-
公开(公告)号：CN114954715A
公开(公告)日：2022-08-30
申请号：CN202210413738.5
申请日：2022-04-20
Applicant: 浙江大学 , 余姚市浙江大学机器人研究中心
Abstract: 本发明属于机械学、机器人技术和弹跳机器人技术领域，公开了一种可变形的弹跳滑行机器人，包括机身装置，所述机身装置为椭球型结构，所述机身装置外部两侧具有腿部装置，机身装置内部具有驱动装置，腿部装置与驱动装置通过线绳牵引，所述驱动装置为离合器型结构，所述驱动装置通过内部记忆合金丝和弹力带的牵拉，完成机器人的弹跳、滑行和俯仰调节三种模式的切换。本发明采用了记忆金属丝作为驱动，显著降低了机身质量，实现了在小型空间下多种控制模式的切换；本发明采用离合式控制结构，采用单电机驱动，减少了驱动元件的数量，降低制作成本；本发明具有良好的拓展前景，其在滑行过程中可拉降机翼，为机器人的连续跳跃提供了可能。
-
公开(公告)号：CN111026102A
公开(公告)日：2020-04-17
申请号：CN201911326539.5
申请日：2019-12-20
Applicant: 浙江大学 , 余姚市浙江大学机器人研究中心
Abstract: 本发明公开了基于上下位机协同规划的移动机器人自主回充方法，包括如下步骤：步骤一，移动机器人开启回充模式，移动机器人发出开启信号，充电桩接收开启信号后，发出红外信号；步骤二，判断回充过程；步骤三，进入回充过程；步骤四，近程回充过程完成后，移动机器人发出关闭信号，所述充电桩接收关闭信号后，停止发出红外信号；基于上下位机协同规划的移动机器人自主回充系统，包括移动机器人、充电桩，移动机器人包括上位机、下位机、红外接收模块、移动机器人充电电极、移动机器人蓝牙模块，充电桩包括控制模块、红外发射模块、充电桩充电电极、充电桩蓝牙模块。
-
公开(公告)号：CN115131785B
公开(公告)日：2025-05-13
申请号：CN202210605716.9
申请日：2022-05-31
Applicant: 余姚市浙江大学机器人研究中心 , 浙江大学
IPC: G06V20/69 , G06V10/26 , G06V10/762 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/096
Abstract: 本发明属于图像处理和人工智能领域，公开了一种基于卷积神经网络和Dbscan的病理切片细胞高精度自动分割方法。该方法利用病理切片和人工标注细胞掩码进行针对病理切片细胞特征改进的U‑Net卷积神经网络模型训练，得到精度较低的初步语义分割结果；然后通过GrabCut后处理模块，补偿细胞欠分割状况，优化分割边缘，得到高精度的语义分割掩码；然后根据语义分割结果中的切片细胞掩码像素值密度调整Dbscan算法聚类半径和聚类密度，使用聚类实例划分，得到高精度的实例分割结果。本发明能够对多类病理切片细胞进行高精度高效率的语义分割和实例分割。
-
公开(公告)号：CN114954715B
公开(公告)日：2023-05-09
申请号：CN202210413738.5
申请日：2022-04-20
Applicant: 浙江大学 , 余姚市浙江大学机器人研究中心
Abstract: 本发明属于机械学、机器人技术和弹跳机器人技术领域，公开了一种可变形的弹跳滑行机器人，包括机身装置，所述机身装置为椭球型结构，所述机身装置外部两侧具有腿部装置，机身装置内部具有驱动装置，腿部装置与驱动装置通过线绳牵引，所述驱动装置为离合器型结构，所述驱动装置通过内部记忆合金丝和弹力带的牵拉，完成机器人的弹跳、滑行和俯仰调节三种模式的切换。本发明采用了记忆金属丝作为驱动，显著降低了机身质量，实现了在小型空间下多种控制模式的切换；本发明采用离合式控制结构，采用单电机驱动，减少了驱动元件的数量，降低制作成本；本发明具有良好的拓展前景，其在滑行过程中可拉降机翼，为机器人的连续跳跃提供了可能。
-
公开(公告)号：CN114714348B
公开(公告)日：2024-01-02
申请号：CN202210261630.9
申请日：2022-03-17
Applicant: 浙江大学 , 余姚市浙江大学机器人研究中心
IPC: B25J9/16
Abstract: 本发明涉及工业机器人标定技术领域，涉及一种基于关节空间分区标定补偿和神经网络残差拟合的工业机器人绝对定位精度提高方法。包括以下步骤：步骤S1.基于MDH模型法建立工业机器人运动学模型；步骤S2.分析各类误差在关节空间中对末端位置误差的影响；步骤S3.针对几何误差建立机器人误差辨识模型；步骤S4.在机器人工作空间内大量随机采样，记录并计算每个采样点在机器人基坐标系下理论值与测量值；步骤S5.对步骤S4试验数据进行关节空间分区；步骤S6.在不同的关节空间分区中分别利用阻尼迭代最小二乘法对误差参数进行辨识；步骤S7.基于神经网络对残余误差进行拟合，输入到控制系统，实现工业机器人绝对定位精度的提高。
-
Patent Agency Ranking
公开(公告)号：CN115131785A
公开(公告)日：2022-09-30
申请号：CN202210605716.9
申请日：2022-05-31
Applicant: 余姚市浙江大学机器人研究中心 , 浙江大学
IPC: G06V20/69 , G06V10/26 , G06V10/762 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明属于图像处理和人工智能领域，公开了一种基于卷积神经网络和Dbscan的病理切片细胞高精度自动分割方法。该方法利用病理切片和人工标注细胞掩码进行针对病理切片细胞特征改进的U‑Net卷积神经网络模型训练，得到精度较低的初步语义分割结果；然后通过GrabCut后处理模块，补偿细胞欠分割状况，优化分割边缘，得到高精度的语义分割掩码；然后根据语义分割结果中的切片细胞掩码像素值密度调整Dbscan算法聚类半径和聚类密度，使用聚类实例划分，得到高精度的实例分割结果。本发明能够对多类病理切片细胞进行高精度高效率的语义分割和实例分割。
-
公开(公告)号：CN114714348A
公开(公告)日：2022-07-08
申请号：CN202210261630.9
申请日：2022-03-17
Applicant: 浙江大学 , 余姚市浙江大学机器人研究中心
IPC: B25J9/16
Abstract: 本发明涉及工业机器人标定技术领域，涉及一种基于关节空间分区标定补偿和神经网络残差拟合的工业机器人绝对定位精度提高方法。包括以下步骤：步骤S1.基于MDH模型法建立工业机器人运动学模型；步骤S2.分析各类误差在关节空间中对末端位置误差的影响；步骤S3.针对几何误差建立机器人误差辨识模型；步骤S4.在机器人工作空间内大量随机采样，记录并计算每个采样点在机器人基坐标系下理论值与测量值；步骤S5.对步骤S4试验数据进行关节空间分区；步骤S6.在不同的关节空间分区中分别利用阻尼迭代最小二乘法对误差参数进行辨识；步骤S7.基于神经网络对残余误差进行拟合，输入到控制系统，实现工业机器人绝对定位精度的提高。
-
公开(公告)号：CN119904422A
公开(公告)日：2025-04-29
申请号：CN202411962513.0
申请日：2024-12-30
Applicant: 余姚市机器人研究中心 , 浙江大学
Abstract: 本发明公开了基于深度学习和边缘检测的玻璃污垢智能检测方法，属于玻璃污垢检测领域，首先构建玻璃污垢目标检测图像数据集；然后通过构建并训练玻璃污垢图像检测模型，利用图像数据集训练构建好的图像检测模型，再通过训练好的玻璃污垢图像检测模型，对待检测图像进行玻璃污垢区域的检测，得到检测框；另一方面，通过边缘检测方法，对待检测图像进行边缘检测，得到边缘区域图；最后将所述检测框与所述边缘区域图结合，对待检测图像中玻璃污垢区域的定位及轮廓分割。本发明避免了大量的训练集标注，降低了成本，深度学习与边缘检测相结合的方式提高了模型性能和精度，而将检测结果传输给机器人控制系统，还能够协助完成工业垃圾清洁。
-
公开(公告)号：CN119328754B
公开(公告)日：2025-04-15
申请号：CN202411556503.7
申请日：2024-11-04
Applicant: 浙江大学
IPC: B25J9/16
Abstract: 本发明公开了基于可操作度自适应优化的移动机械臂协调运动控制方法，通过设计移动机械臂冗余运动学零空间解析方法，实现主要任务和次级任务的同步控制；通过设计基于雅可比矩阵自适应加权伪逆的任务空间运动分配算法，考虑车‑臂运动特性差异保证末端运动精度；通过设计基于可操作度和自碰撞规避的扩展可操作度自适应加权优化算法，提升车‑臂协调运动的安全性与可操作度；通过设计基于运动学参数自适应估计的移动机械臂协调运动控制算法，实现末端跟踪误差有限时间收敛；通过李亚普诺夫设计方法实现控制器有限时间稳定性，提升移动机械臂连续性作业的协调性和响应速度及精度。
-
公开(公告)号：CN119810431A
公开(公告)日：2025-04-11
申请号：CN202411673210.7
申请日：2024-11-21
Applicant: 余姚市机器人研究中心 , 浙江大学
IPC: G06V10/26 , G06V20/70 , G06V10/80 , G06V10/82 , G06N3/0455 , G06N3/0442 , G06N3/042 , G06N3/0464
Abstract: 本发明涉及计算机视觉、图像处理和草图语义分割技术领域，尤其涉及一种基于图结构与时序信息融合的机械手绘草图语义分割方法，包括如下步骤：将草图模态转化为图模态与序列模态，分别输入图结构分支与序列分支，从而充分的发掘机械草图的形状结构信息与时序信息。图结构分支采用图卷积进行节点特征与边特征的特征聚合与提取，序列分支采用图增强自注意力机制模块进行特征提取，该模块将图结构分支中的特征通过边编码与笔画编码，将其作为归纳偏置项融入序列分支的自注意力机制中，通过中心性编码加入图增强自注意力模块的序列输入处，从而充分的对机械手绘草图时序特征与图结构特征进行提取与融合，提升算法对机械手绘草图语义分割的能力。
-
-
-
-
-
-
-
-
-
Search Results
393
records
(took 0.026 seconds)
