-
公开(公告)号：CN117370889A
公开(公告)日：2024-01-09
申请号：CN202311318568.3
申请日：2023-10-12
IPC: G06F18/2415 , G01M13/00 , G06V10/764 , G06T7/00 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/084
Abstract: 本申请涉及一种机器人打磨装备的可解释故障诊断方法，该方法包括：收集每种打磨装备故障状态下的机械臂末端的振动信号以及被打磨工件的表面图像；将振动信号进行分割处理，将分割处理的振动信号映射为振动图像；提取表面图像的图像特征，并统计图像特征的像素值分布；基于深度学习网络构建故障诊断模块和辅助学习模块；将振动图像分别输入至故障诊断模块、辅助学习模块，并将像素值分布输入至辅助学习模块，进行联合训练，使故障诊断模块学习到工件的打磨质量；将待检测的振动图像输入至联合训练后的故障诊断模块，输出故障诊断结果；故障诊断结果包括故障类型以及工件的打磨质量。该方法为故障诊断结果提供了可信度。
-
公开(公告)号：CN117961976A
公开(公告)日：2024-05-03
申请号：CN202410375666.9
申请日：2024-03-29
Abstract: 本申请的实施例提供了基于生成扩散迁移的装配机器人在线检测方法、装置、设备和计算机可读存储介质。所述方法包括获取装配机器人的信号数据；将所述信号数据输入到已训练的故障识别模型中，得到当前装配作业的故障类型，其中，所述故障识别模型可通过如下方式进行训练：获取样本数据集合；所述样本数据集合包括带有标注信息的样本数据；将所述样本数据拆分为两个子域；基于有监督的训练方式和无监督的训练方式，利用神经网络模型对两个子域中的样本数据进行学习，得到目标损失函数；基于所述目标损失函数完成对所述故障识别模型的训练。以此方式，能够实现装配机器人的在线实时故障诊断，大幅度提高了生产效率。
-
公开(公告)号：CN117961976B
公开(公告)日：2024-06-21
申请号：CN202410375666.9
申请日：2024-03-29
Abstract: 本申请的实施例提供了基于生成扩散迁移的装配机器人在线检测方法、装置、设备和计算机可读存储介质。所述方法包括获取装配机器人的信号数据；将所述信号数据输入到已训练的故障识别模型中，得到当前装配作业的故障类型，其中，所述故障识别模型可通过如下方式进行训练：获取样本数据集合；所述样本数据集合包括带有标注信息的样本数据；将所述样本数据拆分为两个子域；基于有监督的训练方式和无监督的训练方式，利用神经网络模型对两个子域中的样本数据进行学习，得到目标损失函数；基于所述目标损失函数完成对所述故障识别模型的训练。以此方式，能够实现装配机器人的在线实时故障诊断，大幅度提高了生产效率。
-
公开(公告)号：CN119169606B
公开(公告)日：2025-04-25
申请号：CN202411241486.8
申请日：2024-09-05
Applicant: 湖南大学
IPC: G06V20/64 , G06V10/80 , G06V10/25 , G06V10/44 , G06N3/0464 , G06N3/0495 , G06N3/08
Abstract: 本发明属于大范围制造场景机器人协同三维感知领域，具体涉及一种基于视觉状态空间模型的多机器人协同三维目标检测方法，包括：搭建多机器人激光雷达三维感知平台，采集飞机制造与装配大范围场景中的三维点云数据；对所采集的三维点云数据进行数据标注，制作三维点云检测数据集，并将三维点云检测数据集进行划分；构建基于视觉状态空间模型的点云三维目标检测模型；将训练集代入到点云三维目标检测模型中进行迭代训练，并采用验证集进行模型验证，得到最优点云三维目标检测模型；将测试集代入到最优点云三维目标检测模型中进行预测，得到三维点云检测结果，实现多机器人在大范围场景中的协同三维目标检测。
-
公开(公告)号：CN119359778B
公开(公告)日：2025-03-28
申请号：CN202411944424.3
申请日：2024-12-27
Applicant: 湖南大学
IPC: G06T7/33 , G06T7/00 , G06T5/80 , G06V10/774
Abstract: 本发明公开了一种基于特征分离的大基线图像配准方法及系统，以预设的重叠率对电路板进行图像采集，得到若干张电路板局部图像，对若干张电路板局部图像进行畸变矫正，将畸变矫正后的电路板局部图像组成图像对并构建训练集，搭建图像配准网络，使用训练集对图像配准网络进行训练并计算重构损失，得到训练后的图像配准网络，获取真实场景下待配准的大基线图像，将待配准的大基线图像进行畸变矫正后组成图像对输入至训练后的图像配准网络处理，输出真实场景下待配准的大基线图像对的图像变换矩阵，根据图像变换矩阵实现真实场景下待配准大基线图像对的配准。该方法能够在实际的工业应用中显著提高图像配准的精度、效率和稳定性。
-
Patent Agency Ranking
公开(公告)号：CN119359940B
公开(公告)日：2025-03-21
申请号：CN202411943944.2
申请日：2024-12-27
Applicant: 湖南大学
IPC: G06T17/00 , G06V10/24 , G06V10/44 , G06V10/74 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/084
Abstract: 本发明涉及机器人视觉感知技术领域，具体为一种基于交叉通道注意力机制特征融合的三维场景重建方法，包括：S1、收集多张畸变校正与立体校正后待立体视觉三维重建的双目立体视觉图像，并构建训练集；S2、构建三维场景重建网络；S3、选取一张双目立体视觉图像输入到三维场景重建网络中，得到每个不同阶段的预测视差；S4、构建损失函数，计算每个不同阶段的预测视差与真实视差之间的损失，并循环S3至S4，直至损失函数收敛；然后对三维场景重建网络的权重进行更新；S5、对训练后的三维场景重建网络进行测试，得到双目立体视觉三维重建场景的三维深度信息。本发明大幅度提高了上下文特征融合效率，提升了双目立体视觉视差估计性能。
-
公开(公告)号：CN119229031A
公开(公告)日：2024-12-31
申请号：CN202411747851.2
申请日：2024-12-02
Applicant: 湖南大学
Abstract: 本发明公开了一种基于三维高斯泼溅的大型装配场景的动态实时渲染方法，通过多个传感器相结合，构建一个用于动态场景实时渲染的三维高斯泼溅模型，该方法可以渲染装配场景的任意视角。三维高斯泼溅模型包括传感器数据对齐、三维高斯泼溅模型的初始化、三维高斯泼溅模型的预测与更新，结合三维高斯泼溅模型，设计了场景空间点对齐与预测器，解决多传感器数据信息冗余、动态实时渲染困难的难题，这个方法提高了装配的安全性与可靠性，能及时发现和处理装配过程中的问题，有助于推动工业智能制造快速且高质量的发展，从而推动工业制造智能化的转型。
-
公开(公告)号：CN118617441A
公开(公告)日：2024-09-10
申请号：CN202410767458.3
申请日：2024-06-14
Applicant: 湖南大学
Abstract: 本发明涉及软体机器人技术领域，具体为一种模块化的变刚度气动软体执行器、软体机器人，其中变刚度气动软体执行器包括气驱动弯曲件、连接机构、变刚度机构和变形限制件；气驱动弯曲件内部形成有空腔，外部独立气源与气驱动弯曲件内的空腔导通；变形限制件位于气驱动弯曲件的一侧，在变形限制件的另一侧为连接机构；变刚度机构包括多个变刚度件，多个变刚度件择其一安装在连接机构的另一侧；本发明通过选择具有不同等效密度的变刚度机构，可改变气动软体执行器的刚度，实现软体机器人的变刚度设计，进而实现对软体机器人刚度灵活的控制。
-
公开(公告)号：CN118262127A
公开(公告)日：2024-06-28
申请号：CN202410264714.7
申请日：2024-03-08
Applicant: 湖南大学
Abstract: 一种基于数据预处理的无人机图像匹配定位方法，包括：1、读取无人机相机及机载平台输出的文件数据以及拍摄的图像；2、下载卫星地图；3、对卫星地图进行预处理，并划定待匹配区域；计算图像旋转角度，并对无人机拍摄图像进行旋转矫正；4、根据划定的待匹配区域的坐标信息，对卫星地图进行裁剪，并将裁剪后的图作为图像匹配的卫星地图；5、提取无人机图像和卫星底图的特征点并检测，计算每个特征点的描述子；输出检测到的特征点的坐标和相应的描述子；6、执行特征点匹配，输出匹配结果。本发明解决了全局特征匹配中，对初始区域估计敏感、计算复杂度高的问题和局部特征匹配中，由于不同的图像可能出现多个最优匹配，使匹配结果不稳定的问题。
-
公开(公告)号：CN115147488B
公开(公告)日：2024-06-18
申请号：CN202210789995.9
申请日：2022-07-06
Applicant: 湖南大学
IPC: G06T7/73 , G06V10/82 , G06V10/80 , G06V10/44 , G06V10/766 , G06V20/70 , G06T1/00 , G06N3/0455 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于密集预测的工件位姿估计方法与抓取系统，搭建密集逐像素预测网络并训练，获取包含工件的场景RGB图像输入该预测网络，利用网络中的特征金字塔网络提取图像的逐像素卷积特征，采用三个回归分支网络从逐像素卷积特征中分别预测逐像素的语义信息、中心点信息和关键点信息，利用前述信息进行多工件实例分割，得到每个工件实例的密集关键点预测，采用投票策略确定各工件关键点2D位置，通过工件关键点2D位置以及对应工件模型上的3D位置建立2D‑3D对应关系，采用UD‑PnP算法计算工件的6D位姿。该方法网络结构简单、鲁棒性强、执行速度快，适合复杂工业场景下弱纹理、多工件任意位姿工件的抓取任务。
-
-
-
-
-
-
-
-
-
Search Results
253
records
(took 0.042 seconds)
