-
公开(公告)号：CN104330090B
公开(公告)日：2017-06-06
申请号：CN201410573274.X
申请日：2014-10-23
Applicant: 北京化工大学
IPC: G01C21/32
Abstract: 机器人分布式表征智能语义地图创建方法。首先，机器人遍历室内环境，采用基于拓展卡尔曼滤波算法的视觉定位方法和基于边界虚拟标签算法的射频识别系统分别对机器人和带有快速识别码的人工路标进行定位，建立度量层；然后，利用最小二乘法优化采样点坐标，并且使用自适应谱聚类方法对定位结果进行分类，建立拓扑层；最后，根据摄像机快速识别的QR code语义信息，更新地图的语义属性，建立语义层。本发明在对室内环境中物体状态进行检测时，采用带有QR code的人工路标，大大提高了语义地图创建的效率，降低了创建的难度；同时采用QR code与RFID技术相结合的方法，提高了机器人定位的精确度和地图创建的可靠度。
-
Patent Agency Ranking
公开(公告)号：CN104330090A
公开(公告)日：2015-02-04
申请号：CN201410573274.X
申请日：2014-10-23
Applicant: 北京化工大学
IPC: G01C21/32
CPC classification number: G01C21/32
Abstract: 机器人分布式表征智能语义地图创建方法。首先，机器人遍历室内环境，采用基于拓展卡尔曼滤波算法的视觉定位方法和基于边界虚拟标签算法的射频识别系统分别对机器人和带有快速识别码的人工路标进行定位，建立度量层；然后，利用最小二乘法优化采样点坐标，并且使用自适应谱聚类方法对定位结果进行分类，建立拓扑层；最后，根据摄像机快速识别的QR code语义信息，更新地图的语义属性，建立语义层。本发明在对室内环境中物体状态进行检测时，采用带有QR code的人工路标，大大提高了语义地图创建的效率，降低了创建的难度；同时采用QR code与RFID技术相结合的方法，提高了机器人定位的精确度和地图创建的可靠度。
-
公开(公告)号：CN105511267B
公开(公告)日：2018-03-30
申请号：CN201610009254.9
申请日：2016-01-06
Applicant: 北京化工大学
IPC: G05B13/04
Abstract: 本发明涉及一种仿蛇搜救机器人多步态控制方法，针对自然、轮式和混沌运动步态，利用反馈神经网络Hopfield Neural Network(HNN)的输出和三类运动步态所需输入一致性关系，通过调整HNN权重参数获得相应的步态信号，然后将HNN的输出信号作为仿蛇搜救机器人动力学控制器的输入信号，控制仿蛇搜救机器人产生相应步态。在非稳定状态时，即初始时刻和步态转换时刻，利用Motion Shape Code Technique(MSCT)产生相应步态的初始形状并将直线形状作为中间过程状态进行步态转换。本发明解决传统Central Pattern Generator(CPG)方法在步态控制时未考虑非周期步态和混沌步态问题，更切合实际，能够使仿蛇搜救机器人更好地应用在搜救任务中。
-
公开(公告)号：CN105511267A
公开(公告)日：2016-04-20
申请号：CN201610009254.9
申请日：2016-01-06
Applicant: 北京化工大学
IPC: G05B13/04
CPC classification number: G05B13/041
Abstract: 本发明涉及一种仿蛇搜救机器人多步态控制方法，针对自然、轮式和混沌运动步态，利用反馈神经网络Hopfield Neural Network(HNN)的输出和三类运动步态所需输入一致性关系，通过调整HNN权重参数获得相应的步态信号，然后将HNN的输出信号作为仿蛇搜救机器人动力学控制器的输入信号，控制仿蛇搜救机器人产生相应步态。在非稳定状态时，即初始时刻和步态转换时刻，利用Motion Shape Code Technique(MSCT)产生相应步态的初始形状并将直线形状作为中间过程状态进行步态转换。本发明解决传统Central Pattern Generator(CPG)方法在步态控制时未考虑非周期步态和混沌步态问题，更切合实际，能够使仿蛇搜救机器人更好地应用在搜救任务中。
-
公开(公告)号：CN103824080B
公开(公告)日：2017-02-22
申请号：CN201410060988.0
申请日：2014-02-21
Applicant: 北京化工大学
Abstract: 本发明涉及动态稀疏环境下机器人SLAM物体状态检测方法，首先，通过视觉传感器对环境进行图像采集，使用SURF描述子获得图像的特征向量集合；其次，基于最近邻算法对当前时刻与历史时刻的图像进行匹配并通过RANSAC算法检验匹配是否成功以判断两个时刻的物体是否一致；然后，利用视差法获得物体的深度信息，并根据平面几何关系进一步得到物体两个时刻的全局坐标和相对位置差；最后，结合假设检验的思想得到接受区域，并通过检验相对位置差是否落在接受区域内来判断物体的状态。本发明在对环境中物体状态进行检测时，考虑移动机器人的定位和测量误差对物体位置观测值的影响，提高对物体状态判断的准确度。
-
公开(公告)号：CN103824080A
公开(公告)日：2014-05-28
申请号：CN201410060988.0
申请日：2014-02-21
Applicant: 北京化工大学
Abstract: 本发明涉及动态稀疏环境下机器人SLAM物体状态检测方法，首先，通过视觉传感器对环境进行图像采集，使用SURF描述子获得图像的特征向量集合；其次，基于最近邻算法对当前时刻与历史时刻的图像进行匹配并通过RANSAC算法检验匹配是否成功以判断两个时刻的物体是否一致；然后，利用视差法获得物体的深度信息，并根据平面几何关系进一步得到物体两个时刻的全局坐标和相对位置差；最后，结合假设检验的思想得到接受区域，并通过检验相对位置差是否落在接受区域内来判断物体的状态。本发明在对环境中物体状态进行检测时，考虑移动机器人的定位和测量误差对物体位置观测值的影响，提高对物体状态判断的准确度。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
