-
公开(公告)号：CN112446882B
公开(公告)日：2025-01-10
申请号：CN202011169500.X
申请日：2020-10-28
Applicant: 北京工业大学
Abstract: 本发明公开了一种动态场景下基于深度学习的鲁棒视觉SLAM方法，属于人工智能与机器人和计算机视觉领域。本发明采用相机作为图像采集装置。首先对相机采集的图像序列利用基于深度学习的Mask R‑CNN语义分割网络将图像中的对象划分成静态对象和动态对象，动态对象的像素级语义分割作为语义先验知识并剔除动态对象上的特征点；利用对极几何特性的几何约束进一步检查特征是否是动态特征；结合局部建图和回环检测模块构成完整的鲁棒视觉SLAM系统。本发明可以很好的减小SLAM系统的绝对轨迹误差和相对位姿误差，提高SLAM系统位姿估计的准确性和鲁棒性。
-
公开(公告)号：CN119066663A
公开(公告)日：2024-12-03
申请号：CN202411184805.6
申请日：2024-08-27
Applicant: 北京工业大学
IPC: G06F21/57 , G06F18/213 , G06F18/2411 , G06F18/214
Abstract: 本发明公开了结合类不平衡处理及分类器链技术的智能合约多漏洞检测方法，该方法使用多标签合成少数类过采样技术对智能合约数据集进行处理，筛选少数类实例，采用最近邻思想合成合约及漏洞标签，有效地解决多漏洞类型间的不平衡问题；基于多路径Adaboost结合分类器链的方法实现智能合约的多漏洞检测，该方法采用Adaboost算法对每种漏洞特征进行学习，以增强技术提升单类漏洞检测的性能，同时结合分类器链技术处理多漏洞检测，以体现不同漏洞类型的相关性，训练过程中根据损失函数值动态调整链结构，从而优化检测精度。本方法在完成多漏洞检测的同时保持了较高的检测精度，检测性能优异，对保障智能合约安全、维护区块链应用系统高效可靠运行具有积极意义。
-
公开(公告)号：CN114187269B
公开(公告)日：2024-04-05
申请号：CN202111516597.1
申请日：2021-12-07
Applicant: 北京工业大学
Abstract: 本发明公开了小零器件表面缺陷边缘快速检测方法，具体包括两个步骤：零器件边缘最小包络框的获取与复杂形状零器件缺陷边缘的快速检测方法；所述零器件边缘最小包络框的获取用Canny边缘检测算子迅速锁定整个图片中零器件的边缘位置信息并获取零器件的最小包络框，确定缺陷的检测区域；复杂形状零器件缺陷边缘的快速检测方法将最小包络框旋转至与边缘模板图像一致的方向，并通过匹配边缘点位置特征，快速找到器件上的缺陷边缘。本方法只需首先拍摄一幅无缺陷器件图片作为匹配模板，匹配模型更新维护简便，整个算法计算量小，实时性好，不需要大量样本。该方法由于仅对待检测图像的边缘部分进行了识别，大大降低了缺陷检测的计算量。
-
公开(公告)号：CN116202526A
公开(公告)日：2023-06-02
申请号：CN202310163370.6
申请日：2023-02-24
Applicant: 北京工业大学
IPC: G01C21/20 , G06N3/0464 , G06N3/0442
Abstract: 本发明公开了有限视场下结合双重卷积网络及循环神经网络的人群导航方法，本方法充分考虑有限视场内的状态信息，对感知范围内的机器人信息、行人信息进行分层编码，并将编码信息作为循环神经网络的特征信息，机器人状态信息作为循环神经网络的另一特征信息，利用近端策略优化算法训练网络，实现机器人在有限视场下的人群导航。该算法只需要对机器人自身信息以及部分感知范围内与行人的关系进行编码即可，降低了多智能体交互建模复杂程度。循环神经网络利用编码信息作为特征信息有效挖掘机器人和行人特征关系，帮助机器人做出更准确的动作，通过预测最优动作，实现动态密集人群环境中具备有限视场机器人的导航任务。
-
公开(公告)号：CN116147627A
公开(公告)日：2023-05-23
申请号：CN202310010366.6
申请日：2023-01-04
Applicant: 北京工业大学
IPC: G01C21/20 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种结合深度强化学习和内在动机的移动机器人自主导航方法，利用视觉传感器从环境中获取信息，使用D3QN算法来进行最优动作的选择，并且针对导航环境中存在的奖励稀疏的问题，引入了基于好奇心的内在动机模块，利用预测状态特征向量和实际状态特性向量之间的差异作为好奇心，使得机器人能够在奖励稀疏的情况下仍保持较高的探索效率。基于Pygame仿真平台搭建实验环境，进行单目标点导航和多目标点导航两组实验，实验结果证明，该模型能够更加有效的完成导航任务，适用于多种导航场景。本发明使用深度强化学习的方法解决了传统的机器人路径规划方法存在着的基于网格的地图表示方法在精度与内存需求之间的矛盾，实现移动机器人无碰撞自主导航。
-
Patent Agency Ranking
公开(公告)号：CN114387003A
公开(公告)日：2022-04-22
申请号：CN202111225127.X
申请日：2021-10-21
Applicant: 北京工业大学
Abstract: 一种基于T‑S模糊宽度学习的废旧手机定价方法，针对训练数据量且维度较高的情况下，难以训练快速、准确的定价模型的问题。本发明提出了建立T‑S模糊宽度学习网络，并利用k_means方法对数据进行聚类，能够充分学习数据中的知识，该方法能够充分利用宽度学习模型计算速度快的结构特点，弥补了深度学习网络中时间复杂度大的缺陷，获得更加快速、准确的定价效果。
-
公开(公告)号：CN110298440B
公开(公告)日：2021-07-23
申请号：CN201910268918.7
申请日：2019-04-04
Applicant: 北京工业大学
Abstract: 本发明公开了基于皮质柱网络波前传播的多尺度面向目标导航方法，属于仿生导航范畴，皮质柱网络属于认知地图，每个皮质柱单元包含接受奖励信息、位置信息等多种神经元。本发明以皮质柱网络为基础，利用波前传播算法进行路径规划和导航。通过网络权值STDP学习律，此系统能够计算出通向目标的最短路径，并且对环境的变化产生记忆。波前传播采用整合激发式神经元，属于非衰减导航算法，适用于多种尺度环境下的导航。在导航实验中，此方法可以在各种规模、实时变化的环境中成功导航，具有较好的实用效果。
-
公开(公告)号：CN112365291A
公开(公告)日：2021-02-12
申请号：CN202011366723.5
申请日：2020-11-30
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于动量法参数更新的模糊神经网络定价方法，属于机器学习与数据挖掘领域。本发明采用模糊神经网络作为定价模型，采用动量法进行模型的参数更新。首先，模型采用主成分分析法选出影响废旧手机定价的关键特征；其次,建立基于模糊神经网络的废旧手机定价模型,实现对手机定价与关键特征变量之间的准确分析；最后，采用动量法对模糊神经网络的参数进行优化，实现定价模型的参数更新。本发明可以很好地提高废旧手机定价准确性。
-
公开(公告)号：CN110781790A
公开(公告)日：2020-02-11
申请号：CN201910996478.7
申请日：2019-10-19
Applicant: 北京工业大学
Abstract: 本发明公开了基于卷积神经网络和VLAD的闭环检测方法，包括以下步骤：对VGG16网络进行裁剪，然后在最后一层加入基于VLAD思想的池化层NetVLAD，构建新的网络模型VGG-NetVLAD；利用含有三元组的大型数据集训练网络模型的参数；将当前查询图像输入到VGG-NetVLAD中，提取NetVLAD层的输出作为图像的特征表达；采用余弦距离作为衡量图像间相似性的标准，计算当前查询图像与其他图像的相似性得分；统计每两幅图像间的得分最终构成相似性矩阵；根据阈值大小判断产生的闭环区域，输出准确率召回率曲线。本方法考虑了图像的局部空间特性和传统人工设计的特征易受环境变化的影响，有效地提高了闭环检测的准确率和召回率，并满足了实时性要求，对构建全局一致的地图具有重要意义。
-
公开(公告)号：CN106125730B
公开(公告)日：2019-04-30
申请号：CN201610540175.0
申请日：2016-07-10
Applicant: 北京工业大学
Abstract: 一种基于鼠脑海马空间细胞的机器人导航地图构建方法，根据哺乳动物海马结构中的空间导航相关细胞的信息传递回路，机器人通过对环境探索，获取当前的自运动线索和颜色深度图像信息，自运动线索经由海马结构中空间细胞的路径积分和特征提取，渐进的形成对空间环境的编码，位置细胞的位置野在探索过程中逐渐形成，并覆盖整个空间环境，形成认知地图，与此同时，Kinect采集当前位置正前方视图场景的颜色深度图像信息作为绝对参考，进行路径的闭环检测，纠正路径积分的误差。在闭环点处，系统进行空间细胞放电活动的重置，对路径积分误差进行修正。最终的导航地图上的节点包含的是位置细胞群编码信息、对应的视觉线索以及位置拓扑关系。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.037 seconds)
