-
公开(公告)号：CN116679693A
公开(公告)日：2023-09-01
申请号：CN202310441613.8
申请日：2023-04-23
Applicant: 东南大学
IPC: G05D1/02
Abstract: 融合螺旋桨水动力的无人艇自抗扰控制方法,首先建立水面无人艇的动力学模型,然后分析无人艇的受力模型，估计出受到风浪、水流干扰的作用力和力矩，实时反馈无人艇的运动状态变化，并利用扩张状态观测器对未建模部分与不确定部分进行实时观测。基于自抗扰控制方法设计控制律，并在螺旋桨控制律中加入风浪和水流扰动以及重心的变化情况，在遇到外界环境干扰和不确定性干扰可以及时的补偿从而实现稳定的航行，相比于现有姿态控制方案能够提高水面无人艇的航行控制性能，更适用于实际航行过程。
-
公开(公告)号：CN115607146A
公开(公告)日：2023-01-17
申请号：CN202211620807.6
申请日：2022-12-16
Applicant: 东南大学
Abstract: 一种用于腿部姿态估计的可穿戴单节点设备及测量方法，设备由一个微惯性传感器以及多块水凝胶集成，置于膝盖处，能够测量人体运动时的大腿、小腿姿态以及膝关节的角度。首先利用大腿姿态、水凝胶测量数据估计人体运动状态，而后根据运动约束条件，预测小腿姿态；微惯性测量膝关节角度采用互补滤波融合，再与水凝胶的角度测量值利用Kalman滤波器进行融合，获得准确关节角度。本发明仅采用一个微惯性传感器，有效避免了多传感器的对齐问题，同时水凝胶的辅助测量有助于减少惯性解算的累计误差，提高测量结果的准确性和稳定性。
-
公开(公告)号：CN113686339B
公开(公告)日：2023-11-28
申请号：CN202110935613.4
申请日：2021-08-16
Applicant: 东南大学
Abstract: 本发明公开了一种基于移动终端众包数据的室内导航路网提取方法，属于室内定位导航领域。该算法首先通过对室内行人众包数据进行提取，解算得到行人轨迹；接着采用ST‑DBSCAN算法去除冗余轨迹点，结合运动数据信息判定轨迹点所在区域，增添语义信息；最后基于Douglas‑Peucker抽稀算法对解算出来的行人室内轨迹进行轨迹压缩，构建原始室内语义路网；该室内导航网络在后续获得新的轨迹时，会自动进行更新和优化，同时可以对后续轨迹进行约束和匹配，提高定位精度。该方法在面对未知环境时，能够快速、高效、低成本地获取室内导航路网，同时当环境动态变换后，可支持对路网进行动态修改。
-
公开(公告)号：CN115607146B
公开(公告)日：2023-03-14
申请号：CN202211620807.6
申请日：2022-12-16
Applicant: 东南大学
Abstract: 一种用于腿部姿态估计的可穿戴单节点设备及测量方法，设备由一个微惯性传感器以及多块水凝胶集成，置于膝盖处，能够测量人体运动时的大腿、小腿姿态以及膝关节的角度。首先利用大腿姿态、水凝胶测量数据估计人体运动状态，而后根据运动约束条件，预测小腿姿态；微惯性测量膝关节角度采用互补滤波融合，再与水凝胶的角度测量值利用Kalman滤波器进行融合，获得准确关节角度。本发明仅采用一个微惯性传感器，有效避免了多传感器的对齐问题，同时水凝胶的辅助测量有助于减少惯性解算的累计误差，提高测量结果的准确性和稳定性。
-
公开(公告)号：CN113663312B
公开(公告)日：2022-05-13
申请号：CN202110935608.3
申请日：2021-08-16
Applicant: 东南大学
IPC: G06F17/15 , A63B71/06 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种基于微惯性的无器械健身动作质量评估方法，可以对人的无器械健身运动进行识别与质量评估。该方法采用状态‑动作两步分类方法，首先利用3个6轴微惯性传感器识别人体运动状态，然后调用Elman‑Kalman轨迹估计模型，预测每个传感器节点的运动轨迹，再将轨迹信号与采集信号用于第二步健身动作分类。完成分类后，将生成的运动序列与标准运动序列库中的序列进行对比分析，评估动作的全身和局部的标准度与稳定度，并给出动作质量评估结果，用以帮助人们高效、安全地开展徒手健身活动。本发明在人的徒手运动健身过程中，对用户的健身动作类型能进行有效识别，准确率高，并能对用户身体各部分的运动姿态做出合理评估。
-
Patent Agency Ranking
公开(公告)号：CN113663312A
公开(公告)日：2021-11-19
申请号：CN202110935608.3
申请日：2021-08-16
Applicant: 东南大学
Abstract: 本发明公开了一种基于微惯性的无器械健身动作质量评估方法，可以对人的无器械健身运动进行识别与质量评估。该方法采用状态‑动作两步分类方法，首先利用3个6轴微惯性传感器识别人体运动状态，然后调用Elman‑Kalman轨迹估计模型，预测每个传感器节点的运动轨迹，再将轨迹信号与采集信号用于第二步健身动作分类。完成分类后，将生成的运动序列与标准运动序列库中的序列进行对比分析，评估动作的全身和局部的标准度与稳定度，并给出动作质量评估结果，用以帮助人们高效、安全地开展徒手健身活动。本发明在人的徒手运动健身过程中，对用户的健身动作类型能进行有效识别，准确率高，并能对用户身体各部分的运动姿态做出合理评估。
-
公开(公告)号：CN115910370A
公开(公告)日：2023-04-04
申请号：CN202210232816.1
申请日：2022-03-09
Applicant: 东南大学
IPC: G16H50/80 , G06F16/9537 , H04L67/12 , H04M1/7243 , G08B21/18 , G08B21/24 , G16Y10/60 , G16Y20/10 , G16Y20/40 , G16Y40/10 , G16Y40/20 , G16Y40/50
Abstract: 本发明提出了一种集中检疫人群实时跟踪及接触风险防控应急系统，所述系统利用CO2传感器检测检疫点的环境变化，利用了基于IMU和地图信息的检疫人员的轨迹方法实时获取检疫人员的位置信息，结合检疫结果，检疫人员在检疫点的轨迹信息，分析检疫人员在检疫点的接触点风险。本公开的技术方案可以评估检疫点的环境信息，实时分析检疫点内检疫人员的位置信息，推断检疫人员检疫过程中的接触度风险，有利于检疫完成后的跟踪调查，有利于大规模集中检疫点高效、安全地开展。
-
公开(公告)号：CN115619605A
公开(公告)日：2023-01-17
申请号：CN202210988129.2
申请日：2022-08-17
Applicant: 东南大学
IPC: G06Q50/26 , G06F18/23213 , G06F18/15 , G06N7/02 , G01D21/02
Abstract: 本发明公开了一种基于语义信息的传统民居环境质量评估方法，首先通过移动终端搭载采集器对传统民居建筑进行环境数据采集，将数据传输至云端服务器对原始数据进行预处理；然后结合多源信息计算各采样点的语义信息，接着基于语义信息进行K‑medoids聚类得到整个传统民居环境下的污染源分布以及污染传播趋势情况，进行区域划分并进行可视化输出；最后根据划分的各个区域自适应的调整环境参数权重，通过模糊综合评价方法对收集到的传统民居环境进行环境评定。本发明在传统民居环境质量评估过程中，能对环境数据进行高质量采集，成本低且准确率高，并能对传统民居环境质量做出合理评估，以供决策者进行优化及处理。
-
公开(公告)号：CN116429089A
公开(公告)日：2023-07-14
申请号：CN202310408084.1
申请日：2023-04-17
Applicant: 东南大学
Abstract: 本发明公开了一种增强动态场景下SLAM系统精度和鲁棒性的方法，可以在动态场景下的同步定位与建图系统中对动态物体的运动性和场景流一致性判定，提高同步定位与建图的精度和鲁棒性。其思路是使用场景流对场景中可能的动态物体进行评估筛选，并通过因子图与相机位姿进行联合优化。该算法首先根据场景流的模值判断场景中物体运动状态，然后对运动的物体进行场景流自动聚类，以评估场景流一致性的强弱，场景流一致性较强的动态物体的位姿会通过因子图模型与相机位姿进行联合优化。本发明可以对评估场景中动态物体并解算其位姿，降低动态物体对SLAM系统求解精度的影响，增强动态场景中SLAM系统定位和建图的精度和鲁棒性。
-
公开(公告)号：CN115855057A
公开(公告)日：2023-03-28
申请号：CN202211483084.X
申请日：2022-11-24
Applicant: 东南大学
Abstract: 一种基于移动终端的机场低成本定位方法，定位信息获取阶段是利用基于激光SLAM的移动机器小车对航站楼环境进行建图后，采用移动终端设备对划分的各区域内参考点进行多源数据采集，得到原始的指纹数据指纹库Γ；定位模型建立阶段首先对原始数据指纹库Γ进行预处理，接着进行多特征自适应聚类，最后进行预测模型构建；定位模型更新阶段是针对环境变化较大的航站楼区域进行少量数据采集，构建误差校正模型从而维持定位结果的高精确度。本发明利用了机场已有的WIFI设备和自然界存在的磁场信息，大大压缩了硬件的成本。同时，在满足定位精度的情况下，该方法省去了传统无线定位方案中通过人工采集来构建和更新指纹库的繁琐过程，减少了大量时间和人力的消耗。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.016 seconds)
