-
公开(公告)号：CN102222157A
公开(公告)日：2011-10-19
申请号：CN201110109148.5
申请日：2011-04-28
Applicant: 华南理工大学
IPC: G06F19/00
Abstract: 本发明公开了一种基于人工势场法的动态预警域生成方法，包括步骤：(1)空间的离散化；(2)空间单元的分类，把离散化的空间单元分成两类，一类是空间单元与物体发生相交的，另外一类数空间单元与物体没有发生相交；(3)根据集合生成预警域。本发明可生成能够精确地计算出预警域内是否有侵入的目标，并以没有侵入目标的层为安全层，以最外安全层的距离为保守估计距离，而估计距离的精度随着预警域的精细程度而变化的预警域，具有对任意复杂，任意形状的虚拟物体都有效，能够实时获取机器人与环境物体的相对位置等优点。
-
公开(公告)号：CN101907448A
公开(公告)日：2010-12-08
申请号：CN201010237096.5
申请日：2010-07-23
Applicant: 华南理工大学
Abstract: 本发明提供了一种基于双目三维视觉的深度测量方法，包括步骤：(1)由两个摄像机分别获取物体的左图像和右图像；获取若干个物体的特征点；(2)建立BP神经网络模型；(3)提取物体底部平面特征点的左图像坐标和右图像坐标，并通过BP神经网络模型训练得到三维世界坐标，建立物体底部表面的三维平面函数；(4)提取物体顶部平面一个特征点的左图像坐标和右图像坐标，并通过BP神经网络模型训练得到三维世界坐标；(5)根据物体底部表面的三维平面函数与物体顶部平面一个特征点，求取物体的深度值。本发明可对物体进行非接触深度测量，具有测量精度高、成本低等优点。
-
公开(公告)号：CN114611897B
公开(公告)日：2024-09-27
申请号：CN202210193407.5
申请日：2022-02-28
Applicant: 华南理工大学
IPC: G06Q10/0631 , G06Q50/04 , G06N3/092
Abstract: 本发明提供了一种智能产线自适应动态调度策略选择方法，所述方法包括三个步骤：(1)提出了一种选择调度框架模型，包括车间生产环境模块、算法模块和调度规则模块三部分。(2)根据步骤(1)提出的框架，使用基于深度强化学习的算法实现了策略选择。(3)根据步骤(2)中的策略选择，建立了一个针对复杂动态环境变化的自适应模型，设计了自适应规则调度选择器，完成了复杂动态环境下的不停机调度，包括调度规则选择调度器和作业机器对选择调度器。本发明能够实现智能制造背景下的自适应车间调度策略方法研究，提高智能制造环境中处理动态事件的能力，进而提升生产调度效率。
-
公开(公告)号：CN116721154A
公开(公告)日：2023-09-08
申请号：CN202310622944.1
申请日：2023-05-29
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于主动深度强化学习多机协作SLAM方法。所述方法包括以下步骤：对机器人运行ORB‑SLAM2程序，通过相机获取图像进行位姿估计，得到多机的初始运动轨迹位姿图；基于所得的机器人运动轨迹位姿图，使用深度强化学习TD3算法训练进行轨迹的优化得到更准确的位姿；在强化学习算法基础上，引入主动感知策略同时优化多机的位姿，根据实时的SLAM估计概率值P，选择相应的机器人进行TD3算法优化位姿信息；机器人间互相传输各自的位姿信息和实际距离信息，使用TD3算法进行SLAM轨迹的后端优化，达到消除累积误差效果。本发明可以有效消除SLAM系统中的误差累积情况，提高SLAM的定位和建图精度，并且没有回环的限制，增加了SLAM系统的鲁棒性。
-
公开(公告)号：CN115951701A
公开(公告)日：2023-04-11
申请号：CN202211591501.2
申请日：2022-12-12
Applicant: 华南理工大学
IPC: G05D1/10
Abstract: 本发明公开了一种多无人机局部动态避障方法、装置和存储介质，其中方法包括：基于马尔科夫决策过程对分布式的多无人机动态避障问题进行形式化建模；通过搭载在各架无人机上的激光雷达获取点云数据，对点云数据进行处理，获得障碍物信息；构建深度神经网络，以完成观测输入到动作输出的映射以及网络更新的方法；其中观测输入为获得的障碍物信息；基于ORCA算法对深度神经网络进行训练，将训练后的模型用于多无人机局部动态避障。本发明采用基于几何学方法与深度强化学习方法相结合的动态避障算法作为多无人机系统的避障方法，有效解决多无人机局部路径规划与避障问题。本发明可广泛应用于多无人机局部动态避障与路径规划领域。
-
Patent Agency Ranking
公开(公告)号：CN113344295B
公开(公告)日：2023-02-14
申请号：CN202110728957.8
申请日：2021-06-29
Applicant: 华南理工大学
IPC: G06Q10/04 , G06F30/27 , G06F18/00 , G06N3/0464 , G06N3/084 , G06F119/02
Abstract: 本发明公开了一种基于工业大数据的设备剩余寿命预测方法、系统及介质，其中方法包括以下步骤：采集设备实时运行数据，对实时运行数据进行特征提取和特征选择，获得数据特征；根据数据特征进行数据漂移检测，确定设备所处的健康阶段；根据健康阶段获取相应的剩余寿命预测模型，根据数据特征构建健康因子，将健康因子输入获得的剩余寿命预测模型，输出设备剩余寿命预测结果。本发明根据工业实际生产中实时产生的运行数据，获取设备的健康因子，利用健康因子预测出当前时刻设备的剩余使用寿命，能够更大地利用设备的完整生命周期，减少使用寿命浪费和突然停机带来的时间浪费，使得设备健康管理自动化进行，可广泛应用于设备剩余寿命预测领域。
-
公开(公告)号：CN114637306A
公开(公告)日：2022-06-17
申请号：CN202210143386.6
申请日：2022-02-16
Applicant: 华南理工大学
Abstract: 本申请公开了一种无人机视觉导航策略方法、装置和介质，方法包括：生成导航图像数据集和控制数据集，采集所述导航图像数据集和所述控制数据集；根据所述导航图像数据集和所述控制数据集计算多模态目标函数模型；将所述导航图像数据集通过变分编码器映射到低维潜在空间，根据解码器的输出更新所述多模态目标函数模型；将所述低维潜在空间映射到所述控制数据集，并根据所述多模态目标函数模型得到无人机控制命令；根据所述无人机控制命令控制无人机。本申请能够显著提高控制策略的性能，减少虚实环境差异对自主导航的影响，提高了策略迁移的鲁棒性和泛化性。
-
公开(公告)号：CN113674310A
公开(公告)日：2021-11-19
申请号：CN202110513594.6
申请日：2021-05-11
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于主动视觉感知的四旋翼无人机目标跟踪方法。所述方法包括以下步骤：选择跟踪目标；根据基于深度关联度量的多轨道孪生网络目标跟踪算法，对目标进行图像位置跟踪；估计和预测目标的运动状态；计算未来N步时间的最优控制序列，控制四旋翼无人机保距跟踪目标以及相机对准目标。本发明使用目标检测算法识别常见感兴趣物体类别，对于移动物体初始跟踪框的选取可以起到明显的辅助作用。本发明在保证算法实时性的基础上增加了目标识别的成功率和容错性，同时能够反映目标的丢失情况并且在目标丢失后进行全局目标重定位搜索，实现对目标的长时视觉目标跟踪，为目标的状态估计提供基本的保障。
-
公开(公告)号：CN109871028B
公开(公告)日：2021-08-10
申请号：CN201910087097.7
申请日：2019-01-29
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于数据服务的无人机控制系统，通过软件总线和数据服务的系统设计，充分利用了无人机基础资源，满足了用户功能组件的数据需求；采用分层Server/Client的架构，协调了无人机基础资源和用户功能组件间的数据服务关系；数据服务组件通过集中管理无人机基础资源，构建三级数据缓存池，采用主动固定周期和按需更新的策略对数据进行更新，依据数据关系拓扑，以多种服务策略提供数据服务；既提高无人机基础资源的使用率和实时性，又简化了组件服务的调用方式。
-
公开(公告)号：CN110941183A
公开(公告)日：2020-03-31
申请号：CN201911208932.4
申请日：2019-11-30
Applicant: 华南理工大学
IPC: G05B13/04
Abstract: 本发明提出了一种基于神经网络的工业机器人动力学辨识方法，包括以下步骤：S1、选用循环神经网络作为工业机器人动力学的近似模型；S2、辨识实验轨迹；S3、数据采集和预处理；S4、模型参数辨识；S5、模型验证。本发明选用循环神经网络作为工业机器人动力学的近似模型，利用上述采集得到的机器人运动数据，使用二阶学习算法列文伯格-马夸尔特算法训练动力学模型的参数，最终得到一个能够准确反映工业机器人关节运动变量和关节电机转矩两种数据之间的关系的动力学模型。本发明有助于提高机器人的控制性能。
-
-
-
-
-
-
-
-
-
Search Results
135
records
(took 0.042 seconds)
