-
公开(公告)号：CN116021229B
公开(公告)日：2024-04-09
申请号：CN202310118836.0
申请日：2023-01-31
Applicant: 清华大学
IPC: B23P9/00
Abstract: 本发明公开了一种金属表面高深宽比柱状微纳织构的高效加工装置和方法，金属表面高深宽比柱状微纳织构的高效加工装置包括：基座；转接件，转接件具有三个连接肢；振动块，振动块上连接有三个挠性铰链；三个压电堆栈，第一压电堆栈的轴向垂直于第二压电堆栈的轴向且垂直于第三压电堆栈的轴向；刀具，刀具安装在振动块上，刀具适于在第一压电堆栈和第二压电堆栈的驱动下进行椭圆轨迹运动。根据本发明实施例的金属表面高深宽比柱状微纳织构的高效加工装置，具有加工效率高、成本低、加工效果好、无污染等优点。
-
公开(公告)号：CN117773234A
公开(公告)日：2024-03-29
申请号：CN202410033046.7
申请日：2024-01-09
Applicant: 清华大学
IPC: B23D79/00
Abstract: 本发明公开了一种高效可控直接制备微结构化金属纤维的振动加工方法，包括如下步骤：对刀具施加特定的振动轨迹和进给运动轨迹，利用刀具对被加工工件的待切削平面切削，其中，振动轨迹所在平面与被加工工件的待切削平面垂直且与刀具的进给方向垂直，振动轨迹和进给运动轨迹耦合，使刀具在振动轨迹的每个振动周期的前半程切入被加工工件，推挤起部分材料形成表面微织构，在振动轨迹的每个振动周期的后半程逐渐进给直至离开被加工工件，并带出有次级结构的微结构化金属纤维。本发明能够直接制备微结构化金属纤维，效率高，成本低，同时能够简便有效调控金属纤维表面微结构特征，加工出的微结构化金属纤维具有应用潜力。
-
公开(公告)号：CN115861601B
公开(公告)日：2023-12-29
申请号：CN202211639960.3
申请日：2022-12-20
Applicant: 清华大学
Abstract: 本申请提供了一种多传感器融合感知方法及装置，涉及融合感知技术领域，该方法包括：利用Transformer编码器对点云数据的特征张量进行编码，得到三维体素特征图；将三维体素特征图进行鸟瞰视角映射得到二维特征图；利用候选区域生成网络对二维特征图进行处理，得到点云ROI区域，从点云ROI区域提取出点云ROI特征；对点云数据和RGB图像进行处理得到伪点云图像，从伪点云图像上提取出伪点云ROI特征；利用交叉注意力融合模型对点云ROI特征和伪点云ROI特征进行处理，得到融合后的ROI特征；利用感知模型对融合后的ROI特征进行处理，得到三维目标检测框、目标类别以及道路分割结果。本申请提高了目标检测和道路分割的精度。
-
公开(公告)号：CN115187959B
公开(公告)日：2023-04-14
申请号：CN202210833684.8
申请日：2022-07-14
Applicant: 清华大学
IPC: G06V20/58 , G06V20/17 , G06V20/70 , G06V10/26 , G06V10/82 , G06V10/764 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/08 , B60F5/02 , B64D45/04
Abstract: 本发明公开了一种基于双目视觉的飞行汽车着陆方法，基于部署在飞行汽车上的左右两摄像机实现，所述方法包括：步骤1)对飞行汽车降落过程中左右两摄像机拍摄的双目视图进行矫正，使得左右两摄像机的图像为平行视图；步骤2)根据矫正后的平行视图利用双目视觉获得对应的深度图；步骤3)将左摄像机捕获的图像输入预先建立和训练好的语义分割模型得到语义分割结果；步骤4)基于语义分割结果和图像的深度图，确定用于降落的候选区域；步骤5)根据确定的降落候选区域边界框，确定当前时刻的飞行汽车状态，结合深度图信息，发出控制信号控制飞行汽车降落；所述语义分割模型为改进后的DeepLab v3结构网络。
-
公开(公告)号：CN113255553B
公开(公告)日：2022-09-23
申请号：CN202110624922.X
申请日：2021-06-04
Applicant: 清华大学
Abstract: 本发明公开了一种基于振动信息监督的可持续学习方法及系统，所述方法包括：利用车载的单目相机和振动信号传感器，同步采集路面的RGB图像和包含路面不平度信息的路面法向振动加速度值；当某个时刻的路面法向振动加速度值大于动态阈值，则判断车轮压线，并提取对应时刻前后一段时间窗口内的RGB图像；在提取的RGB图像上标注车道线标签，作为新任务的数据集；以新任务的数据集作为训练集，对可持续学习的车道分割模型重新进行训练，将训练好的车道分割模型作为最新的车道分割模型。
-
Patent Agency Ranking
公开(公告)号：CN114770217A
公开(公告)日：2022-07-22
申请号：CN202210480428.5
申请日：2022-05-05
Applicant: 清华大学
IPC: B23Q15/013 , B23C5/10 , B23P25/00 , G06F30/17 , G06F30/23
Abstract: 本申请涉及一种非对称仿生鱼鳞型微结构的加工方法及装置，方法包括：根据螺旋槽位置、螺旋槽的旋向、螺旋槽个数、螺旋槽宽度、螺旋槽深度和螺旋槽角度参数设计螺旋槽一体式纵扭刀柄；基于有限元分析方法，获取用于加工非对称仿生鱼鳞型微结构的螺旋槽一体式纵扭刀柄的目标谐振频率、目标相位差和目标纵扭比；并进行仿真与实验，并在仿真结果和实验结果一致后，确定加工非对称仿生鱼鳞型微结构的运动学加工轨迹方程并和非对称仿生鱼鳞型微结构的加工参数建立非对称仿生鱼鳞型微结构的预测模型，以利用预测模型制作非对称仿生鱼鳞型微结构，由此，能够为高速航体的复杂外表面高效率、高精度、低成本地制备非对称仿生鱼鳞型微结构。
-
公开(公告)号：CN114049616A
公开(公告)日：2022-02-15
申请号：CN202111453912.0
申请日：2021-12-01
Applicant: 清华大学
IPC: G06V20/58 , G06V10/25 , G06V10/764 , G06V10/762 , G06K9/62 , G06N7/02
Abstract: 本发明公开了一种基于模糊分类的立体空间目标检测方法及系统，所述方法包括：根据立体空间目标检测算法，对接收的激光雷达点云数据生成边界框，并计算每个边界框的置信度；选取置信度大于设定阈值的边界框，计算每个边界框的体积和密度；将每个边界框的体积和密度输入预先建立的模糊系统，通过IF‑THEN模糊规则构建模糊规则库，实现模糊分类，得到包括大体积高密度LVHD、小体积高密度SVHD和低密度LD三种类别的边界框；为LVHD、SVHD和LD三种类别的边界框分别设置合适的IoU阈值，并分别输入NMS筛选检测模块，得到每个类别选定的边界框，从而得到目标检测结果。本发明的方法提高了立体空间目标检测算法的准确性。
-
公开(公告)号：CN112184589B
公开(公告)日：2021-10-08
申请号：CN202011060052.X
申请日：2020-09-30
Applicant: 清华大学
Abstract: 本发明公开了一种基于语义分割的点云强度补全方法及系统，该方法包括：由相机和激光雷达同步采集路面的RGB图像和点云数据；利用转换矩阵对点云数据进行空间变换，生成二维反射强度投影图和二维深度投影图；对RGB图像和二维反射强度投影图经反射强度补全得到单通道反射强度投影图；对RGB图像和二维深度投影图经深度补全得到单通道深度投影图；对RGB图像、单通道反射强度投影图和单通道深度投影图经粗粒度补全处理，得到二维粗粒度反射强度投影图；对RGB图像和二维深度投影图经语义分割处理，得到若干个待补全区域；根据待补全区域对二维粗粒度反射强度投影图进行细粒度反射强度补全得到二维反射强度投影补全图。
-
公开(公告)号：CN111950467B
公开(公告)日：2021-06-25
申请号：CN202010817467.0
申请日：2020-08-14
Applicant: 清华大学
Abstract: 本发明公开了基于注意力机制的融合网络车道线检测方法及终端设备，所述方法包括：同步采集路面的自然图像和点云数据；将自然图像和点云数据输入预先建立和训练好的融合网络，输出车道检测结果；所述融合网络采用加入时序帧和注意力机制对点云数据和自然图像进行信息融合处理。本发明使用连续帧来提高检测网络性能，以应对标记丢失、车辆遮挡等复杂情况；通过Skip Connection将低维度特征与高维度特征进行拼接，以弥补随着网络深度增加而不断丢失的图像细节信息，利用Decoder还原图像得到最终结果；该融合网络大大提高了车道线的检测性能，并可在各种复杂环境进行检测。
-
公开(公告)号：CN112270251A
公开(公告)日：2021-01-26
申请号：CN202011156482.1
申请日：2020-10-26
Applicant: 清华大学
Abstract: 本发明公开了一种基于互信息的自适应多传感器数据融合方法，所述方法包括：接收相机采集路面的RGB图像；接收激光雷达同步采集该路面的点云数据；对点云数据进行预处理得到稠密点云数据；将RGB图像和稠密点云数据输入预先建立和训练好的融合网络，输出数据融合结果；所述融合网络，用于计算输入数据的特征张量与预期特征的互信息，根据互信息分配输入数据的融合权重，进而根据融合权重输出数据融合结果。本发明的方法引入了互信息这一信息论工具，计算输入数据的提取特征与融合网络的预期特征之间的相关性，可以合理、客观地量化数据质量的好坏与信息量的大小，有严格的数学方法作为理论支撑，具有一定的可解释性。
-
-
-
-
-
-
-
-
-
Search Results
88
records
(took 0.029 seconds)
