-
公开(公告)号：CN109740741B
公开(公告)日：2023-07-25
申请号：CN201910017601.6
申请日：2019-01-09
Applicant: 上海理工大学
Abstract: 本发明公开了一种结合知识转移的强化学习方法，步骤如下：S1、设计BP神经网络自主任务间映射关系；S2、对源任务学习经验进行案例存储，并构建线性感知器来学习源域和目标域之间的动作映射关系；S3、运用基于案例推理机理；S4、进行相似度计算与案例检索,并运用所学到的案例库中的经验作为启发式来加速相关但不同任务的学习；及其应用于无人车自主技能的学习方法；本发明结合强化学习与迁移学习的优势，可实现机器人从简单领域或源域获得的经验通过迁移加速应用到复杂领域或目标域中；学习速度快，可避免维数灾难；显著的提高了无人车自主技能学习的速度和效率。
-
公开(公告)号：CN110472662A
公开(公告)日：2019-11-19
申请号：CN201910618024.6
申请日：2019-07-10
Applicant: 上海理工大学
Abstract: 本发明公开了一种基于改进的ORB算法的图像匹配算法，本方法通过AGAST算法对目标图像和对比图像产生一组搜索树，执行后向归纳算法得到平面区域决策树和复杂区域决策树；通过比对决策树内像素点特征得到特征点；确定特征点主方向并使主方向旋转到0度；采用BRIEF算法对特征点构建特征向量；采用多探针局部敏感哈希算法将特征向量映射到不同的哈希桶中，并按探测序列比对不同哈希桶中的特征向量，得到初始匹配对；调用RANSAC算法函数对初始匹配对进行误匹配剔除，得到精准的图像匹配结果。本算法通过对特征点提取和匹配，得到粗略匹配集合，并剔除误匹配，保留正确匹配集合，提高图像匹配的准确率以及算法的运算速度。
-
公开(公告)号：CN110443295A
公开(公告)日：2019-11-12
申请号：CN201910694130.2
申请日：2019-07-30
Applicant: 上海理工大学
IPC: G06K9/62
Abstract: 本发明公开了一种改进的图像匹配与误匹配剔除算法，本算法采用FAST算法通过灰度值的差异从图像中提取特征点；利用图像块的二阶矩通过图像块的质心位置及几何中心给定特征点方向；对围绕特征点的像素点进行灰度值比较，采用BRIEF算法创建特征点的描述符；对描述符采用多探针局部敏感散列LSH算法匹配特征点的特征向量，得到特征向量的初始匹配对；依次使用GMS算法、余弦相似度算法和RANSAC算法剔除初始匹配对中的误匹配，得到精准的图像匹配结果。本算法通过改进的ORB算法特征点提取与匹配，结合GMS算法得到效果更好的粗略匹配集合，然后与RANSAC算法结合，达到剔除误匹配，保留正确匹配集合的目的，提高图像匹配的准确率以及算法的运算速度。
-
公开(公告)号：CN106352869B
公开(公告)日：2019-07-19
申请号：CN201610662910.5
申请日：2016-08-12
Applicant: 上海理工大学
Abstract: 本发明是基于超宽带(UWB)技术，并且融合了电机编码器的信息设计出的提高了定位精度的室内移动机器人定位系统，实现了室内移动机器人的精准定位。本发明提供的定位计算方法，是用于室内移动机器人的定位计算方法，包括：一、确定坐标原点，开启基站和室内移动机器人，以开启时室内移动机器人所测得的位姿2为初始位姿；二、通过电机编码器得到t时刻的移动机器人的即时位姿1；三、标签接收基站发射的高频电磁脉冲，通过计算方法确定出移动机器人自身的位置；四、用电子罗盘所测得的航向角扩维步骤三得到的移动机器人位置，得到t时刻的即时位姿2；以及五、用计算法融合即时位姿1和即时位姿2，得到t的位姿估计，保存并回到步骤二的五个步骤。
-
公开(公告)号：CN109086795A
公开(公告)日：2018-12-25
申请号：CN201810679354.1
申请日：2018-06-27
Applicant: 上海理工大学
IPC: G06K9/62
Abstract: 本发明涉及一种图像误匹配精确剔除方法，网格匹配统计约束能够快速的区分出设定大小的网格区域内的正确匹配对和错误匹配对，从而剔除错误匹配对保留正确的匹配对获得一个粗略匹配集；结合自提出的投影误差函数的改进对极约束模型能够再进一步剔除粗略匹配集中不符合改进对极约束模型的匹配对，从而获得优质的匹配集。该方法融合了网格匹配统计约束能够快速的区分出网格区域内的正确匹配对和错误匹配对，并进行剔除和改进的对极约束模型能够快速剔除不满足对极约束的匹配对的优点，从而能够获得优质的匹配对，用时更少，匹配准确度更高。该方法能够适应不同大小复杂的场景，方法应用于视觉同步定位与建图，三维重构以及视觉跟踪等领域都会有不错的效果。
-
Patent Agency Ranking
公开(公告)号：CN106352869A
公开(公告)日：2017-01-25
申请号：CN201610662910.5
申请日：2016-08-12
Applicant: 上海理工大学
CPC classification number: G01C21/00 , G01C21/206
Abstract: 本发明是基于超宽带(UWB)技术，并且融合了电机编码器的信息设计出的提高了定位精度的室内移动机器人定位系统，实现了室内移动机器人的精准定位。本发明提供的定位计算方法，是用于室内移动机器人的定位计算方法，包括：一、确定坐标原点，开启基站和室内移动机器人，以开启时室内移动机器人所测得的位姿2为初始位姿；二、通过电机编码器得到t时刻的移动机器人的即时位姿1；三、标签接收基站发射的高频电磁脉冲，通过计算方法确定出移动机器人自身的位置；四、用电子罗盘所测得的航向角扩维步骤三得到的移动机器人位置，得到t时刻的即时位姿2；以及五、用计算法融合即时位姿1和即时位姿2，得到t的位姿估计，保存并回到步骤二的五个步骤。
-
公开(公告)号：CN118658566A
公开(公告)日：2024-09-17
申请号：CN202410811374.5
申请日：2024-06-21
Applicant: 上海理工大学
IPC: G16C60/00 , G06F30/27 , G06N3/0442 , G06F119/02
Abstract: 本发明涉及聚酯纤维的生产技术领域，具体是一种基于深度学习的聚酯纤维聚合过程特性粘度计算方法，包括建立LSTM神经网络模型，训练、投入使用和校正的步骤。该模型在初始LSTM中引入增强门将历史时刻的聚酯纤维聚合过程工艺参数经过预处理整理成样本并作为模型的输入值，将历史时刻的特性粘度真实值经过预处理整理成样本并作为模型的标签，将每组输入值模型得到预测值，与标签进行比较，从而提高模型的预测精度。本发明的模型增加了新的门控，得到了模型预测精度的提高，对于本领域的离线系统模型，预测精度显然更重要，因此本发明在一定从程度上能更好地指导生产，极具应用前景。
-
公开(公告)号：CN109740741A
公开(公告)日：2019-05-10
申请号：CN201910017601.6
申请日：2019-01-09
Applicant: 上海理工大学
Abstract: 本发明公开了一种结合知识转移的强化学习方法，步骤如下：S1、设计BP神经网络自主任务间映射关系；S2、对源任务学习经验进行案例存储，并构建线性感知器来学习源域和目标域之间的动作映射关系；S3、运用基于案例推理机理；S4、进行相似度计算与案例检索,并运用所学到的案例库中的经验作为启发式来加速相关但不同任务的学习；及其应用于无人车自主技能的学习方法；本发明结合强化学习与迁移学习的优势，可实现机器人从简单领域或源域获得的经验通过迁移加速应用到复杂领域或目标域中；学习速度快，可避免维数灾难；显著的提高了无人车自主技能学习的速度和效率。
-
公开(公告)号：CN107367938A
公开(公告)日：2017-11-21
申请号：CN201710680623.1
申请日：2017-08-10
Applicant: 上海理工大学
Abstract: 本发明提供一种用于机械臂时间最优轨迹规划方法，具有这样的特征，包括以下步骤：步骤1，将机械臂的任务空间离散化成多个轨迹差值点，得到位姿矩阵序列Ti和相应的时间节点序列ti，对位姿矩阵序列Ti进行逆运算得到对应的关节位置qi，该关节位置qi和时间节点序列ti的关系如式子S＝(qi，ti)所示；步骤2，设定运动学速度约束条件；步骤3，根据运动学速度约束条件，通过三次多项式曲线插值依次连接每个S对应的点，得到机械臂的关节轨迹曲线；步骤4，根据机械臂的关节轨迹曲线建立目标函数；步骤5，根据目标函数，采用多种群遗传算法对机械臂的运动总时间进行优化，得到机械臂的关节运动速度曲线、关节运动加速度曲线和关节运动脉动曲线。
-
公开(公告)号：CN109548141B
公开(公告)日：2020-11-10
申请号：CN201811296954.6
申请日：2018-11-01
Applicant: 上海理工大学
IPC: H04W64/00
Abstract: 本发明公开了一种基于卡尔曼滤波算法的室内环境基站坐标位置标定方法，本方法由无线传感器构建室内定位系统，采用几何关系求解标签与基站之间的水平距离；所有基站与标签设置同步时钟，基站向四周发送包含发送时刻时间戳的无线信号，标签接收该无线信号，通过时间差计算标签与基站之间的距离；设定在空间中布置基站个数及坐标，并在空间内标定四个连成矩形的坐标点，移动目标沿坐标点运动，并在每个采样周期获取移动目标与所有基站之间的测量距离信息；使用移动目标在初始点测量与每一个基站的距离，初步估计每个基站的位置；经二步扩展卡尔曼滤波算法得到优化后基站的坐标位置信息。本方法可准确完成室内复杂环境下基站位置标定，提高定位精度。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.021 seconds)
