-
公开(公告)号：CN118046383A
公开(公告)日：2024-05-17
申请号：CN202410056309.6
申请日：2024-01-15
Applicant: 北京工业大学
IPC: B25J9/16 , G06T7/73 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 一种基于物体边界引导和旋转感知的抓取检测方法属于机器学习和计算机视觉领域，本发明包含主干网络，基于边界注意力的物体特征编码模块，抓取矩形框预测模块三个部分。在抓取检测网络通用的抓取矩形框回归损失的基础上，OBRNet增加了用于监督网络学习物体边界的多尺度边界损失和用于联合约束预测抓取矩形框宽度和角度的对角线相似度损失。本发明解决已有抓取检测方法得到的抓取矩形框宽度和角度预测精度不够高，使得基于预测的抓取矩形框宽度和角度指导机器人执行实际抓取任务时可能导致抓取失败的问题。
-
公开(公告)号：CN116402888A
公开(公告)日：2023-07-07
申请号：CN202310305086.8
申请日：2023-03-27
Applicant: 北京工业大学 , 北京钢铁侠科技有限公司
Abstract: 本发明公开了一种形状约束联合向量筛选的刚性物体6D位姿估计方法，可有效提高6D位姿估计精度。本发明定义一种用于描述图像中物体形状。本发明利用不同2D关键点之间的几何关系辅助2D关键点定位。同时在任意选取两个向量计算假设关键点时，现有技术不考虑所用向量的合理性，导致生成的假设关键点的位置偏差较大，本发明提出向量筛选策略，阻止不合理的向量计算假设关键点，从而减小假设关键点的位置偏差，最终提高位姿估计的性能。
-
公开(公告)号：CN113850856A
公开(公告)日：2021-12-28
申请号：CN202111009283.2
申请日：2021-08-31
Applicant: 北京工业大学
Abstract: 一种RGB‑D信息互补的语义分割方法属于图像分割技术领域。本发明针对已有利用RGB和深度信息的方法只考虑单向补充的问题，提出一种RGB和深度信息交叉互补的RGB‑D语义分割网络结构，旨在对RGB和深度信息进行双向的逐层信息补充，达到提高语义分割效果的目的。
-
Patent Agency Ranking
公开(公告)号：CN114077692B
公开(公告)日：2024-11-19
申请号：CN202111310620.1
申请日：2021-11-04
Applicant: 北京工业大学
IPC: G06F16/9035 , G06F16/906 , G06F16/901 , G06N3/084 , G06N5/022 , G06V10/764 , G06V10/82
Abstract: 基于交互任务知识图谱的细粒度工具推荐方法及装置，能够很好地针对细粒度任务进行工具推荐，并且在最优工具不存在时，可以有效地检索到替代工具。方法包括：(1)建立交互任务知识图谱ITKG来定义交互任务、工具及被操作物体的多粒度语义；(2)通过交互工具推荐网络IT‑Net推荐细粒度任务适配的工具；(3)通过约束工具和被操作物体的粗粒度语义预测损失loss，通过细粒度语义预测loss，使IT‑Net学习到工具和被操作物体的共同特征和专有特征；(4)通过约束适配细粒度任务的工具和被操作物体的嵌入特征距离小于不适配细粒度任务的工具和被操作物体的嵌入特征距离，使IT‑Net学习适配细粒度任务的工具和被操作物体的特征关系。
-
公开(公告)号：CN113850856B
公开(公告)日：2024-07-12
申请号：CN202111009283.2
申请日：2021-08-31
Applicant: 北京工业大学
Abstract: 一种RGB‑D信息互补的语义分割方法属于图像分割技术领域。本发明针对已有利用RGB和深度信息的方法只考虑单向补充的问题，提出一种RGB和深度信息交叉互补的RGB‑D语义分割网络结构，旨在对RGB和深度信息进行双向的逐层信息补充，达到提高语义分割效果的目的。
-
公开(公告)号：CN111709275B
公开(公告)日：2024-02-06
申请号：CN202010350248.6
申请日：2020-04-28
Applicant: 北京工业大学
IPC: G06V10/94 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/084
Abstract: 公开一种用于Affordance推理的深度网络构建方法，其能够描述物体间影响的不对称性，考虑不同邻居节点的差异性影响的问题，更好地刻画场景上下文中物体之间的关系。该方法包括两个部分：视觉特征提取部分和Affordance推理部分；Affordance推理部分采用门控图注意力网络(Gated Graph Attention Neural Network,GGANN)，以图结构作为上下文的载体，基于对象级别的上下文信息构建双向图，对环境中物体提取视觉特征并与类别信息融合作为每个图节点的表示，图节点之间建立双向边，并引入图注意力机制更新边的权值以描述不同邻居节点间的差异性影响。
-
公开(公告)号：CN114077692A
公开(公告)日：2022-02-22
申请号：CN202111310620.1
申请日：2021-11-04
Applicant: 北京工业大学
IPC: G06F16/9035 , G06F16/906 , G06F16/901 , G06N5/02 , G06N3/08 , G06V10/764 , G06V10/82 , G06K9/62
Abstract: 基于交互任务知识图谱的细粒度工具推荐方法及装置，能够很好地针对细粒度任务进行工具推荐，并且在最优工具不存在时，可以有效地检索到替代工具。方法包括：(1)建立交互任务知识图谱ITKG来定义交互任务、工具及被操作物体的多粒度语义；(2)通过交互工具推荐网络IT‑Net推荐细粒度任务适配的工具；(3)通过约束工具和被操作物体的粗粒度语义预测损失loss，通过细粒度语义预测loss，使IT‑Net学习到工具和被操作物体的共同特征和专有特征；(4)通过约束适配细粒度任务的工具和被操作物体的嵌入特征距离小于不适配细粒度任务的工具和被操作物体的嵌入特征距离，使IT‑Net学习适配细粒度任务的工具和被操作物体的特征关系。
-
公开(公告)号：CN111709275A
公开(公告)日：2020-09-25
申请号：CN202010350248.6
申请日：2020-04-28
Applicant: 北京工业大学
Abstract: 公开一种用于Affordance推理的深度网络构建方法，其能够描述物体间影响的不对称性，考虑不同邻居节点的差异性影响的问题，更好地刻画场景上下文中物体之间的关系。该方法包括两个部分：视觉特征提取部分和Affordance推理部分；Affordance推理部分采用门控图注意力网络(Gated Graph Attention Neural Network,GGANN)，以图结构作为上下文的载体，基于对象级别的上下文信息构建双向图，对环境中物体提取视觉特征并与类别信息融合作为每个图节点的表示，图节点之间建立双向边，并引入图注意力机制更新边的权值以描述不同邻居节点间的差异性影响。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
