一种基于期望-最大化算法的批次状态估计方法

    公开(公告)号:CN118410269A

    公开(公告)日:2024-07-30

    申请号:CN202410622171.1

    申请日:2024-05-20

    Applicant: 同济大学

    Inventor: 刘钦源 聂尧

    Abstract: 本发明公开了一种基于期望‑最大化算法的批次状态估计方法,包括:采用期望‑最大化思想作为基础框架,通过混合高斯模型(GMM)拟合没有解析表达形式的后验分布,并利用杰森不等式放缩的策略,结合对系统状态的观测值,得到了状态相关丢包环境下对远程状态的最优估计。根据本发明,该方法解决了状态相关丢包引入的非线性问题,提出了一种批次处理的估计算法,并得到了闭合形式的最优解,提高了估计的鲁棒性和准确性。

    一种多智能体系统状态估计方法

    公开(公告)号:CN113848703A

    公开(公告)日:2021-12-28

    申请号:CN202110999034.6

    申请日:2021-08-28

    Applicant: 同济大学

    Abstract: 本发明公开了一种多智能体系统状态估计方法,基于动力学模型,得到当前时刻智能体对其相邻智能体的观测状态值;基于增广模型的状态预测方程,得到所述智能体和其相邻智能体在上一时刻对当前时刻的增广模型的状态预测值;通过传输信道量化并传输相邻智能体在上一时刻对当前时刻的增广模型的状态预测值;基于增广模型的状态估计方程,得到所述智能体在当前时刻的增广模型的状态估计值;基于增广模型状态与动力学模型状态的变换方程,得到所述智能体在当前时刻的动力学模型的状态估计值;本发明能够获取自身观测与其他节点的相对观测,利用量化信道传输状态预测值,通过分布式二次滤波实现状态估计,减少算法计算量并提高准确度。

    基于点云数据的不规则物体体积测定方法及系统

    公开(公告)号:CN113610916A

    公开(公告)日:2021-11-05

    申请号:CN202110674138.X

    申请日:2021-06-17

    Applicant: 同济大学

    Abstract: 本发明提供了基于点云数据的不规则物体体积测定方法和系统,将被测不规则物体的点云数据的信息投影到空间系Z轴,确定z轴上的概率密度函数,进而确定z轴投影上的曲率函数,利用曲率函数计算z轴投影上各点的曲率;根据各点的曲率、设定的基准间距、基准曲率和相对间距系数确定z轴上相邻切片间距较优长度列表;按照列表对点云进行切片,依次得到z轴方向点云台体;对每一切片横截面进行边界检测并计算各个点云切片的横截面面积;根据各个点云切片的横截面面积以及各个台体的高度确定各台体的体积,将全部台体加和得到被测不规则物体的最终体积。本发明测定过程简单,结果可靠、高效、精度可控。

    基于点云数据的不规则物体体积测定方法及系统

    公开(公告)号:CN113610916B

    公开(公告)日:2024-04-12

    申请号:CN202110674138.X

    申请日:2021-06-17

    Applicant: 同济大学

    Abstract: 本发明提供了基于点云数据的不规则物体体积测定方法和系统,将被测不规则物体的点云数据的信息投影到空间系Z轴,确定z轴上的概率密度函数,进而确定z轴投影上的曲率函数,利用曲率函数计算z轴投影上各点的曲率;根据各点的曲率、设定的基准间距、基准曲率和相对间距系数确定z轴上相邻切片间距较优长度列表;按照列表对点云进行切片,依次得到z轴方向点云台体;对每一切片横截面进行边界检测并计算各个点云切片的横截面面积;根据各个点云切片的横截面面积以及各个台体的高度确定各台体的体积,将全部台体加和得到被测不规则物体的最终体积。本发明测定过程简单,结果可靠、高效、精度可控。

    一种基于层次式注意力网络的医学图像半监督分割方法

    公开(公告)号:CN117094982A

    公开(公告)日:2023-11-21

    申请号:CN202311222669.0

    申请日:2023-09-21

    Applicant: 同济大学

    Abstract: 本发明公开了一种基于层次式注意力网络的医学图像半监督分割方法,包括:S1、通过基于StyleGAN2的层次式注意力生成对抗网络结构为层次式注意力生成模型;S2、通过以残差网络为骨干的编码器将生物医学图像编码到低维隐空间,然后用训练好的层次式注意力生成对抗网络生成相应的语义分割掩码;S3、对层次式注意力生成模型中的尾部双分支生成器的某一层提取的特征图应用k‑means聚类算法,并将聚类结果作为输入图像的最终分割掩码;S4、将输入图像编码到隐空间,得到了输入图像在隐空间的语义表示,实现医学图像数据集的跨域分割。根据本发明,通过将输入图像编码到隐空间,可以实现不同数据集之间的跨域分割,具有较好的半监督分割性能和跨域分割性能,可被广泛应用于医学图像分割领域。

    建筑垃圾分拣机械手抓取控制方法及装置

    公开(公告)号:CN113400316B

    公开(公告)日:2023-01-20

    申请号:CN202110777414.5

    申请日:2021-07-09

    Applicant: 同济大学

    Abstract: 本发明提供一种建筑垃圾分拣机械手抓取控制方法及装置,包括以下步骤:获取抓取控制装置的实际抓取力、实际角度、实际位置以及待抓取物的期望抓取力;基于所述实际抓取力和所述期望抓取力,应用阻抗控制算法,确定待抓取物的位置修正量;基于所述实际抓取力、所述实际位置以及所述期望抓取力,应用预设的参数估计算法,确定待抓取物的期望位置;基于所述位置修正量和所述期望位置,应用逆运动学计算法,确定抓取控制装置的期望角度。本发明的建筑垃圾分拣机械手抓取控制方法及装置不但确保抓取控制装置在预估待抓取物的位置和表面刚度有偏差或抓取过程中待抓取物的表面刚度有变化时仍可作出自适应调整以实现稳定抓取;而且保证了待抓取物的分拣效率。

    一种基于元深度学习的建筑垃圾精细分类方法、装置

    公开(公告)号:CN113435514A

    公开(公告)日:2021-09-24

    申请号:CN202110723467.9

    申请日:2021-06-29

    Applicant: 同济大学

    Abstract: 本发明涉及一种基于元深度学习的建筑垃圾精细分类方法、装置,方法包括:构建包括分别用于对建筑垃圾2D图像、建筑垃圾3D图像和建筑垃圾光谱图像中建筑垃圾分类的第一分类网络、第二分类网络和第三分类网络;采集图像构建训练集,基于元深度学习算法训练所述的第一分类网络、第二分类网络和第三分类网络;采集建筑垃圾2D图像和建筑垃圾3D图像,并利用第一分类网络和第二分类网络进行第一阶段预测,当第一阶段预测结果置信度大于设定阈值则输出建筑垃圾类别,否则采集建筑垃圾光谱图像并输入至第三分类网络进行第二阶段预测并输出建筑垃圾类别。与现有技术相比,本发明具有分类结果准确的优点。

    建筑垃圾分拣机械手抓取控制方法及装置

    公开(公告)号:CN113400316A

    公开(公告)日:2021-09-17

    申请号:CN202110777414.5

    申请日:2021-07-09

    Applicant: 同济大学

    Abstract: 本发明提供一种建筑垃圾分拣机械手抓取控制方法及装置,包括以下步骤:获取抓取控制装置的实际抓取力、实际角度、实际位置以及待抓取物的期望抓取力;基于所述实际抓取力和所述期望抓取力,应用阻抗控制算法,确定待抓取物的位置修正量;基于所述实际抓取力、所述实际位置以及所述期望抓取力,应用预设的参数估计算法,确定待抓取物的期望位置;基于所述位置修正量和所述期望位置,应用逆运动学计算法,确定抓取控制装置的期望角度。本发明的建筑垃圾分拣机械手抓取控制方法及装置不但确保抓取控制装置在预估待抓取物的位置和表面刚度有偏差或抓取过程中待抓取物的表面刚度有变化时仍可作出自适应调整以实现稳定抓取;而且保证了待抓取物的分拣效率。

Patent Agency Ranking