-
公开(公告)号：CN119888248A
公开(公告)日：2025-04-25
申请号：CN202411905541.9
申请日：2024-12-23
Applicant: 浙江工业大学
IPC: G06V10/44 , G06V10/762
Abstract: 本发明属于计算机视觉与数据分析技术领域，公开了一种基于密度感知的高效自适应轮廓提取方法，包括取图片中目标物体的二维特征点集，计算二维特征点集中每个点的局部密度值；根据局部密度值计算每个点的密度加权值；基于每个点的密度加权值，采用最远点采样策略从二维特征点集获得采样点集；根据采样点集，生成核密度估计曲线图；基于采样点集以及核密度估计曲线图，采用密度聚类算法获取边缘轮廓组；根据获得的边缘轮廓组，比较各个轮廓点集形成的面积大小，选取面积最大的轮廓点集作为最终提取得到的目标物体的轮廓点集。本发明实现对特征点集的均匀覆盖，有效避免对稠密区域的过采样和稀疏区域的遗漏，并确保准确提取目标的最外层轮廓。
-
公开(公告)号：CN119369424A
公开(公告)日：2025-01-28
申请号：CN202411978778.X
申请日：2024-12-31
Applicant: 浙江工业大学
IPC: B25J9/16
Abstract: 本发明属于机器人控制领域，具体涉及一种参数自学习的机器人柔顺控制方法、系统及装置。方法包括构建机器人的关节动力学模型与关节阻抗控制模型，获得机器人的未知动态模型；构建与机器人的未知动态模型结构一致的高斯过程，记为结构一致性高斯过程；基于数据优化方法构建训练集，利用训练集离线训练结构一致性高斯过程的超参数；实时观测机器人状态，通过结构一致性高斯过程在线预测机器人的未知动态模型，输出未知动态模型高斯预测值；根据未知动态模型高斯预测值，通过机器人的关节阻抗控制器输出控制力矩并发送给机器人；判断机器人是否到达期望位置，若到达，则结束；否则继续观测机器人状态。本发明实现机器人高精度控制。
-
公开(公告)号：CN118816850A
公开(公告)日：2024-10-22
申请号：CN202410786193.1
申请日：2024-06-18
Applicant: 浙江工业大学 , 衢州市浙工大生态工业创新研究院
Abstract: 本发明公开了一种基于视觉及超宽带的无人机协同定位方法，首先采集惯性导航信息和视觉信息，获得本机在世界坐标系下的视觉位置信息，然后在时间滑动窗口内通过小时间段线性拟合得到视觉位置对应的斜率参数；再构建漂移误差模型以及对应的非线性优化模型，根据本机超宽带测距信息、光流信息和视觉位置信息，以及获取到的其他无人机的宽带测距信息、光流信息和视觉位置信息，以及视觉位置对应的斜率参数，对非线性优化模型进行求解，得到漂移误差模型的参数；最后将本机视觉位置信息带入漂移误差模型，计算得到无人机的真实位置。本发明基于UWB和视觉的融合方案，实现了多无人机协同的精准定位。
-
公开(公告)号：CN117830335A
公开(公告)日：2024-04-05
申请号：CN202311794285.6
申请日：2023-12-25
Applicant: 浙江工业大学 , 珞石(山东)机器人集团有限公司 , 临沂临工智能信息科技有限公司
Abstract: 本发明本申请属于图像轮廓提取技术领域，具体涉及一种基于图像增强的加工轨迹提取方法。将待处理图像从RGB颜色空间转换到HSV颜色空间，取饱和度通道S分量进行处理；通过布谷鸟搜索算法寻找基于饱和度加权的改进LGE变换公式的最优参数，应用改进LGE变换公式对饱和度图像进行饱和度拉伸；将H、V通道的值和经处理后的S通道的值转换为RGB通道的值，得到的RGB图像；将得到的RGB图像进行灰度化处理，通过加权平均计算出每个像素的灰度值，得到灰度图；对灰度图进行背景灰度值检测；根据背景灰度值对图像进行阈值分割，提取出前景轮廓。该方法在提高了加工轨迹提取的准确度的同时具有良好的鲁棒性。
-
公开(公告)号：CN117144573A
公开(公告)日：2023-12-01
申请号：CN202311330173.5
申请日：2023-10-13
Applicant: 浙江工业大学 , 金华市浙工大创新联合研究院
Abstract: 本发明属于速度规划技术领域，公开了一种基于FPGA的改进SpTA速度规划方法，本发明根据送料时间占空比、针梭轴的速度、旋转轴的运动时间来对针梭轴进前瞻速度规划，从而计算得到理想送料时间，并且对理想送料时间进行修正，可以更好的对旋转式模板缝纫机的送料机构进行速度规划，降低拖针和断针的情况，从而提高旋转式模板机的可靠性和缝纫质量。
-
Patent Agency Ranking
公开(公告)号：CN115416079A
公开(公告)日：2022-12-02
申请号：CN202210962086.0
申请日：2022-08-11
Applicant: 浙江工业大学
Abstract: 本发明公开了一种模切机高精度快速寻标方法，包括：读取PLT文件，PLT文件包含黑色正方形的中心点在切割材料上的位置信息，令两个黑色正方形分别为第一黑色正方形和第二黑色正方形；获取黑色正方形的长和宽，获取寻标模式，寻标模式包括单标模式和双标模式；初始化切割机上的光电传感器的光标移动至第一黑色正方形内；根据寻标模式，计算黑色正方形的中心点位于坐标系XOY中的坐标位置；根据黑色正方形的中心点在PLT文件中的位置信息以及在坐标系XOY中的坐标位置计算切割材料上每一点在坐标系XOY中的坐标位置，完成图案切割。本发明使裁床、模切机等加工路径更加准确，提高工作效率。
-
公开(公告)号：CN115407717A
公开(公告)日：2022-11-29
申请号：CN202210988117.X
申请日：2022-08-17
Applicant: 浙江工业大学
IPC: G05B19/41
Abstract: 本发明公开了一种支持多轴联动的高速高精度直线插补方法，包括：S1、根据待插补直线的起点和终点计算出理想直线运动轨迹方程、脉冲总数N；S2、根据待插补直线的进给方向确定其所在象限；S3、置i＝1，根据待插补直线所在象限确定当前位置的三个预测插补点到待插补直线的垂直距离；S4、计算当前位置的预测值；S5、根据当前位置的预测值选取下一运动位置，并对应更新N；S6、计算下一运动位置的预测值；S7、桁架机械手末端运动至下一运动位置，并判断N是否等于0，若是，认为完成直线插补，结束操作，否则，更新i＝i+1，返回步骤S5。该方法利用预测插补点与待插补直线的距离偏差确定实际插补点，可同时提高插补速度与精度。
-
公开(公告)号：CN115388905A
公开(公告)日：2022-11-25
申请号：CN202210905380.8
申请日：2022-07-29
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于语义信息的移动机器人重定位方法，包括：获取移动机器人采集的历史图像数据集；利用语义分割网络将各图像帧转换为语义图，并提取语义节点和局部语义特征；统计各语义图提取的语义节点所属语义类别的数量，生成语义向量，将语义向量和局部描述符保存至地图数据库；获取当前帧并生成语义向量，分别计算当前帧与地图数据库中语义向量间的一范数，筛选出候选帧；将当前帧分别与各候选帧进行语义节点匹配；构建当前帧和各候选帧中语义节点间的拓扑图；分别计算当前帧和各候选帧的拓扑图相似度；将拓扑图相似度最大的候选帧的位置作为重定位判定结果。该方法具有较好的鲁棒性和实时性，并有助于提高重定位准确度，应用范围广。
-
公开(公告)号：CN112084866B
公开(公告)日：2022-11-04
申请号：CN202010788543.X
申请日：2020-08-07
Applicant: 浙江工业大学
IPC: G06V20/40 , G06V10/774 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/04
Abstract: 本发明公开了一种基于改进YOLO v4算法的目标检测方法，包括：获取安全帽检测数据集SHWD，并对安全帽检测数据集SHWD进行数据扩充得到样本集；基于YOLO v4算法构建改进型YOLO v4网络结构，得到改进YOLO v4算法；利用样本集对改进YOLO v4算法进行训练，将训练后最佳的权重文件加载至改进YOLO v4算法得到目标检测网络；针对获取的待分类图像，采用所述目标检测网络输出对应的目标检测结果。本发明的方法具有较高的检测速度和小目标检测精度。
-
公开(公告)号：CN115235759A
公开(公告)日：2022-10-25
申请号：CN202210849731.8
申请日：2022-07-19
Applicant: 浙江工业大学
IPC: G01M13/021 , G01M13/028
Abstract: 本发明公开了一种基于宽度学习的风机齿轮箱早期故障诊断方法，包括：采集原始振动信号形成数据集；基于变分模态分解法将原始振动信号分解为若干个固有模态分量；构建“信息熵‑峭度‑包络谱峭度”综合评价模型，分别计算各固有模态分量的信息熵、峭度和包络谱峭度；采用熵权法获取信息熵、峭度和包络谱峭度各自权重，加权得到综合评价系数，筛选重构信号；利用改进小波阈值降噪法对重构信号进行降噪；将降噪后的重构信号划分为训练集和测试集；对BLS神经网络进行训练并验证，获得风机齿轮箱故障诊断模型。该方法从原始运行数据中提取微弱的早期故障特征，并高效完成故障类型识别，所占计算资源少并具有较高预测精度，有利于保障风机安全运行。
-
-
-
-
-
-
-
-
-
Search Results
382
records
(took 0.038 seconds)
