-
公开(公告)号：CN117889867B
公开(公告)日：2024-05-24
申请号：CN202410304943.7
申请日：2024-03-18
Applicant: 南京师范大学
Abstract: 本发明公开了一种基于局部自注意力移动窗口算法的路径规划方法，获取当前作业环境的RGB图像，并进行预处理并变换为灰度图；进行边缘检测后获得二值化图像，通过激活函数得到边缘自注意力权重；根据灰度图分割后的图像块的海塞矩阵特征值的熵得到曲率自注意力权重；通过边缘自注意力权重和曲率自注意力权重改进自监督注意力语义分割网络，通过改进的网络获得含有语义信息的图像，根据连续时刻获得的图像预测障碍物的运动方向，从而选择机器人的运动方向。引入海塞矩阵的熵得到新的自注意力权重，加强物体边缘的分割；引入边缘检测得到的自注意力权重，加强图像中颜色变化较大部分的分割，提高边缘分割的准确性，从而提高避障的成功率。
-
Patent Agency Ranking
公开(公告)号：CN118982582B
公开(公告)日：2025-01-14
申请号：CN202411450929.4
申请日：2024-10-17
Applicant: 南京师范大学
IPC: G06T7/73 , B25J9/16 , G06V20/56 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于Grasp‑CAD目标检测模型的抓取目标定位方法，通过引入CBAM注意力机制的C3模块和用于对FPN和PAN不同尺度的特征自适应特征缩放融合的AFRC模块的Grasp‑CAD目标检测模型处理图像数据，得到图像数据中目标物体的检测框的坐标；根据检测框的坐标，获得目标物体相对机械臂末端的位置。检测模型中采用引入CBAM注意力机制的C3模块，提升了对遮挡物检测的适应性及性能，模型特征提取能力强，对于遮挡目标能够检测出来，Neck模块自适应特征缩放融合AFRC模块提升检测速度，模型占用内存小，易于部署在机器人系统。
-
公开(公告)号：CN118038103A
公开(公告)日：2024-05-14
申请号：CN202410432780.0
申请日：2024-04-11
Applicant: 南京师范大学
IPC: G06V10/762 , G06V10/74 , G06V10/764
Abstract: 本发明公开了一种基于改进动态扩展模型自适应算法的视觉回环检测方法，获取环境图像并进行标签定义，获得图像的特征标签矩阵；获取聚类图像，通过原图像与聚类图像之间的相似性计算，得到特征标签矩阵的非相似性值；并与阈值比较后进行特征标签矩阵划分；对划分后的强数据标签集合和正常数据标签集合进行改进的原型聚类处理，将正常数据标签集合聚类到聚类图像中的聚类中心附近，将强数据标签集合嵌套到距聚类图像中的聚类中心更远处，形成新的聚类图像；对处理后的图像实现视觉回环检测。采用改进的动态扩展模型自适应算法可排除未知目标域的强数据的污染干扰，保持正常数据样本匹配的精准稳定性，提高回环检测的精准性。
-
公开(公告)号：CN118982582A
公开(公告)日：2024-11-19
申请号：CN202411450929.4
申请日：2024-10-17
Applicant: 南京师范大学
IPC: G06T7/73 , B25J9/16 , G06V20/56 , G06V10/25 , G06V10/44 , G06V10/52 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464
Abstract: 本发明公开了一种基于Grasp‑CAD目标检测模型的抓取目标定位方法，通过引入CBAM注意力机制的C3模块和用于对FPN和PAN不同尺度的特征自适应特征缩放融合的AFRC模块的Grasp‑CAD目标检测模型处理图像数据，得到图像数据中目标物体的检测框的坐标；根据检测框的坐标，获得目标物体相对机械臂末端的位置。检测模型中采用引入CBAM注意力机制的C3模块，提升了对遮挡物检测的适应性及性能，模型特征提取能力强，对于遮挡目标能够检测出来，Neck模块自适应特征缩放融合AFRC模块提升检测速度，模型占用内存小，易于部署在机器人系统。
-
公开(公告)号：CN118038103B
公开(公告)日：2024-06-14
申请号：CN202410432780.0
申请日：2024-04-11
Applicant: 南京师范大学
IPC: G06V10/762 , G06V10/74 , G06V10/764
Abstract: 本发明公开了一种基于改进动态扩展模型自适应算法的视觉回环检测方法，获取环境图像并进行标签定义，获得图像的特征标签矩阵；获取聚类图像，通过原图像与聚类图像之间的相似性计算，得到特征标签矩阵的非相似性值；并与阈值比较后进行特征标签矩阵划分；对划分后的强数据标签集合和正常数据标签集合进行改进的原型聚类处理，将正常数据标签集合聚类到聚类图像中的聚类中心附近，将强数据标签集合嵌套到距聚类图像中的聚类中心更远处，形成新的聚类图像；对处理后的图像实现视觉回环检测。采用改进的动态扩展模型自适应算法可排除未知目标域的强数据的污染干扰，保持正常数据样本匹配的精准稳定性，提高回环检测的精准性。
-
公开(公告)号：CN117889867A
公开(公告)日：2024-04-16
申请号：CN202410304943.7
申请日：2024-03-18
Applicant: 南京师范大学
Abstract: 本发明公开了一种基于局部自注意力移动窗口算法的路径规划方法，获取当前作业环境的RGB图像，并进行预处理并变换为灰度图；进行边缘检测后获得二值化图像，通过激活函数得到边缘自注意力权重；根据灰度图分割后的图像块的海塞矩阵特征值的熵得到曲率自注意力权重；通过边缘自注意力权重和曲率自注意力权重改进自监督注意力语义分割网络，通过改进的网络获得含有语义信息的图像，根据连续时刻获得的图像预测障碍物的运动方向，从而选择机器人的运动方向。引入海塞矩阵的熵得到新的自注意力权重，加强物体边缘的分割；引入边缘检测得到的自注意力权重，加强图像中颜色变化较大部分的分割，提高边缘分割的准确性，从而提高避障的成功率。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
