-
公开(公告)号：CN111767878A
公开(公告)日：2020-10-13
申请号：CN202010634897.9
申请日：2020-07-03
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于人工智能计算机视觉领域，具体涉及一种嵌入式设备中基于深度学习的交通标志检测方法及系统、装置，旨在解决现有检测方法在嵌入式设备中运行时无法兼顾检测精度与效率的问题。本发明包括：通过改进的特征提取网络提取输入图像的浅层特征图；通过辅助卷积网络将浅层特征图生成不同尺度的深层特征图；通过特征融合网络融合浅层特征与深层特征；通过改进的分类检测器结合非极大值抑制，获取在原输入图像上显示的交通标示的类别和检测框。本发明通过轻量级的MobileNet提取浅层特征，通过辅助网络提取深层特征，融合浅层特征与深层特征进行分类检测，在保证检测精度的基础上大大提升了检测效率，在运算能力有限的嵌入式设备中也能取得很好的效果。
-
公开(公告)号：CN108909833A
公开(公告)日：2018-11-30
申请号：CN201810597914.9
申请日：2018-06-11
Applicant: 中国科学院自动化研究所
CPC classification number: B62D6/001 , B62D15/025 , G06N3/084
Abstract: 本发明属于车辆自动驾驶技术领域，具体涉及一种基于策略迭代的智能汽车转向控制方法，旨在解决如何提高无人驾驶智能汽车在转向控制上的在线自主学习能力的问题。为此目的，本发明中基于策略迭代的智能汽车转向控制方法包括：采集车辆的行驶状态数据和车辆控制量；转向控制网络模型依据当前采集时刻的行驶状态数据和车辆控制量，预测下一采集时刻的行驶状态数据；基于判断机制控制转向控制网络模型的在线训练；以转向控制网络模型作为被控制对象，基于评价网络和执行网络实现策略迭代算法，得到优化后的执行网络；基于执行网络输出的车辆控制量控制智能汽车的转向。本方法提高了模型训练的实时性以及对当前环境的适应性。
-
公开(公告)号：CN1830413A
公开(公告)日：2006-09-13
申请号：CN200510054510.8
申请日：2005-03-08
Applicant: 中国科学院自动化研究所
Abstract: 一种嵌入式智能轮椅控制系统及方法，包括用于处理环境信息和给出控制指令的控制器、用于检测轮椅运行环境的超声传感器、用于接受使用者指令的操纵杆、用于改变轮椅运行模式的控制开关、轮椅电机驱动电路；其中，控制器通过A/D转换电路采集操纵杆给出的指令信息，根据传感器获取的环境信息对轮椅电机给出控制信号，可以有效地执行使用者给出的操作指令，并避免智能轮椅与所处环境发生碰撞。方法：PWM单元向外发送方波；DSP等待超声回波信号；适当的延时；系统启动AD转换模块，进行操纵杆位置信息的采集，并根据前面处理过后的环境信息，控制驱动PWM的输出，处理之后，主循环将开始下一次的循环。
-
公开(公告)号：CN1176448C
公开(公告)日：2004-11-17
申请号：CN02118522.0
申请日：2002-04-26
Applicant: 中国科学院自动化研究所
IPC: G09B23/28
Abstract: 一种虚拟手术刀装置，包括微控制器和手术刀，力传递装置连接在手术刀和比例电磁铁之间，用于传递比例电磁铁提供的驱动力；复位弹簧接在力传递装置两端；位于手术刀刀柄上的力传感器检测手术刀向上的力；三维跟踪设备检测手术刀的位置及手术刀的姿态。本系统所采用的三维跟踪装置和力反馈机构都具有体积小、重量轻的特点，不妨碍操作者的动作，能够方便地使用该系统进行虚拟手术。
-
公开(公告)号：CN111767962A
公开(公告)日：2020-10-13
申请号：CN202010636203.5
申请日：2020-07-03
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于人工智能计算机视觉领域，具体涉及了一种基于生成对抗式网络的一阶段目标检测方法、系统及装置，旨在解决速度快、实时性强的一阶段目标检测器对小物体、扭曲变形物体以及遮挡物体的识别精度低的问题。本发明包括：基于获取的输入图像，通过训练好的目标检测网络获取输入图像中各目标对应的目标图像；基于Darknet-53网络框架结合生成对抗式网络构建目标检测网络；基于Wasserstein距离函数构建损失函数；训练过程中通过扭曲变形特征网络、遮挡特征网络和超分辨特征网络扩大样本数量。本发明在保证检测效率的前提下，大大提升了对于扭曲变形物体、不同遮挡程度下的物体以及小物体的物体识别精度。
-
Patent Agency Ranking
公开(公告)号：CN109540133B
公开(公告)日：2020-09-29
申请号：CN201811150084.1
申请日：2018-09-29
Applicant: 中国科学院自动化研究所
IPC: G01C21/18
Abstract: 本发明属于步态划分技术领域，具体涉及一种基于微惯性技术的自适应步态划分方法、系统，本发明方法包括：获取t时刻的步伐动作的旋转角速度ωt、加速度at；计算对应的角速度测量值模值‖ωt‖，加速度测量模值‖at‖；判断‖ωt‖‑stepbias＜σ？如果小于则判定当前时刻t的步态为接触地面状态，否则判定当前时刻t的步态为离开地面状态；其中，stepbias为当前步角速度模值预判定自适应偏差，σ为预设的第一条件阈值；此后还设置有步态的二次判断方法、多种参数修正方法。本发明算法简单，运行所占资源少，适用于各种嵌入式设备，且多种参数修正方法实现了参数的自适应调整，增加了检测结果的精度和鲁棒性。
-
公开(公告)号：CN1713114A
公开(公告)日：2005-12-28
申请号：CN200410048230.1
申请日：2004-06-15
Applicant: 中国科学院自动化研究所
IPC: G06F3/00
Abstract: 本发明骨架式力觉反馈装置涉及计算机技术领域，应用于虚拟现实系统中的人机接触交互接口。该装置包括：比例电磁铁执行元件，钢丝绳－弹簧管传动机构以及安装在手部的骨架机构三个部分，比例电磁铁作为执行元件，通过钢丝绳－弹簧管传动机构和骨架机构传递驱动力至手指的指头；以及基于DSP的嵌入式闭环控制系统。本发明通过控制电流使比例电磁铁产生出大小可控的驱动力，由钢丝绳－弹簧管结构的传动方式把力传递到指端，把反馈力作用在操作者的手指上。为了对反馈力进行精确控制，本发明采用了基于DSP的嵌入式控制系统，能够快速准确地跟踪虚拟环境的反馈力控制指令。本发明对手指的局部运动产生一定的约束，有效防止虚拟手指嵌入虚拟物体中。
-
公开(公告)号：CN111767962B
公开(公告)日：2022-11-08
申请号：CN202010636203.5
申请日：2020-07-03
Applicant: 中国科学院自动化研究所
IPC: G06V10/774 , G06V10/40 , G06V10/30 , G06V10/82 , G06N3/04
Abstract: 本发明属于人工智能计算机视觉领域，具体涉及了一种基于生成对抗式网络的一阶段目标检测方法、系统及装置，旨在解决速度快、实时性强的一阶段目标检测器对小物体、扭曲变形物体以及遮挡物体的识别精度低的问题。本发明包括：基于获取的输入图像，通过训练好的目标检测网络获取输入图像中各目标对应的目标图像；基于Darknet‑53网络框架结合生成对抗式网络构建目标检测网络；基于Wasserstein距离函数构建损失函数；训练过程中通过扭曲变形特征网络、遮挡特征网络和超分辨特征网络扩大样本数量。本发明在保证检测效率的前提下，大大提升了对于扭曲变形物体、不同遮挡程度下的物体以及小物体的物体识别精度。
-
公开(公告)号：CN111767878B
公开(公告)日：2022-11-08
申请号：CN202010634897.9
申请日：2020-07-03
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于人工智能计算机视觉领域，具体涉及一种嵌入式设备中基于深度学习的交通标志检测方法及系统、装置，旨在解决现有检测方法在嵌入式设备中运行时无法兼顾检测精度与效率的问题。本发明包括：通过改进的特征提取网络提取输入图像的浅层特征图；通过辅助卷积网络将浅层特征图生成不同尺度的深层特征图；通过特征融合网络融合浅层特征与深层特征；通过改进的分类检测器结合非极大值抑制，获取在原输入图像上显示的交通标示的类别和检测框。本发明通过轻量级的MobileNet提取浅层特征，通过辅助网络提取深层特征，融合浅层特征与深层特征进行分类检测，在保证检测精度的基础上大大提升了检测效率，在运算能力有限的嵌入式设备中也能取得很好的效果。
-
公开(公告)号：CN109447128B
公开(公告)日：2021-10-01
申请号：CN201811150074.8
申请日：2018-09-29
Applicant: 中国科学院自动化研究所
Abstract: 发明属于运动分类技术领域，具体涉及一种基于微惯性技术的行走和原地踏步运动分类方法和系统，旨在解决行走和原地踏步动作的准确识别的问题，本发明方法包括S1，获取一个步伐动作的采样数据，该数据包括该步伐动作的加速度和角速度数据；S2，将所述采样数据统一化为大小一致的步态数据；S3，基于所述步态数据计算该步伐动作的加速度和角速度的模值，并获取步伐数据矩阵；S4，将所述步伐数据矩阵按行拼接成向量作为该步伐的特征向量；S5，将所述步伐特征向量输入预先构建的步态分类模型进行该步伐动作运动分类。本发明可以有效识别行走运动和踏步运动，将有效避免航迹估计误差，同时还减少了计算量和算法复杂度，使得算法简单而有效。
-
-
-
-
-
-
-
-
-
Search Results
26
records
(took 0.029 seconds)
