-
公开(公告)号：CN114700951A
公开(公告)日：2022-07-05
申请号：CN202210443330.2
申请日：2022-04-25
Applicant: 浙江工业大学
IPC: B25J9/16
Abstract: 一种用于医护机器人的柔顺控制方法，包括以下步骤：步骤1：依据期望的机器人末端执行器的位移值与环境的实际作用力以及设定的导纳参数，通过外环导纳控制将外部接触力转化为位置修正量Xc(t)；步骤2：采用滑膜控制来构建内环控制方法得到对应的内环反馈控制力矩τ，并将其输入给电机系统进行控制，实现医护机器人关节的柔顺控制。本发明能够有效在医护机器人护理病人时，与病人进行柔性的物理接触或者抓取外界柔性物体时，具有一定的柔顺性，保证医护机器人与人接触时的安全性与鲁棒性，防止对病人以及机械臂造成伤害与破坏。
-
公开(公告)号：CN115077517A
公开(公告)日：2022-09-20
申请号：CN202210591576.4
申请日：2022-05-27
Applicant: 浙江工业大学
Abstract: 一种基于立体相机与IMU融合的低速无人车定位方法，包括以下步骤：步骤1：传感器数据获取及时空同步；步骤2：系统状态向量构建；步骤3：系统初始化判断；步骤4：车辆运动信息传播；步骤5：图像特征提取及跟踪；步骤6：立体相机状态及协方差增广；步骤7：车辆运动信息校正；步骤8：滑动窗口状态管理；步骤9：IMU/无人车车体坐标系位姿转换；步骤10：无人车位姿估计值实时输出。本发明还包括基于立体相机与IMU融合的低速无人车定位系统，包括数据获取层、数据预处理层、算法决策层和状态显示层等。本发明能够在缺失GPS及BDS信号等环境中根据无人车的真实运动轨迹生成精确的位姿信息，是一种低成本、高精度的组合定位方案，可以快速、方便地部署在无人车平台上以实现精确且鲁棒的车辆定位，对缺失GPS及BDS信号等环境中的低速无人车定位具有非常大的参考价值。
-
公开(公告)号：CN114700950A
公开(公告)日：2022-07-05
申请号：CN202210443322.8
申请日：2022-04-25
Applicant: 浙江工业大学
Abstract: 基于数字孪生的医用护理机器人运动预测和故障诊断的方法，包括：步骤1.构建基于数字孪生的医用护理机器人系统总体框架；步骤2.创建包含医院环境与机器人硬件结构在内的基础3D模型；步骤3.将基础3D模型与传感器信息交互，形成医用护理机器人数字孪生体的虚拟区；步骤4.通过预先录入的多种局部路径规划方法之间的对比，预测、获取底盘的最佳运动控制；步骤5.采集物理层机械臂各关节运行的位姿数据，预测机械臂运动状态和对机械臂进行故障诊断。本发明能在医院复杂、快速变化的动态环境下，机器人移动底盘无法做到安全、高效动态避障以及医用护理机器人机械臂出现故障时，针对医用机器人复杂的机械结构快速诊断故障。
-
公开(公告)号：CN115272474B
公开(公告)日：2025-05-09
申请号：CN202210676468.7
申请日：2022-06-15
Applicant: 浙江工业大学
Abstract: 一种用于激光雷达与相机联合标定的立体标定板，包括底板和一个位于底板中心的正四棱台，底板的四角与四棱台的上底面上具有图像ArUco标记，用于激光雷达特征点的自动识别和跟图像ArUco标记角点的自动匹配，所述图像ArUco标记用于图像标记自动识别。还包括一种用于激光雷达与相机联合标定的标定方法。本发明通过同一激光束在相邻平面上的两条直线相交求得落在棱台侧棱与棱台底面边线上的点继而求出侧棱与底面边线的直线方程，然后通过侧棱与底面边线相交的方法求出四棱台的顶点对应的激光雷达坐标系下的坐标，可以有效的避免用激光雷达的距离跳变确定边沿点，然后拟合顶点这种方法带来的误差，提高激光雷达特征点检测的精度。
-
公开(公告)号：CN117037216A
公开(公告)日：2023-11-10
申请号：CN202311066979.8
申请日：2023-08-23
Applicant: 浙江工业大学
IPC: G06V40/10 , G06V10/764 , G06V10/774 , G06V10/40
Abstract: 一种面向人体骨架的羽毛球运动预测方法和装置，其方法包括：获取羽毛球运动中人体骨架位置序列数据；基于骨架位置序列数据构建自适应运动关联图邻接矩阵；对骨架位置序列数据进行差分运算，获取骨架速度与加速度序列数据；将三组骨架序列数据分别送入双流图时空卷积神经网络中以获取深层次的运动时空特征，并将三个分支的高维运动特征进行融合；将融合后的运动特征信息与骨架位置序列的最后一帧数据输入到运动预测网络中，得到预测的骨架位置序列。本发明针对羽毛球运动状态下关节点间的运动关联性来获取运动模式的深层语义信息，挖掘数据的高阶运动学信息并合理充分地提取特征，还原了符合客观事实的递进的预测过程，提高了运动预测的精度。
-
Patent Agency Ranking
公开(公告)号：CN114683287B
公开(公告)日：2023-10-20
申请号：CN202210465064.3
申请日：2022-04-25
Applicant: 浙江工业大学
Abstract: 一种基于元动作分层泛化的机械臂模仿学习方法，包括：获取专家示教数据集，表示为φ(s,a)，其中s表示机械臂各个关节的状态数据，包括空间位姿、力矩、方向角，a表示当前状态映射的机械臂动作；采用聚类的方式将专家示教数据集进行分解，得到分解后的元动作集合；求出各个元动作占示教动作整体的权重{π1，π2，…，πk}，其中权重系数πk与元动作一一对应；根据各个元动作的权重系数，按不同比重进行泛化，生成泛化动作；从泛化后的元动作τ(A1，A2，…，Ak)中随机挑选子动作进行组合，得到泛化示教ψ，其中子动作的次序按照专家示教进行排列，形成与原专家示教相同的目标动作；将泛化示教ψ输入卷积神经网络进行监督学习得到目标动作的执行策略。本发明提高了训练效率和元动作的准确性。
-
公开(公告)号：CN114683287A
公开(公告)日：2022-07-01
申请号：CN202210465064.3
申请日：2022-04-25
Applicant: 浙江工业大学
Abstract: 一种基于元动作分层泛化的机械臂模仿学习方法，包括：获取专家示教数据集，表示为φ(s,a)，其中s表示机械臂各个关节的状态数据，包括空间位姿、力矩、方向角，a表示当前状态映射的机械臂动作；采用聚类的方式将专家示教数据集进行分解，得到分解后的元动作集合；求出各个元动作占示教动作整体的权重{π1，π2，…，πk}，其中权重系数πk与元动作一一对应；根据各个元动作的权重系数，按不同比重进行泛化，生成泛化动作；从泛化后的元动作τ(A1，A2，…，Ak)中随机挑选子动作进行组合，得到泛化示教ψ，其中子动作的次序按照专家示教进行排列，形成与原专家示教相同的目标动作；将泛化示教ψ输入卷积神经网络进行监督学习得到目标动作的执行策略。本发明提高了训练效率和元动作的准确性。
-
公开(公告)号：CN116796128A
公开(公告)日：2023-09-22
申请号：CN202310435001.8
申请日：2023-04-21
Applicant: 浙江工业大学
IPC: G06F18/10 , G06F18/2131 , G06N3/0464 , G06N3/0442 , G06N3/049 , G06F18/2415
Abstract: 一种基于表面肌电信号的羽毛球挥拍动作识别方法，包括：划分羽毛球挥拍动作；使用MYO采集表面肌电信号；对肌电信号进行预处理的得到活动段；将活动窗肌电信号变换成小波时频图；将时频图送入融合空间和通道注意力机制的CNN网络中，完成空间特征的提取，将空间特征恢复为时间序列送入ConvLSTM网络中，完成时间序列特征的提取，将特征送入线性网络中整合，最后使用Softmax函数得到羽毛球挥拍动作识别结果。本发明有效地降低了解码时间并提高了识别的准确率。
-
公开(公告)号：CN116129464A
公开(公告)日：2023-05-16
申请号：CN202211500262.5
申请日：2022-11-28
Applicant: 浙江工业大学
IPC: G06V40/10 , G06V10/774
Abstract: 一种基于渐进无迹卡尔曼滤波网络的人体上肢姿态估计方法，包括：步骤1)搭建一套采集系统，通过视觉捕捉系统获取人体上肢运动关节的角度信息，使用肌电手环对小臂在运动过程中的肌电信号进行采集；步骤2)建立sEMG信号与上肢关节角度之间的模型；步骤3)构建由LSTM估计参数的无迹卡尔曼滤波体系，利用LSTM神经网络学习系统的量测方程h(·)、系统噪声Qk和量测噪声Rk；采用UT变化，利用加权统计线性回归近似非线性方程的后验均值和方差Pk|k‑1；步骤4)根据UT变换和量测噪声Rk，求得量测变量的一步预测方差Pzz,k|k‑1以及互协方差Pxz,k|k‑1；步骤5)根据UKF的计算步骤计算卡尔曼增益，根据k时刻的量测值zk，求出k时刻的状态估计和估计方差Pk|k。
-
公开(公告)号：CN115272474A
公开(公告)日：2022-11-01
申请号：CN202210676468.7
申请日：2022-06-15
Applicant: 浙江工业大学
Abstract: 一种用于激光雷达与相机联合标定的立体标定板，包括底板和一个位于底板中心的正四棱台，底板的四角与四棱台的上底面上具有图像ArUco标记，用于激光雷达特征点的自动识别和跟图像ArUco标记角点的自动匹配，所述图像ArUco标记用于图像标记自动识别。还包括一种用于激光雷达与相机联合标定的标定方法。本发明通过同一激光束在相邻平面上的两条直线相交求得落在棱台侧棱与棱台底面边线上的点继而求出侧棱与底面边线的直线方程，然后通过侧棱与底面边线相交的方法求出四棱台的顶点对应的激光雷达坐标系下的坐标，可以有效的避免用激光雷达的距离跳变确定边沿点，然后拟合顶点这种方法带来的误差，提高激光雷达特征点检测的精度。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.042 seconds)
