-
公开(公告)号：CN115077531A
公开(公告)日：2022-09-20
申请号：CN202210734897.5
申请日：2022-06-27
Applicant: 燕山大学
Abstract: 本发明公开了一种机器人导航系统及其导航方法，属于机器人技术领域，所述系统包括提供机器人运动信息和环境信息的感知模块、将环境表征为二维或三维占有网格地图的建图模块、定义伪区域和相应的属性的交互模块以及导航模块，导航模块结合交互模块整合伪区域的地图和感知模块提供的实时的机器人运动信息和环境信息执行导航任务；所述方法中提供了一种用户通过可视化交互界面指定用户期望伪区域的角点，然后基于指定的角点自动生成伪区域的基于二维占有网格地图的伪区域生成方法。本发明不需要在真实环境中部署额外的设备或设施，能够允许移动机器人在用户期望的区域内按照用户需求执行导航任务，提高了机器人在“人机共存”环境中的友好性。
-
公开(公告)号：CN115451963B
公开(公告)日：2024-11-05
申请号：CN202210963947.7
申请日：2022-08-11
Applicant: 燕山大学
IPC: G01C21/20
Abstract: 本发明公开了一种动态环境下的机器人导航系统及方法，属于机器人导航技术领域，包括地图处理模块、指导路径生成模块和导航模块。通过采用插入辅助点的方法以及MT‑RRT的多树同时探索性和RRT‑Connect子树互相连接的快速性进行指导路径的探索和生成，以指导路径为启发路径进行导航路径的构建。加入碰撞风险检测算法避免了动态环境下移动障碍物的影响。本发明可实现在复杂的动态环境下快速生成导航路线，有效规避动态障碍物，实现快速准确高质量的动态导航。
-
公开(公告)号：CN116168250A
公开(公告)日：2023-05-26
申请号：CN202310192097.X
申请日：2023-03-02
Applicant: 燕山大学
IPC: G06V10/764 , G06V10/80 , G06N3/08 , G06N3/0464
Abstract: 本发明公开了一种用于RGB‑D目标识别的多层级特征学习方法，涉及计算机视觉、深度学习领域，本发明以RGB图像和彩色化编码处理的深度图像作为输入，首先利用卷积神经网络分别提取RGB图像和彩色化深度图像多个层次的特征，然后将来自相同层的两种模态特征加权融合，最后通过学习跨层级特征的长程依赖关系来增强特征的表示能力，获得最终的多模态特征用于目标的分类。通过结合卷积神经网络早期局部激活特征和后期的高语义特征，来缓解由物品相似度高造成的识别精度低的问题，同时充分利用了RGB图像和深度图像的特点，网络模型简单。
-
公开(公告)号：CN115451963A
公开(公告)日：2022-12-09
申请号：CN202210963947.7
申请日：2022-08-11
Applicant: 燕山大学
IPC: G01C21/20
Abstract: 本发明公开了一种动态环境下的机器人导航系统及方法，属于机器人导航技术领域，包括地图处理模块、指导路径生成模块和导航模块。通过采用插入辅助点的方法以及MT‑RRT的多树同时探索性和RRT‑Connect子树互相连接的快速性进行指导路径的探索和生成，以指导路径为启发路径进行导航路径的构建。加入碰撞风险检测算法避免了动态环境下移动障碍物的影响。本发明可实现在复杂的动态环境下快速生成导航路线，有效规避动态障碍物，实现快速准确高质量的动态导航。
-
-
-
Search Results
4
records
(took 0.009 seconds)
