-
公开(公告)号：CN117681211B
公开(公告)日：2024-07-16
申请号：CN202410092666.8
申请日：2024-01-23
Applicant: 哈尔滨工业大学
IPC: B25J9/16
Abstract: 基于深度学习的二指欠驱动机械手爪抓取位姿检测方法，属于机器人技术领域。通过建立位姿映射函数、建立深度学习网络预测模型、制作数据集，实现基于深度学习的二指欠驱动机械手爪抓取位姿的检测。包括以下步骤：S1.建立物体与二指欠驱动机械手爪之间的位姿映射函数；S2.根据位姿映射函数，构建深度学习网络预测模型；S3.制作数据集，并将数据集划分为预测模型的训练集、验证集和测试集。S4.利用S2的预测模型实现二指欠驱动机械手爪对物体的抓取位姿的预测。本发明能够通过深度学习的方式，准确地检测到物体的最优抓取位置并确定二指欠驱动机械手爪在运动到该位置时对物体的最优抓取位姿；本发明不仅具有较高的检测准确率，而且泛化性较好。
-
Patent Agency Ranking
公开(公告)号：CN109712172A
公开(公告)日：2019-05-03
申请号：CN201811625723.5
申请日：2018-12-28
Applicant: 哈尔滨工业大学
Abstract: 一种初始位姿测量结合目标追踪的位姿测量方法，属于计算机视觉领域。本发明的目的是针对不规则运动的目标，实现视频序列中运动目标位姿参数的实时输出。技术要点：目标的初始位姿测量，目标的初始位姿测量用于启动后续的目标追踪，实现位姿参数的实时输出；包括参考位姿的测量、特征点的提取与匹配、基于多点匹配的位姿测量；目标追踪，包括边缘特征的搜索与匹配、点特征的追踪与匹配、位姿参数的非线性优化求解。本发明将目标的初始位姿与目标追踪方法相结合，实现视频序列中运动目标位姿参数的实时输出；本发明对环境的变化具有一定的适应能力，而且针对物体被局部遮挡时也能测量出其位姿。
-
公开(公告)号：CN117681211A
公开(公告)日：2024-03-12
申请号：CN202410092666.8
申请日：2024-01-23
Applicant: 哈尔滨工业大学
IPC: B25J9/16
Abstract: 基于深度学习的二指欠驱动机械手爪抓取位姿检测方法，属于机器人技术领域。通过建立位姿映射函数、建立深度学习网络预测模型、制作数据集，实现基于深度学习的二指欠驱动机械手爪抓取位姿的检测。包括以下步骤：S1.建立物体与二指欠驱动机械手爪之间的位姿映射函数；S2.根据位姿映射函数，构建深度学习网络预测模型；S3.制作数据集，并将数据集划分为预测模型的训练集、验证集和测试集。S4.利用S2的预测模型实现二指欠驱动机械手爪对物体的抓取位姿的预测。本发明能够通过深度学习的方式，准确地检测到物体的最优抓取位置并确定二指欠驱动机械手爪在运动到该位置时对物体的最优抓取位姿；本发明不仅具有较高的检测准确率，而且泛化性较好。
-
公开(公告)号：CN113305848B
公开(公告)日：2022-06-07
申请号：CN202110656602.2
申请日：2021-06-11
Applicant: 哈尔滨工业大学
IPC: B25J9/16
Abstract: 一种基于YOLO v2网络的实时抓取检测方法，涉及计算机视觉技术领域，针对现有技术中机器人抓取准确性低的问题，包括步骤一：获取目标物图像，并将目标物图像的大小调整为n*n像素，所述128＜n＜256；步骤二：提取目标物图像中的全部特征及全部特征对应的5维度抓取参数，然后对全部特征及全部特征对应的5维度抓取参数构建抓取检测数据集；步骤三：利用抓取检测数据集对YOLO v2网络进行训练，并定义损失函数；步骤四：利用训练好的神经网络进行抓取检测。本申请能够有效检测到抓取区域，抓取精度高。
-
公开(公告)号：CN113305848A
公开(公告)日：2021-08-27
申请号：CN202110656602.2
申请日：2021-06-11
Applicant: 哈尔滨工业大学
IPC: B25J9/16
Abstract: 一种基于YOLO v2网络的实时抓取检测方法，涉及计算机视觉技术领域，针对现有技术中机器人抓取准确性低的问题，包括步骤一：获取目标物图像，并将目标物图像的大小调整为n*n像素，所述128＜n＜256；步骤二：提取目标物图像中的全部特征及全部特征对应的5维度抓取参数，然后对全部特征及全部特征对应的5维度抓取参数构建抓取检测数据集；步骤三：利用抓取检测数据集对YOLO v2网络进行训练，并定义损失函数；步骤四：利用训练好的神经网络进行抓取检测。本申请能够有效检测到抓取区域，抓取精度高。
-
公开(公告)号：CN109697706A
公开(公告)日：2019-04-30
申请号：CN201811630879.2
申请日：2018-12-28
Applicant: 哈尔滨工业大学
IPC: G06T5/00
Abstract: 一种低对比度图像的自定义区域增强方法，涉及一种图像增强方法，属于图像处理领域。本发明为了解决低对比度的图像在增强的过程中出现的细节丢失、只对特定区域进行增强等问题。技术要点：将低对比度图像转化为灰度图像；根据实际应用需求，选中要进行增强处理的区域，并在灰度图像中显示出选中区域的图像；对选中的区域进行增强处理。本发明只针对低对比度图像中自定义选取的区域进行增强，其余区域的对比度保持不变。可在低对比度图像中任意选择区域的位置和尺寸，并对选定区域进行增强处理。在对低对比度图像的不同位置和尺寸的区域进行增强时，均取得了良好的增强效果，鲁棒性较强。适用于光照较弱、对比度较低、不容易进行处理与分析的图像。
-
-
-
-
-
Search Results
6
records
(took 0.023 seconds)
