-
公开(公告)号：CN115220448B
公开(公告)日：2025-04-04
申请号：CN202210831716.0
申请日：2022-07-15
Applicant: 南京师范大学
Abstract: 本发明公开了一种基于稀疏化可视图的机器人快速路径规划方法，其特征在于，包括：针对激光雷达采集得到的点云信息，通过PCL点云库进行点云降采样得到稀疏点云；将得到的稀疏点云使用空洞网格结构进行存储，并且将稀疏点云平面投影得到二值图像，进行图像模糊得到模糊图像；将模糊图像进行轮廓点的提取，得到障碍物的轮廓特征点，并将障碍物的轮廓特征点进行过滤；通过过滤后的障碍物的轮廓特征点构建可视图；使用双向BFS搜索寻找最优路径，并且在路径规划的过程中，剔除障碍物。本发明算法运行速度快，具有良好的实时性；缩短了构建地图和路径规划所需要的时间，同时减少了机器人在未知环境中探索造成的空间浪费，具有抗复杂环境干扰性强等优点。
-
公开(公告)号：CN116079749B
公开(公告)日：2023-06-20
申请号：CN202310369994.3
申请日：2023-04-10
Applicant: 南京师范大学
IPC: B25J9/16 , G06V20/50 , G06V10/762 , G06V10/26 , G06V10/80 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种基于聚类分离条件随机场的机器人视觉避障方法及机器人，所述方法包括：利用深度双目相机采集机器人行驶过程中遇到的障碍物图像，提取特征图；基于特征图生成所有候选框，并进行提取和过滤；在过滤后的候选框中选择正负样本，计算目标物的真实权重，将过滤后的候选框映射到同一个尺寸固定的特征图上，将映射后的特征图输入全连接层，对图像进行目标检测识别；基于识别出的目标，利用融合聚类分离的条件随机场进行边缘分割；基于边缘分割结果确定障碍物的位置，根据得到的障碍物位置和深度双目相机测得的深度信息进行避障。本发明能够有效提高障碍物检测识别和边缘分割的精度和效率，改善机器人避障的效果。
-
公开(公告)号：CN116520849A
公开(公告)日：2023-08-01
申请号：CN202310626073.0
申请日：2023-05-30
Applicant: 南京师范大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于双层数据结构的机器人实时最优轨迹规划方法，包括：获取机器人周围环境信息，提取障碍物边缘特征点并转化为一组封闭的多边形，连接可见性边形成局部可视图；对动态障碍物直接消除可见性边缘并重新连接可见性边缘再合并到全局层，并找到起点到终点的最短路径；同时分解横、纵向运动轨迹并对轨迹进行建模，将得到的最短路径转化为时间参数化轨迹，利用代价函数选择合适的控制点并计算各个轨迹的成本，获取局部最优轨迹，并以此作为局部层；检验局部最优轨迹的合理性，通过全局层获取到全局最优轨迹。本发明能够实现移动机器人在未知环境下找到最优行驶轨迹，具有实时性良好、低成本运算、运行效率高的优点。
-
公开(公告)号：CN115984558A
公开(公告)日：2023-04-18
申请号：CN202211683146.1
申请日：2022-12-27
Applicant: 南京师范大学
Abstract: 本发明公开了一种遮挡环境下的目标分割补全及识别方法，包括：采集遮挡环境下的两张连续视频序列图像，将图像从RGB空间转换到YCbCr颜色空间，提取Y分量进行归一化处理；进行均值聚类分割，获得两张遮挡环境下的分割图像；进行边缘提取与边缘跟踪，通过改进插值算法实现采摘目标的轮廓重建，再根据两张遮挡环境下轮廓重建的分割图像计算生成拟合矩形框；进行相对准确率的计算，对遮挡修复图像进行识别，获得遮挡环境下的采摘目标分割补全及识别图像。本发明为遮挡环境下的采摘目标分割补全及识别提供了一种有效方法，并且创新性地使用一种改进的插值算法对采摘目标进行轮廓补全，具有实用性强、轮廓补全精确度高、抗背景环境干扰能力强的优点。
-
公开(公告)号：CN116079749A
公开(公告)日：2023-05-09
申请号：CN202310369994.3
申请日：2023-04-10
Applicant: 南京师范大学
IPC: B25J9/16 , G06V20/50 , G06V10/762 , G06V10/26 , G06V10/80 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种基于聚类分离条件随机场的机器人视觉避障方法及机器人，所述方法包括：利用深度双目相机采集机器人行驶过程中遇到的障碍物图像，提取特征图；基于特征图生成所有候选框，并进行提取和过滤；在过滤后的候选框中选择正负样本，计算目标物的真实权重，将过滤后的候选框映射到同一个尺寸固定的特征图上，将映射后的特征图输入全连接层，对图像进行目标检测识别；基于识别出的目标，利用融合聚类分离的条件随机场进行边缘分割；基于边缘分割结果确定障碍物的位置，根据得到的障碍物位置和深度双目相机测得的深度信息进行避障。本发明能够有效提高障碍物检测识别和边缘分割的精度和效率，改善机器人避障的效果。
-
Patent Agency Ranking
公开(公告)号：CN115223080A
公开(公告)日：2022-10-21
申请号：CN202210831695.2
申请日：2022-07-15
Applicant: 南京师范大学
IPC: G06V20/40 , G06V10/25 , G06V10/26 , G06V10/42 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于非局部特征聚合神经网络的目标分割方法，包括：采集目标视频，提取视频的原始分帧图像，得到小样本数据集；搭建非局部特征聚合神经网络模型，训练非局部特征聚合神经网络模型得到目标分割网络；再次采集目标视频，计算图像中每个目标的分割质量评估分数；根据分割质量评估分数判断图像质量，低质量图像继续训练，保留高质量图像中目标轮廓关键点；通过BAS‑DP轻量化算法优化目标轮廓关键点，得到目标分割结果。本发明具有精度高、训练数据量少、环境适应性强和分割效果好的优点。
-
公开(公告)号：CN115220448A
公开(公告)日：2022-10-21
申请号：CN202210831716.0
申请日：2022-07-15
Applicant: 南京师范大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于稀疏化可视图的机器人快速路径规划方法，其特征在于，包括：针对激光雷达采集得到的点云信息，通过PCL点云库进行点云降采样得到稀疏点云；将得到的稀疏点云使用空洞网格结构进行存储，并且将稀疏点云平面投影得到二值图像，进行图像模糊得到模糊图像；将模糊图像进行轮廓点的提取，得到障碍物的轮廓特征点，并将障碍物的轮廓特征点进行过滤；通过过滤后的障碍物的轮廓特征点构建可视图；使用双向BFS搜索寻找最优路径，并且在路径规划的过程中，剔除障碍物。本发明算法运行速度快，具有良好的实时性；缩短了构建地图和路径规划所需要的时间，同时减少了机器人在未知环境中探索造成的空间浪费，具有抗复杂环境干扰性强等优点。
-
公开(公告)号：CN116911331A
公开(公告)日：2023-10-20
申请号：CN202310809395.9
申请日：2023-07-04
Applicant: 南京师范大学 , 南京三万物联网科技有限公司
Abstract: 本发明公开了一种基于改进自适应阈值分割的AprilTag码识别及解码方法，包括如下步骤：采集含有AprilTag的场景图像；对采集的场景图像进行光度变化处理；对光度变化处理后的场景图像进行改进的自适应阈值分割；通过union‑find算法对处理后的场景图像进行连通域查找；对查找连通域后的场景图像进行四边形检测与单应变换；对场景图像进行编码解码，且将得到的代码与编码库中的代码进行匹配，实现AprilTag码的识别解码。本发明可以能够在大光度条件下，减少噪点，减少了大光度变化对AprilTag识别精度的影响，实现更高精准度识别解码AprilTag。
-
公开(公告)号：CN115984852A
公开(公告)日：2023-04-18
申请号：CN202211683160.1
申请日：2022-12-27
Applicant: 南京师范大学
IPC: G06V30/14 , G06V30/148 , G06V30/18 , G06V20/50 , G06V20/62 , G06V10/82 , G06N3/047 , G06N3/048 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/084
Abstract: 本发明公开了一种基于优化参数和China‑chess‑net的棋子目标定位和识别方法，包括：采集多张完整象棋棋盘的图像，得到象棋数据集；搭建和训练China‑chess‑net网络结构，得到象棋识别模型；使用卷积神经网络优化参数的改进Canny边缘检测算法和BP神经网络优化参数的改进霍夫圆检测定位算法，对棋盘图像中的棋子进行定位并且保存棋盘中的棋子图片和位置信息；将卷积神经网络优化参数的改进Canny边缘检测算法和BP神经网络优化参数的改进霍夫圆检测定位算法与China‑chess‑net识别算法融合，得到每个棋子的位置信息和类别信息。本发明具有训练数据量极少，检测棋子位置和类别精度极高，摄像头实时检测速度快，适应复杂灯光环境等优点，可用于人工智能，圆形目标物体的检测，中国象棋人机对弈等方面。
-
公开(公告)号：CN115888062A
公开(公告)日：2023-04-04
申请号：CN202211683696.3
申请日：2022-12-27
Applicant: 南京师范大学
IPC: A63F3/02 , G06V10/44 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种基于分类检测框架及行棋决策网络的人机对弈方法，包括：通过摄像头采集棋盘图像数据信息，将棋盘图像数据信息送入检测网络获取棋子坐标与类别信息；检测完毕后将象棋类别位置映射到二维规范虚拟棋盘，完成坐标系转换与可视化；将二维规范虚拟棋盘数据转化为fen码标准格式通过调用api接口送入搭建的决策网络获取行棋指令；获取行棋指令后，经过数据处理生成机械臂所需的坐标信息控制机械臂抓取棋子实现走棋。本发明为实现人机对弈提供解决方法，具有人机交互性强、检测精度高、行棋决策速度快、水平高、抗复杂环境干扰性强的优点。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.021 seconds)
