-
公开(公告)号：CN116758217A
公开(公告)日：2023-09-15
申请号：CN202310651082.5
申请日：2023-06-05
Applicant: 吉林大学
Abstract: 本发明涉及一种基于固定传感器的物体表面三维重建方法，用于恢复物体的三维模型。首先，按两个方向使用已固定的Kinectv2深度相机针对旋转台上的物体采样，其中每个方向均匀地采集目标物体在不同角度下的点云数据并按照采集方向将其分成正面和上面两组。然后，通过RANSAC平面拟合针对所有点云预处理，消除背景及噪声点，提高点云质量；接着利用FGR、ICP算法分别对两组数据进行点云配准，得到正面、上面两个方向的配准点云。之后，通过DBSCAN去除离群点进一步提高点云质量；利用体素降采样与曲率降采样相结合的混合降采样算法减少点云数量；通过RANSAC、ICP算法将两个方向点云配准至一个点云空间。最后，采用泊松曲面重建算法进行表面重建，获得完整的360°三维重建模型。
-
公开(公告)号：CN114454199A
公开(公告)日：2022-05-10
申请号：CN202210127436.1
申请日：2022-02-11
Applicant: 吉林大学
Abstract: 本发明涉及一种基于数据控制算法的末端执行器及其设计方法，针对农业场景自动化生产设备抓取成功率低，损伤大的问题，提出一种基于数据驱动控制的末端执行器系统，包括执行器结构与控制方法两个方面，所述末端执行器机械结构包括：红外位置传感器、连接接口、连接机构、舵机、驱动机构、基座、平行四连杆机构、压力传感器和弧面夹指。本发明采用数据驱动控制算法，设计了PID控制器和偏格式动态线性化无模型自适应(PFDL‑MFAC)控制器，实现了末端执行器系统的力跟踪控制策略。通过RecurDyn和Matlab机械‑控制联合仿真，验证了机械结构的合理性和控制方法的有效性。本发明提高系统跟踪期望抓取力的性能，可以减小末端执行器抓取和搬运球形果蔬的损伤程度。
-
公开(公告)号：CN116152212A
公开(公告)日：2023-05-23
申请号：CN202310177620.1
申请日：2023-02-28
Applicant: 吉林大学
Abstract: 本发明公开了一种汽车覆盖件表面凹坑、凸点和孔洞缺陷检测方法，包括如下步骤：S1、获取具有缺陷覆盖件表面的3D点云图；S2、对采集到的点云图进行异常值去除处理；S3、对点云图进行识别缺陷，并输出缺陷位置坐标。本发明主要目的在于提出一种基于机器视觉的汽车覆盖件表面凹坑、凸点和孔洞缺陷检测方法。通过采集汽车覆盖件表面点云图，预处理结束的3D点云图进行凹坑、凸点和孔洞缺陷分析，识别出缺陷的位置，缩短生产周期降低生产成本，提升产品竞争力。
-
公开(公告)号：CN114444613B
公开(公告)日：2024-12-17
申请号：CN202210127425.3
申请日：2022-02-11
Applicant: 吉林大学
IPC: G06V10/764 , G06N3/0455 , G06N3/0464 , G06N3/084 , G06V20/64 , G06T7/11 , G06V10/762 , G06V10/80 , G06V10/82
Abstract: 本发明涉及一种基于3D点云信息的物体分类与物体分割方法，属于3D点云处理领域，尤其涉及无序点云难处理、点云特征难提取领域。本发明在提取点云特征中，为了提取更多的有效信息，本发明提出并使用了一种全新的联合式全局特征与局部特征结构。在提取高维特征时提出一种新式的提取机制代替传统的对称函数。通过大量实验可以表明我们设计的神经网络可以解决多种点云任务，包括但不局限于物体分类、物体分割、场景分割等。本发明的有益效果：所设计的针对点云识别和分割算法主要设计新的Mix‑Net专用神经网络设计，并从下采样算法，特征值提取以及融合机制等多个模块进行创新发明，对于点云识别和分割准确率都有明显提升。
-
公开(公告)号：CN114444613A
公开(公告)日：2022-05-06
申请号：CN202210127425.3
申请日：2022-02-11
Applicant: 吉林大学
IPC: G06K9/62 , G06N3/04 , G06N3/08 , G06T7/11 , G06V10/764 , G06V10/762 , G06V10/80 , G06V10/82
Abstract: 本发明涉及一种基于3D点云信息的物体分类与物体分割方法，属于3D点云处理领域，尤其涉及无序点云难处理、点云特征难提取领域。本发明在提取点云特征中，为了提取更多的有效信息，本发明提出并使用了一种全新的联合式全局特征与局部特征结构。在提取高维特征时提出一种新式的提取机制代替传统的对称函数。通过大量实验可以表明我们设计的神经网络可以解决多种点云任务，包括但不局限于物体分类、物体分割、场景分割等。本发明的有益效果：所设计的针对点云识别和分割算法主要设计新的Mix‑Net专用神经网络设计，并从下采样算法，特征值提取以及融合机制等多个模块进行创新发明，对于点云识别和分割准确率都有明显提升。
-
Patent Agency Ranking
公开(公告)号：CN114322835A
公开(公告)日：2022-04-12
申请号：CN202210007101.6
申请日：2022-01-05
Applicant: 吉林大学
IPC: G01B11/24
Abstract: 本发明涉及玻璃曲率检测技术领域，且公开了一种汽车天窗玻璃曲率检测装置与方法，包括曲面测量仪，曲面测量仪顶部固定有控制台，曲面测量仪顶部设置有摄像头，曲面测量仪内壁固定有两个限位块，两个限位块顶部均开设有第一凹槽，两个第一凹槽内壁均滑动有卡块。本发明中，通过横杆向下滑动，此时顶针落至玻璃上，通过转动第二螺栓使第二螺栓向横杆方向移动，从而使横杆受限，将横杆进行挤压限位，通过这样的方式，将卡块与限位块之间固定，通过摄像头对三个顶针较窄的一端选取位置，通过控制台测量和计算弧线弯曲程度，相对传统的设备，该设备可对安装完成的汽车天窗玻璃进行曲面计算和测量，使用起来更加便捷。
-
公开(公告)号：CN117078956A
公开(公告)日：2023-11-17
申请号：CN202311128982.8
申请日：2023-09-04
Applicant: 吉林大学
IPC: G06V10/44 , G06V10/80 , G06V10/82 , G06V20/64 , G06V10/26 , G06V10/764 , G06N3/045 , G06N3/0895
Abstract: 本发明公开了一种为了解决现有技术缺陷提出了一种基于点云并行多尺度特征提取和注意力机制的点云分类分割网络Parallel‑Net，具体涉及一种基于点云多尺度并行特征提取和注意力机制的点云分类分割网络，旨在提升准确率。该方法采用并行多尺度特征提取和交叉注意力机制，包括以下步骤：1)输入点云数据，进行特征学习；2)通过降采样算法进行特征抽取和采样；3)引入自注意力机制计算位置相关性；4)使用交叉注意力处理多个下采样后的点云特征；5)应用上采样算法传递特征信息。该发明能有效提取3D点云特征，提高点云分类和实体分割准确率。
-
公开(公告)号：CN116740121A
公开(公告)日：2023-09-12
申请号：CN202310707836.4
申请日：2023-06-15
Applicant: 吉林大学
IPC: G06T7/194 , G06V10/42 , G06V10/44 , G06V10/771 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种基于专用神经网络和图像预处理的秸秆图像分割方法，以提高秸秆图像分割的准确率和效率，并实现复杂度和准确率的平衡。旨在解决秸秆农学图像分割任务。该算法首先通过无人机采集彩色RGB图像，并使用随机截取技术将图像尺寸限制为512×384，制作Straw320数据集用于后续网络的训练与测试。接下来，提出了一种秸秆图像灰度化方法，旨在保持图像的区分度同时降低后续模型的复杂度。最后，引入了秸秆混合网络(SMN)，用于处理预处理后的图像。该网络包括位置编码模块，以增强秸秆图像的相对信息，并采用平衡复杂度和准确率的混合特征提取模块。
-
公开(公告)号：CN114454199B
公开(公告)日：2024-02-23
申请号：CN202210127436.1
申请日：2022-02-11
Applicant: 吉林大学
Abstract: 本发明涉及一种基于数据控制算法的末端执行器及其设计方法，针对农业场景自动化生产设备抓取成功率低，损伤大的问题，提出一种基于数据驱动控制的末端执行器系统，包括执行器结构与控制方法两个方面，所述末端执行器机械结构包括：红外位置传感器、连接接口、连接机构、舵机、驱动机构、基座、平行四连杆机构、压力传感器和弧面夹指。本发明采用数据驱动控制算法，设计了PID控制器和偏格式动态线性化无模型自适应(PFDL‑MFAC)控制器，实现了末端执行器系统的力跟踪控制策略。通过RecurDyn和Matlab机械‑控制联合仿真，验证了机械结构的合理性和控制方法的有效性。本发明提高系统跟踪期望抓取力的性能，可以减小末端执行器抓取和搬运球形果蔬的损伤程度。
-
公开(公告)号：CN115223032A
公开(公告)日：2022-10-21
申请号：CN202210839011.3
申请日：2022-07-18
Applicant: 吉林大学
IPC: G06V20/05 , G06V10/80 , G06V10/774 , G06V10/764 , G06V10/75 , G06T7/90 , G06T7/11 , G06T5/40 , G06T5/00
Abstract: 本发明公开了一种基于图像处理和神经网络融合的水生物识别与匹配方法，属于水下机器人，海洋资源开发领域。在水下环境中，由于红光通道被衰减，摄像设备采集的图片普遍偏绿，并且针对多种水生物识别，识别难处理慢。现有的算法，基于采集的水下图像直接识别，准确性能较差，并且深度估计是针对整张图，处理速度较慢。本发明针对原始水下图像，进行红光通道补偿，图像预处理实现水下图像的复原。接着使用专用的DarkNet神经网络针对水下多种水生物进行识别分类。最后基于双目摄像设备，使用DBNet中识别符合阈值要求的目标进行ORB匹配得到匹配特征方便后续双目相机计算深度。与现有的算法相比，使用方便，复原的图像质量、水下生物识别率和估计深度精度处理速度都得到提高。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.104 seconds)
