-
公开(公告)号：CN118254169A
公开(公告)日：2024-06-28
申请号：CN202410334795.3
申请日：2024-03-22
Applicant: 河南大学
IPC: B25J9/16 , G06N3/0455 , G06N3/0464 , G06N3/0495 , G06N3/08
Abstract: 本发明公开了一种基于稀疏卷积神经网络的机械臂无序抓取方法、存储介质和电子设备，包括:在Pybullet物理仿真环境中搭建抓取场景；仿真环境中根据场景点云进行抓取点采样，生成训练样本及标签；构建PointGrasp‑Net模型，对PointGrasp‑Net模型进行训练，得到最优权重参数。本发明在仿真环境中采集数据，摆脱真实环境的限制，节省成本。本发明中PointGrasp‑Net网络模型只对有效的3D场景点进行处理而非整个点云空间，计算速度快，能够实时生成抓取姿态，并且根据点云数据的特点，融入了点云的曲率和法线信息，提高抓取成功率。在物体的表面点云上随机生成抓取姿态，不受物体形状结构的影响，随机无序抓取，适用于非结构化场景。
-
公开(公告)号：CN113733088B
公开(公告)日：2024-05-14
申请号：CN202111045806.9
申请日：2021-09-07
Applicant: 河南大学
Abstract: 本发明涉及自适应控制领域，具体涉及一种基于双目视觉的机械臂运动学自标定方法。首先采集数据，通过双目相机获得机械臂末端位置信息、机械臂各关节实际转动角度及理论转动角度。然后将DH理论和手眼标定理论相融合，建立机械臂运动学混合模型。运用多种群自适应差分算法进行模型的训练，求解混合模型参数。最后通过拟合多项式的方法建立起各伺服电机模型，使用最小二乘法进行多项式参数的求解以及补偿预测。本发明所提出的混合模型和伺服电机模型可以极大的降低机械臂所受几何误差的影响，计算出更加实际的模型参数。不需要额外通过示教器建立手眼标定过程中所需的机械臂底座坐标系，可以在保证绝对定位精度的前提下实现标定全程的自动化。
-
公开(公告)号：CN118015707A
公开(公告)日：2024-05-10
申请号：CN202410334773.7
申请日：2024-03-22
Applicant: 河南大学
IPC: G06V40/20 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种手语识别系统中手语动作与非手语动作辨别分类方法、存储介质和电子设备，基于原手语分类网络的预测分数对手语动作进行辨别分类，具体步骤为：分别将若干已训练的手语动作样本和若干非手语动作样本输入手语识别系统的预测网络中得到预测分数；对预测分数进行预处理；搭建用于分类预测分数的分类网络；将预处理后的预测分数输入神经网络中进行训练，将训练好的分类网络置入手语识别系统的手语分类模型输出与最终预测之间，将手语分类模型输出的预测分数进行处理后输入分类网络中，根据分类网络的分类结果判断目标是否为已训练的手语动作。通过本发明可以弥补现有手语识别系统的缺陷，使手语识别系统能够准确地区分。
-
公开(公告)号：CN113933807B
公开(公告)日：2024-05-07
申请号：CN202111063834.3
申请日：2021-09-10
Applicant: 河南大学 , 河南宙合网络科技有限公司
IPC: G01S7/41
Abstract: 本发明提出了一种海杂波背景下基于图像处理的目标检测方法，以数学形态学运算为基础，进行模板匹配和特征点检测，实现岸‑舰双基高频地波雷达的图像域目标检测，为高频地波雷达海杂波背景下的海面目标检测提供了一种新的有效方式。针对海杂波背景下的高频地波雷达回波信号，本发明从图像处理角度匹配检测目标：以岸‑舰双基高频地波雷达方位‑多普勒二维谱图为处理对象，先从图像层面分析二维谱图中海杂波的特征，并据此采用形态学闭运算对二维谱图进行预处理，然后使用基于区域的模板匹配算法匹配检测目标，再根据颜色特征进行特征点检测以排除错误检测区域，从而实现二维谱图中的目标检测。相比于传统的直接抑制或从回波信号中对消海杂波的非图像类处理方式，本发明的目标检测准确率更高，目标检测速度更快，并适用于多目标检测。
-
公开(公告)号：CN113688722B
公开(公告)日：2024-03-22
申请号：CN202110971334.3
申请日：2021-08-21
Applicant: 河南大学
IPC: G06V40/20 , G06V40/10 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了基于图像融合的红外行人目标检测方法，其步骤为：1.建立红外行人目标检测数据集；2.使用训练过的Densefuse网络融合图像；3.构建并训练基于图像融合的YOLOv5红外行人目标检测模型；本发明使用Densefuse网络来融合构建的红外行人目标检测数据集中的可见光图像和红外图像对，加强了图像的质量并减少了冗余信息，得到了一个信息更加丰富的红外行人目标检测数据集；通过使用融合后的红外行人检测数据集来训练基于图像融合的YOLOv5红外行人目标检测模型，得到收敛良好的基于图像融合的YOLOv5红外行人目标检测模型，从而提高了红外图像行人目标检测精度。
-
Patent Agency Ranking
公开(公告)号：CN108748160B
公开(公告)日：2020-09-25
申请号：CN201810642320.5
申请日：2018-06-21
Applicant: 河南大学 , 河南宙合网络科技有限公司
IPC: B25J9/16
Abstract: 本发明提出了一种基于多种群粒子群算法的机械臂运动规划方法，其步骤为：利用DH参数法对六自由度机械臂进行建模，进行机械臂正运动学求解机械臂末端执行器在基坐标系中的坐标；通过三维坐标系中机械臂末端执行器与设定目标的空间距离建立评价函数；改进传统粒子群算法的初始化函数，将多个子种群中表现最优的若干个粒子组成一个精英种群，对精英种群进行演化计算，得出全局最优的粒子；在参数设置相同的情况下，用其他的演化算法实现机械臂的运动规划问题，与步骤三中改进的多种群粒子群算法进行比较，验证多种群粒子群算法的优越性。本发明得到了机械臂运动规划最优解，且不需要知道执行器末端的初始位置，也不需要对机械臂逆运动学求解。
-
公开(公告)号：CN111145276A
公开(公告)日：2020-05-12
申请号：CN201911313423.8
申请日：2019-12-18
Applicant: 河南大学
Abstract: 本发明提供了一种基于深度学习和分布式信源编码的高光谱图像压缩方法，包括以下步骤：步骤1：构建高光谱图像显著性检测深度学习网络模型；步骤2：提取待压缩的高光谱图像的谱段分组与关键帧；步骤3：提取待压缩的高光谱图像的谱段组局部显著性特征；步骤4：得到该谱段组的全局显著性映射图；步骤5：得到待压缩的高光谱图像的谱段组的感兴趣区域；步骤6：对谱段组的感兴趣区域进行分布式压缩；步骤7：得到高光谱图像的压缩编码；本发明克服了现有技术中难以解决的场景显著性深层次表征问题的缺点，具有精确压缩有用信息的优点；本发明克服了现有技术中高光谱图像压缩效率低缺点，具有快速实现压缩的优点。
-
-
公开(公告)号：CN111145276B
公开(公告)日：2023-03-24
申请号：CN201911313423.8
申请日：2019-12-18
Applicant: 河南大学
IPC: G06T9/00 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于深度学习和分布式信源编码的高光谱图像压缩方法，包括以下步骤：步骤1：构建高光谱图像显著性检测深度学习网络模型；步骤2：提取待压缩的高光谱图像的谱段分组与关键帧；步骤3：提取待压缩的高光谱图像的谱段组局部显著性特征；步骤4：得到该谱段组的全局显著性映射图；步骤5：得到待压缩的高光谱图像的谱段组的感兴趣区域；步骤6：对谱段组的感兴趣区域进行分布式压缩；步骤7：得到高光谱图像的压缩编码；本发明克服了现有技术中难以解决的场景显著性深层次表征问题的缺点，具有精确压缩有用信息的优点；本发明克服了现有技术中高光谱图像压缩效率低缺点，具有快速实现压缩的优点。
-
公开(公告)号：CN113627437A
公开(公告)日：2021-11-09
申请号：CN202110902065.5
申请日：2021-08-06
Applicant: 河南大学
Abstract: 一种快速识别石墨电极标签的方法，涉及计算机视觉领域。本发明针对石墨电极标签自动识别问题，提出了一种标签自动快速识别方法。本方法使用了新的快速语义分割网络AL‑UNet，保留了UNet网络所具有的高精度分割能力，同时又结合了MobileNet的轻量化特点，大幅提升了网络速度。为了提高网络的鲁棒性，网络使用扩充的数据集，使其能够适应更多的环境。语义分割后，使用新型的校正方法校正字符图像的角度；使用投影法切分字符，送入LeNet‑5识别网络，获得识别结果。本发明所提出的方法实现了石墨电极标签的自动识别。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.025 seconds)
