-
公开(公告)号：CN111507275B
公开(公告)日：2023-10-10
申请号：CN202010313780.0
申请日：2020-04-20
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于深度学习的视频数据时序信息提取方法及装置。首先提取出视频序列的光流特征和像素梯度特征，得到对应的光流特征图序列和像素梯度特征图序列。然后利用图像卷积对光流特征图序列和像素梯度特征图序列进行融合。最后利用三维卷积网络对融合特征图序列进行特征提取，得到视频时序信息。装置包括视频帧获得模块、图像尺寸预处理单元和图像颜色通道预处理模块。视频帧获得模块将视频转换为相同格式图像序列。图像序列送入图像尺寸预处理模块，将图像序列尺寸设置为相同固定尺寸。图像序列输入至图像颜色通道预处理模块，进行RGB颜色通道处理，将颜色三通道压缩成单通道。本发明有效提高了提取视频图像目标时序信息的准确度和效率。
-
公开(公告)号：CN111242157A
公开(公告)日：2020-06-05
申请号：CN201911154526.4
申请日：2019-11-22
Applicant: 北京理工大学
IPC: G06K9/62
Abstract: 本发明属于人工智能技术领域，涉及一种联合深度注意力特征和条件对抗的无监督域自适应方法。包括以下步骤：将待处理的图像数据集划分为源域和目标域；设计可迁移注意力和条件对抗的网络；对图像源域和目标域在输入可迁移注意力和条件对抗的网络前进行预处理；将预处理的源域和目标域依次分批量导入所设计的网络，经过可迁移注意力网络得到加权的特征图后将这些加权的特征图输入到条件对抗网络中训练，最后经全连接层进行概率运算；分别计算出源域和目标域的图像分类准确率；经过迭代及反向传播训练，最后，利用在源域上训练好的可迁移注意力和条件对抗的网络，直接应用在目标域上进行图像分类。本发明极大地提高了无监督域自适应网络的泛化能力。
-
公开(公告)号：CN110053052A
公开(公告)日：2019-07-26
申请号：CN201910448986.1
申请日：2019-05-28
Applicant: 北京理工大学
IPC: B25J9/16
Abstract: 本发明公开的多层SOM异构焊接机器人的任务分配与路径规划方法，属于机器人控制领域。本发明实现方法为：建立第一层SOM神经网络模型，对第一层SOM神经网络模型进行训练，完成异构焊接机器人系统的任务粗分配，输出各类型异构焊接机器人所需焊接的任务点，提高异构焊接机器人系统的鲁棒性和通用性。进行第二层并行SOM网络异构焊接机器人的路径规划，使得多台异构机器人可以自组织地合理完成系统的各个任务，同时考虑焊接顺序约束和焊接机器人干涉约束，达到路径代价最优，输出任务分配与路径规划结果。根据输出的任务分配与路径规划结果，各异构焊接机器人根据规划结果执行焊接任务，提高异构焊接机器人系统的效率，满足工程应用需求。
-
公开(公告)号：CN113281993B
公开(公告)日：2022-05-27
申请号：CN202110509976.1
申请日：2021-05-11
Applicant: 北京理工大学
IPC: G05B13/02
Abstract: 本发明涉及一种贪心K‑均值自组织神经网络多机器人路径规划方法，属于人工智能和机器人系统控制技术领域。本方法将任务分配问题和路径规划问题结合考虑，采用两阶段求解方式，在第一阶段完成机器人任务分配，在第二阶段，根据第一阶段任务分配结果进行路径规划。通过在K‑均值迭代过程中，使用贪心算法来预估各机器人执行任务所需的路径代价，通过路径代价指导调节因子大小，通过调节因子来调整聚类过程中的任务分配结果，改善了K‑均值聚类算法自组织神经网络算法的机器人负载不均衡的问题，为各机器人高效规划负载均衡的任务执行路径方案，具有通用性和鲁棒性强的优点。
-
公开(公告)号：CN113408796A
公开(公告)日：2021-09-17
申请号：CN202110622474.X
申请日：2021-06-04
Applicant: 北京理工大学
Abstract: 本发明涉及一种多任务深度强化学习的深空探测器软着陆路径规划方法，属于人工智能与深空探测技术领域。本发明基于深度确定性策略强化学习算法DDPG，采用多任务学习，充分利用智能体之间的对抗与协作关系，提升了每个智能体应对不确定情况的能力，提高模型整体的泛化性能。通过采用融合时间上下文信息的自注意力机制，不仅避免智能体陷入局部最优状态，而且使智能体更加聚焦到有利于自身获得最大回报的信息进行学习，进一步提高探测器着陆的成功率。本方法能够实现深空探测器的稳定着陆，为后续实现小行星探测、自主取样和航天员登陆活动奠定基础。
-
Patent Agency Ranking
公开(公告)号：CN109542103B
公开(公告)日：2019-12-20
申请号：CN201811590379.0
申请日：2018-12-25
Applicant: 北京理工大学
Abstract: 本发明提出了一种基于烟花粒子群算法的机器人焊接路径规划方法，属于机器人焊接控制技术领域。所述方法采用贪心算法初始种群所有的路径解和参数，根据粒子群算子更新所有种群个体的速度与位置，将粒子群的个体被看作是烟花算法的烟花，通过修改爆炸算子与高斯变异算子产生火花，采用精英‑轮盘赌策略选择烟花种群，利用双种群策略重新组建种群，最后更新个体历史最优解和全局最优解，得到最优的焊接路径。本方法通过将粒子群算法与烟花算法结合，既增强了粒子群的种群多样性，又使得烟花算法个体间有了信息交互，获得最优的焊接路径，且有效性和可行性高。
-
公开(公告)号：CN113281993A
公开(公告)日：2021-08-20
申请号：CN202110509976.1
申请日：2021-05-11
Applicant: 北京理工大学
IPC: G05B13/02
Abstract: 本发明涉及一种贪心K‑均值自组织神经网络多机器人路径规划方法，属于人工智能和机器人系统控制技术领域。本方法将任务分配问题和路径规划问题结合考虑，采用两阶段求解方式，在第一阶段完成机器人任务分配，在第二阶段，根据第一阶段任务分配结果进行路径规划。通过在K‑均值迭代过程中，使用贪心算法来预估各机器人执行任务所需的路径代价，通过路径代价指导调节因子大小，通过调节因子来调整聚类过程中的任务分配结果，改善了K‑均值聚类算法自组织神经网络算法的机器人负载不均衡的问题，为各机器人高效规划负载均衡的任务执行路径方案，具有通用性和鲁棒性强的优点。
-
公开(公告)号：CN111507275A
公开(公告)日：2020-08-07
申请号：CN202010313780.0
申请日：2020-04-20
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于深度学习的视频数据时序信息提取方法及装置。首先提取出视频序列的光流特征和像素梯度特征，得到对应的光流特征图序列和像素梯度特征图序列。然后利用图像卷积对光流特征图序列和像素梯度特征图序列进行融合。最后利用三维卷积网络对融合特征图序列进行特征提取，得到视频时序信息。装置包括视频帧获得模块、图像尺寸预处理单元和图像颜色通道预处理模块。视频帧获得模块将视频转换为相同格式图像序列。图像序列送入图像尺寸预处理模块，将图像序列尺寸设置为相同固定尺寸。图像序列输入至图像颜色通道预处理模块，进行RGB颜色通道处理，将颜色三通道压缩成单通道。本发明有效提高了提取视频图像目标时序信息的准确度和效率。
-
公开(公告)号：CN110861089A
公开(公告)日：2020-03-06
申请号：CN201911199613.1
申请日：2019-11-29
Applicant: 北京理工大学
IPC: B25J9/16 , G05B19/418
Abstract: 本发明涉及一种多机器人系统任务均衡分配协同工作控制方法，人工智能和机器人控制技术领域。针对多机器人系统作业任务点呈离散固定态，为有效解决多台机器人之间的任务分配问题，通过改进K-means算法，首先对所有任务点进行聚类，对聚类后的任务点建模，然后使用自适应缩放聚类空间方式，让不同机器人所分配的任务点的规划数量尽可能相等，方法简练、实用性强。能够有效解决多机器人系统自动化作业过程中面临的机器人任务分配问题。
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.022 seconds)
