请号：CN201910200079.5
申请日：2019-03-15
Applicant: 广东工业大学
IPC: G05D1/02
Abstract: 本发明针对同步即时建图与定位中出现的定位误差问题，提出一种基于路标信息与多传感器数据融合的机器人重定位方法，以达到克服现有机器人在复杂环境中定位技术的缺点与不足的目的。本发明旨在将视觉识别的路标信息融进激光感知的数据中，利用打上了语义标签的路标对应其在地图上的准确位置信息，反推算出机器人在地图上的真实位置，从而修正机器人的定位误差，提高机器人在自主导航过程中定位精度和重定位能力，增强机器人的自我修正位姿的水平。
-
公开(公告)号：CN110134120A
公开(公告)日：2019-08-16
申请号：CN201910290532.6
申请日：2019-04-11
Applicant: 广东工业大学
IPC: G05D1/02
Abstract: 本发明涉及无人车路径规划技术领域，具体涉及一种非结构路面下基于多线激光雷达的路径规划方法，包括以下步骤：S1对无人车采集激光雷达点云数据，并预处理；S2对预处理后的三维数据构建局部栅格地图；S3对无人车进行路径规划；本发明对激光点云进行预处理，可以更好的的进行后续处理。由于单帧激光雷达的数据量比较大，在使用激光雷达数据用于无人车自主路径规划之前，对其进行栅格化表可以使得处理的数据量变小，提高算法运行的效率和实时性，保证算法运行的实时性。路径规划基于局部栅格地图，可以在全局环境未知的情况下进行路径规划。
-
公开(公告)号：CN106529394B
公开(公告)日：2019-07-19
申请号：CN201610832845.6
申请日：2016-09-19
Applicant: 广东工业大学
Abstract: 本发明公开了一种室内场景物体同时识别与建模方法，包括步骤：输入RGB‑D图像；物体分割；提取SIFT特征和FPFH特征；SIFT特征和FPFH特征融合；物体识别；物体建模。其中物体建模是计算物体部分之间的位姿关系并且设定一个阈值，如果位姿变化小于阈值，则将两个物体部分进行融合，并且在视图图中作为一个节点，否则，两个物体部分都保留到视图图中，即为两个节点。与现有技术相比，本发明可以实现物体在线识别和建模，并且提出了改进的视图图方法，减少数据冗余，降低了数据存储负担，提高了识别效率。
-
公开(公告)号：CN109345044A
公开(公告)日：2019-02-15
申请号：CN201811429164.0
申请日：2018-11-27
Applicant: 广东工业大学
Abstract: 本发明涉及人工智能领域，更具体的，涉及一种基于可变长基因遗传算法的泵站优化调度方法，本发明能够动态调整泵机的数量，在泵机可随时停机检修、更换和拆装的条件下，以及满足泵站流量约束和减少泵机启停次数的条件下，保持算法有效性，并求得最佳泵机启停组合，达到功耗最小，并且适应度函数不仅仅考虑到了泵机的能耗问题，还将流量惩罚因素及泵机启停惩罚因素考虑进去，并利用sigmoid归一化函数将这三个因素进行归一化处理，防止了因数值相差较大而导致某一因素影响及微小的情况。
-
-
-
-
-
-
-
-
-
Search Results
124
records
(took 0.028 seconds)
