-
公开(公告)号：CN108648233B
公开(公告)日：2022-04-12
申请号：CN201810248258.1
申请日：2018-03-24
Applicant: 北京工业大学
IPC: G06T7/73 , G06T7/11 , G06T7/194 , G06V10/762 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种基于深度学习的目标识别与抓取定位方法，属于机器视觉领域。首先，利用Kinect相机采集场景的深度和彩色图像，然后使用Faster R‑CNN深度学习算法识别场景目标，根据识别的类别选择抓取的目标区域，并作为GrabCut图像分割算法的输入，通过图像分割获取目标的轮廓，进而获取目标的具体位置，并作为级联神经网络的输入进行最优抓取位置检测，最终获取机械臂的抓取位置和抓取姿态。通过该方法提高目标识别与定位的实时性、准确性以及智能性。
-
公开(公告)号：CN108133496B
公开(公告)日：2021-11-26
申请号：CN201711404798.6
申请日：2017-12-22
Applicant: 北京工业大学
Abstract: 一种基于g2o与随机蕨类算法的稠密地图创建方法属于机器人实时定位与地图创建领域。首先，构筑相机位姿模型和加权融合3D点截断信息的TSDF模型，用于准确表示创建物体的表面。其次，提出一种改进的回环检测方法，并将其与随机蕨类彩色图像编码化策略相结合，进而优化TSDF模型。最后，使用g2o图优化库解算约束函数，建立数据集间的优化边。实验结果表明，混合优化位姿模型可以较快建立全局SLAM地图，并有效识别曾到达区域。
-
公开(公告)号：CN108648233A
公开(公告)日：2018-10-12
申请号：CN201810248258.1
申请日：2018-03-24
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于深度学习的目标识别与抓取定位方法，属于机器视觉领域。首先，利用Kinect相机采集场景的深度和彩色图像，然后使用Faster R-CNN深度学习算法识别场景目标，根据识别的类别选择抓取的目标区域，并作为GrabCut图像分割算法的输入，通过图像分割获取目标的轮廓，进而获取目标的具体位置，并作为级联神经网络的输入进行最优抓取位置检测，最终获取机械臂的抓取位置和抓取姿态。通过该方法提高目标识别与定位的实时性、准确性以及智能性。
-
公开(公告)号：CN108133496A
公开(公告)日：2018-06-08
申请号：CN201711404798.6
申请日：2017-12-22
Applicant: 北京工业大学
Abstract: 一种基于g2o与随机蕨类算法的稠密地图创建方法属于机器人实时定位与地图创建领域。首先，构筑相机位姿模型和加权融合3D点截断信息的TSDF模型，用于准确表示创建物体的表面。其次，提出一种改进的回环检测方法，并将其与随机蕨类彩色图像编码化策略相结合，进而优化TSDF模型。最后，使用g2o图优化库解算约束函数，建立数据集间的优化边。实验结果表明，混合优化位姿模型可以较快建立全局SLAM地图，并有效识别曾到达区域。
-
公开(公告)号：CN107450376B
公开(公告)日：2019-06-21
申请号：CN201710808641.3
申请日：2017-09-09
Applicant: 北京工业大学
IPC: G05B19/04
Abstract: 本发明公开了一种基于智能移动平台的服务机械臂抓取姿态角计算方法，属于机械臂运动控制领域，尤其涉及机械臂的姿态角分析计算。根据相机确定目标物在相机坐标系中的坐标位置；通过提前标定好的转换矩阵将目标物在相机坐标系中的坐标转换到机械臂坐标系中；通过转换后的目标物的坐标点计算目标物在机械臂坐标系中与机械坐标系中的X轴的夹角θ，通过该夹角θ与机械臂姿态中的三个分量的映射函数关系求得当前机械臂的姿态；将目标物坐标和机械臂末端姿态合成控制机械臂的目标位姿，发送给机械臂，即完成目标物抓取动作。通过目标物与机械臂坐标系X轴的夹角θ来确定姿态角中的各个分量，从而完成机械臂以指定的姿态去抓取目标物。
-
Patent Agency Ranking
公开(公告)号：CN106022480A
公开(公告)日：2016-10-12
申请号：CN201610320200.4
申请日：2016-05-13
Applicant: 北京工业大学
CPC classification number: G06N5/04 , G06K9/6224
Abstract: 基于D‑S证据理论的机器人功能模块粒度划分评价方法，属于机器人分散控制领域，该评价方法主要分四步完成：以智能服务机器人系统的各功能模块独立性为原则，分别构建各功能模块间的联系度量指标与各功能模块内的联系度量指标，结合相关性度量矩阵求取各模块划分方案的内聚度与耦合度效用值。将内聚度和耦合度作为证据理论的两个证据源，构造多属性决策矩阵，同时引入隶属度函数概念，对决策矩阵中的效用值进行转换。结合基本概率分配值的定义，求取各焦元的效用分配值，并对每个方案不同属性下的偏好信息进行合成，构造信任区间。最后，基于区间数偏好排序方法，对各决策方案进行排序，获取智能服务机器人系统的各功能模块最优划分粒度。
-
公开(公告)号：CN108242079B
公开(公告)日：2021-06-25
申请号：CN201711492119.5
申请日：2017-12-30
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于多特征视觉里程计和图优化模型的VSLAM方法，属于机器人SLAM领域。该方法首先利用FAST(Features from Accelerated Segment Test)和改进的LSD算法提取彩色图像中的点、线特征，进而使用不同的描述符描述特征，之后进行特征匹配，最后使用改进的NICP(Normal Iterative Closest Point)算法和PnL(Perspective n Line)算法估计机器人初始位姿。对图像提取线特征扩大了算法的应用场景，且得到了较好的机器人初始位姿。随后将多特征视觉里程计表示成贝叶斯网络，在贝叶斯网络基础上得到因子图，并利用最大后验概率估计因子图中机器人的全局位姿，使用高斯‑牛顿法求解最大后验概率得到更新后的位姿图。最后，融合位姿图与相应帧的三维点得到重构的三维地图。
-
公开(公告)号：CN106022480B
公开(公告)日：2018-11-02
申请号：CN201610320200.4
申请日：2016-05-13
Applicant: 北京工业大学
Abstract: 基于D‑S证据理论的机器人功能模块粒度划分评价方法，属于机器人分散控制领域，该评价方法主要分四步完成：以智能服务机器人系统的各功能模块独立性为原则，分别构建各功能模块间的联系度量指标与各功能模块内的联系度量指标，结合相关性度量矩阵求取各模块划分方案的内聚度与耦合度效用值。将内聚度和耦合度作为证据理论的两个证据源，构造多属性决策矩阵，同时引入隶属度函数概念，对决策矩阵中的效用值进行转换。结合基本概率分配值的定义，求取各焦元的效用分配值，并对每个方案不同属性下的偏好信息进行合成，构造信任区间。最后，基于区间数偏好排序方法，对各决策方案进行排序，获取智能服务机器人系统的各功能模块最优划分粒度。
-
公开(公告)号：CN107609509A
公开(公告)日：2018-01-19
申请号：CN201710808634.3
申请日：2017-09-09
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于运动显著性区域检测的动作识别方法，属于人体动作识别领域。该方法首先将图像按照5个的超像素尺度进行划分，并利用暗通道先验知识和区域对比度信息构筑相应的初始显著性图。参考影响因子矩阵和置信度矩阵的概念，引入一种基于元胞自动机理论的更新策略，进一步提高显著性图的准确性。之后采用贝叶斯理论实现各尺度显著性图的融合，并通过设置灰度阈值获得图像的二值分割图，得到当前视频序列的运动显著性子序列。最后，利用支持向量机多分类模型实现多种特征的评分级融合，进而获取测试样本的决策评分及分类标签。本发明基于改进显著性检测技术，对图像提取运动显著性区域，能够有效去除动作背景对识别造成的干扰，提高了系统的实时性。
-
公开(公告)号：CN107450376A
公开(公告)日：2017-12-08
申请号：CN201710808641.3
申请日：2017-09-09
Applicant: 北京工业大学
IPC: G05B19/04
CPC classification number: G05B19/04
Abstract: 本发明公开了一种基于智能移动平台的服务机械臂抓取姿态角计算方法，属于机械臂运动控制领域，尤其涉及机械臂的姿态角分析计算。根据相机确定目标物在相机坐标系中的坐标位置；通过提前标定好的转换矩阵将目标物在相机坐标系中的坐标转换到机械臂坐标系中；通过转换后的目标物的坐标点计算目标物在机械臂坐标系中与机械坐标系中的X轴的夹角θ，通过该夹角θ与机械臂姿态中的三个分量的映射函数关系求得当前机械臂的姿态；将目标物坐标和机械臂末端姿态合成控制机械臂的目标位姿，发送给机械臂，即完成目标物抓取动作。通过目标物与机械臂坐标系X轴的夹角θ来确定姿态角中的各个分量，从而完成机械臂以指定的姿态去抓取目标物。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.028 seconds)
