公开(公告)号：CN117218194A

公开(公告)日：2023-12-12

申请号：CN202311143121.7

申请日：2023-09-04

Applicant: 重庆工商大学 ,  重庆市质量和标准化研究院

Inventor： 刘宗敏 ,  王吉睿 ,  黎杰 ,  崔龙国 ,  蔡亮 ,  周泰霖 ,  李文钊 ,  管浩博

IPC: G06T7/73 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供的一种基于坐标匹配的目标检测与抓取方法，包括以下步骤：S1.构建目标检测模型和目标提取模型；S2.训练目标检测模型和目标提取模型；S3.将目标图像输入至训练完成的目标检测模型中，得到目标图像的类别和检测框坐标信息；将目标图像输入至训练完成的目标提取模型中，得到目标图像的提取框坐标信息和提取框对应的位姿；S4.将目标图像的类别信息和检测框的坐标信息储存到坐标匹配字典中；S5.将待提取类别输入到坐标匹配字典中，确定待提取类别的提取框和提取位姿；S6.根据提取位姿计算机械臂关节转动量；S7.根据机械臂关节转动量执行抓取任务。通过上述方法，能够实现变化更加稳定的损失，以及更高的预测精度，并且能够促进服务机器人的应用。

公开(公告)号：CN119188754A

公开(公告)日：2024-12-27

申请号：CN202411402998.8

申请日：2024-10-09

Applicant: 重庆工商大学

Inventor： 刘宗敏 ,  黎杰 ,  施长成 ,  周宇航 ,  覃磊 ,  刘磊 ,  徐亮

IPC: B25J9/16 ,  B23K31/02 ,  B23K37/00

Abstract: 本发明公开了一种基于三维视觉感知的机器人焊接中厚板路径规划方法及系统，包括：从不同的角度以及高度对中厚板工件进行扫描，得到工件的三维点云数据；对中厚板工件的三维点云数据进行体素下采样处理，得到处理后的数据；对处理后的数据进行点云目标检测，得到中厚板焊接路径端点的空间位置信息；将空间位置信息转换为机器人工具坐标系下的焊接点位坐标信息；基于焊接点位坐标信息，生成机器人运动控制脚本。本发明能够显著地提升机器人对焊缝类型复杂的中厚板工件的焊接路径规划效率以及适应能力。

公开(公告)号：CN117314934A

公开(公告)日：2023-12-29

申请号：CN202311246536.7

申请日：2023-09-25

Applicant: 重庆工商大学

Inventor： 刘宗敏 ,  黎杰 ,  施长成 ,  覃磊 ,  张顺龙 ,  李祖锋

IPC: G06T7/11 ,  G06T7/00 ,  G06T7/73 ,  G06N3/045 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开了一种基于BoT3‑YOLOv8的中厚板初始焊位分割方法及系统，包括：采集中厚板的焊缝图像数据；对焊缝图像数据进行预处理，得到处理后的图像数据；利用处理后的图像数据对焊位分割模型进行网络模型训练，得到训练好的焊位分割模型；将待测的焊缝图像输入到训练好的焊位分割模型，输出初始焊位特征信息；对初始焊位特征信息进行掩码处理，得到初始焊位掩码二值图。本发明的检测精度更高，抗干扰能力更强，进一步提高了中厚板的焊接效率，适用范围广。

公开(公告)号：CN116543207A

公开(公告)日：2023-08-04

申请号：CN202310498944.5

申请日：2023-05-04

Applicant: 重庆工商大学 ,  重庆凯瑞机器人技术有限公司

Inventor： 刘宗敏 ,  黎杰 ,  李祖锋 ,  敖文刚 ,  王吉睿 ,  古真杰 ,  王松 ,  黄国羊

IPC: G06V10/764 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0985 ,  G06V10/82

Abstract: 本发明公开了一种融合Transformer的中大型复杂构件焊缝识别方法，包括：S1.采集焊缝样本图像信息；S2.构建构件焊缝识别模型，将焊缝样本图像信息输入到构件焊缝识别模型进行模型训练，得到训练好的构件焊缝识别模型；S3.将待测构件的焊缝图像信息输入到训练好的构件焊缝识别模型，输出待测构件的焊缝识别结果。本发明能够保证检测速度的前提下，极大地提高焊缝检测精度，且抗干扰能力强、鲁棒性高。

公开(公告)号：CN115937659A

公开(公告)日：2023-04-07

申请号：CN202211628873.8

申请日：2022-12-18

Applicant: 重庆工商大学

Inventor： 刘宗敏 ,  王吉睿 ,  黎杰 ,  李祖锋 ,  敖文刚 ,  张会焱 ,  刘鹏达 ,  张龙发

IPC: G06V20/00 ,  G06V20/60 ,  G06V20/70 ,  G06V10/774 ,  G06V10/776 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明提供的一种基于Mask‑RCNN的室内复杂环境下多目标检测方法，包括以下步骤：S1.获取室内环境中需要识别的目标物体的图像信息，并将目标物体的图像信息采用Labelme工具进行标注，得到每张图像对应的json格式文件，然后转换成COCO数据集格式；S2.构建Mask RCNN网络，并将CBAM注意力模块加入Mask RCNN网络的主干网络的残差网络中，得到改进型Mask RCNN网络；S3.将转换成COCO数据集格式的图像信息划分为训练集和测试集，并将训练集输入至改进型Mask RCNN网络中进行训练；S4.将测试集输入训练完成后的改进型Mask RCNN网络中进行测试，并判断改进型Mask RCNN网络的识别准确性，当达到准确性指标时，进入步骤S5；S5.实时采集待测室内环境中的目标物体的图像信息，并输入至改进型Mask RCNN网络中进行多目标检测。