-
公开(公告)号：CN112643677A
公开(公告)日：2021-04-13
申请号：CN202011505591.X
申请日：2020-12-18
Applicant: 华南理工大学
Abstract: 本发明公开了一种地形自适应的控制方法、系统、装置及介质，其中方法包括以下步骤：采集地形图像；将所述地形图像输入地形识别模型进行识别，获得地形的识别结果；根据识别结果控制蛇形机器人的步态。本发明采用卷积神经网络实现自适应步态控制，通过对实际环境中的地形进行识别，从而根据地形分类结果切换到最适合的运动步态，提高蛇形机器人在复杂非结构化环境中的适应性和存活率，可广泛应用于计算机视觉技术领域。
-
公开(公告)号：CN113888631A
公开(公告)日：2022-01-04
申请号：CN202111017083.1
申请日：2021-08-31
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于目标裁剪区域的指定物体抓取方法，包括以下步骤：S1、采集实际抓取场景的RGB图像和深度图像；S2、对采集的深度图像和RGB图像进行对齐和裁剪操作；S3、将处理后的RGB图像数据流输入目标检测网络，输出当前场景中抓取物体位置和区域；S4、将处理后的深度图像输出训练好的全卷积神经网络中，得到整个场景的抓取位姿；S5、根据目标检测的结果和整个场景的抓取位姿生成指定目标物体的抓取位姿；S6、将抓取位姿转化为机械臂操作空间的抓取位姿；S7、设置机器人抓取轨迹并完成抓取。本发明能够完成在多目标的场景中对指定的目标物体进行抓取操作，建立的级联全卷积神经网络具有轻量并准确率高的优点。
-
公开(公告)号：CN112936275A
公开(公告)日：2021-06-11
申请号：CN202110162253.9
申请日：2021-02-05
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于深度相机的机械臂抓取系统，包括计算机、深度摄像头、机械臂、AGV小车、遥控器。计算机搭载并运行ROS；深度摄像头与计算机相连；机械臂包括六轴机械臂和夹爪，夹爪安装于机械臂末端；AGV小车上方平台搭载六轴机械臂，遥控器与计算机相连。还提供相应的抓取方法。本发明系统基于ROS体系构建，可准确识别并定位目标物体的位置坐标，控制AGV小车移动和控制六轴机械臂自动抓取目标物体。操作者操控遥控手柄控制AGV小车到达目标物体抓取范围内，计算机通过深度摄像头获取目标物体的图像，图像经算法处理计算出目标物体最佳抓取点的位姿和位置坐标，计算机发送抓取指令到机械臂，机械臂自动抓取目标物体。
-
公开(公告)号：CN113808205B
公开(公告)日：2023-07-18
申请号：CN202111017087.X
申请日：2021-08-31
Applicant: 华南理工大学
IPC: G06T7/73 , G06T7/13 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于检测约束的快速动态目标抓取方法，包括以下步骤：S1建立快速目标检测方法；S2、用迁移学习的方法对S1中的网络进行训练；S3、使用S2中训练好的模型，基于摄像头获取的RGB图像数据流进行目标检测，实现对真实环境中抓取物体的分类与标注；S4、设计物体边界框矫正策略，减小图像中标注的边界框与真实边界框的偏差；S5、利用深度信息算法估计目标物体抓取点的深度值；S6、将抓取位姿映射到机器人操作空间中的三维抓取位姿。本发明提出了一种基于检测约束的快速动态目标抓取方法，并且建立MobileNetV3融合YOLOV4检测方法的检测算法，可以满足抓取操作对实时性的要求。
-
公开(公告)号：CN112936275B
公开(公告)日：2023-03-21
申请号：CN202110162253.9
申请日：2021-02-05
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于深度相机的机械臂抓取系统，包括计算机、深度摄像头、机械臂、AGV小车、遥控器。计算机搭载并运行ROS；深度摄像头与计算机相连；机械臂包括六轴机械臂和夹爪，夹爪安装于机械臂末端；AGV小车上方平台搭载六轴机械臂，遥控器与计算机相连。还提供相应的抓取方法。本发明系统基于ROS体系构建，可准确识别并定位目标物体的位置坐标，控制AGV小车移动和控制六轴机械臂自动抓取目标物体。操作者操控遥控手柄控制AGV小车到达目标物体抓取范围内，计算机通过深度摄像头获取目标物体的图像，图像经算法处理计算出目标物体最佳抓取点的位姿和位置坐标，计算机发送抓取指令到机械臂，机械臂自动抓取目标物体。
-
Patent Agency Ranking
公开(公告)号：CN112743540A
公开(公告)日：2021-05-04
申请号：CN202011430098.6
申请日：2020-12-09
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于强化学习的六足机器人阻抗控制方法，包括如下步骤：建立带噪声参数的基于动态运动基元的六足机器人动力学系统；基于阻抗控制确定力矩控制表达式；确定变增益表的表式形式；确定控制系统的代价函数；确定基于路径积分学习算法的参数更新规则。本发明所述的控制方法最终的目标是通过路径积分学习算法学习并更新系统参数，使得代价函数的值尽量小，进而在有不确定力场干扰下机器人能不断调整足端运动的参考轨迹与控制器增益，得到良好的变阻抗控制效果，以期望形式运动到理想的目标点。
-
公开(公告)号：CN112743540B
公开(公告)日：2022-05-24
申请号：CN202011430098.6
申请日：2020-12-09
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于强化学习的六足机器人阻抗控制方法，包括如下步骤：建立带噪声参数的基于动态运动基元的六足机器人动力学系统；基于阻抗控制确定力矩控制表达式；确定变增益表的表式形式；确定控制系统的代价函数；确定基于路径积分学习算法的参数更新规则。本发明所述的控制方法最终的目标是通过路径积分学习算法学习并更新系统参数，使得代价函数的值尽量小，进而在有不确定力场干扰下机器人能不断调整足端运动的参考轨迹与控制器增益，得到良好的变阻抗控制效果，以期望形式运动到理想的目标点。
-
公开(公告)号：CN113327295A
公开(公告)日：2021-08-31
申请号：CN202110680313.6
申请日：2021-06-18
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于级联全卷积神经网络的机器人快速抓取方法，该方法包括：S1、基于编码‑解码的网络结构设计一种机器人最佳抓取位置和角度的级联全卷积神经网络；S2、Conell数据集增强，后输入设计好的神经网络中训练；S3、对深度摄像头进行标定；S4、根据训练好的模型对标定后的摄像头获得的深度信息获取最合适的抓取位置和角度；S5、根据最佳的抓取策略，进行机器人抓取。本发明提出了一种基于全卷积神经网络模型的抓取方法，通过深度图像获得最佳抓取策略，实现了端到端的机器人抓取，提高了抓取的精度和速度。
-
公开(公告)号：CN112507943A
公开(公告)日：2021-03-16
申请号：CN202011499627.8
申请日：2020-12-18
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于多任务神经网络的视觉定位导航方法、系统及介质，其中方法包括：设计多任务神经网络模型，所述多任务神经网络模型能同时完成目标检测与可通达语义地图构建两个任务；采用开源数据集和自建数据集对所述多任务神经网络模型进行训练及调优，获得最终的多任务神经网络模型；采用所述最终的多任务神经网络模型来实现视觉定位导航。本发明使用的多任务神经网络模型相较单任务网络可提高卷积神经网络的复用率，减小模型的体积并降低计算时延，能够更准确快速地完成AGV视觉定位导航中的目标检测与可通达地图构建分割任务，可广泛应用于计算机视觉技术领域。
-
公开(公告)号：CN113888631B
公开(公告)日：2024-05-24
申请号：CN202111017083.1
申请日：2021-08-31
Applicant: 华南理工大学
IPC: G06T7/73 , G06N3/0464 , G06N3/08 , G06T7/11
Abstract: 本发明公开了一种基于目标裁剪区域的指定物体抓取方法，包括以下步骤：S1、采集实际抓取场景的RGB图像和深度图像；S2、对采集的深度图像和RGB图像进行对齐和裁剪操作；S3、将处理后的RGB图像数据流输入目标检测网络，输出当前场景中抓取物体位置和区域；S4、将处理后的深度图像输出训练好的全卷积神经网络中，得到整个场景的抓取位姿；S5、根据目标检测的结果和整个场景的抓取位姿生成指定目标物体的抓取位姿；S6、将抓取位姿转化为机械臂操作空间的抓取位姿；S7、设置机器人抓取轨迹并完成抓取。本发明能够完成在多目标的场景中对指定的目标物体进行抓取操作，建立的级联全卷积神经网络具有轻量并准确率高的优点。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.017 seconds)
