-
公开(公告)号：CN117093000A
公开(公告)日：2023-11-21
申请号：CN202311039389.6
申请日：2023-08-17
Applicant: 重庆理工大学
IPC: G05D1/02
Abstract: 本发明公开了一种用于机器人的目标柔性跟随控制方法，先基于实际跟随距离获取人机距离差：在目标丢失时通过基于新息自适应卡尔曼滤波器得到当前时刻的预测值，基于预测值来确定实际跟随距离。再根据人机距离差计算期望的线速度和角速度，并与实际的线速度和角速度相减，得到误差函数输出给PID控制器；PID控制器输出需要补偿的线速度和角速度给差速运动模型，差速运动模型通过分解，得到机器人驱动电机相应的转速，然后对机器人各行走轮轮速进行计算分配，从而驱动机器人按分配后的轮速行走，实现柔性跟随。本发明能够在各种路面实现良好的柔性跟随，能够避免跟随的顿挫感，鲁棒性更好，且在目标丢失后能够快速准确地找回。
-
公开(公告)号：CN119396150A
公开(公告)日：2025-02-07
申请号：CN202411519571.6
申请日：2024-10-29
Applicant: 重庆理工大学 , 重庆理工清研凌创测控科技有限公司
Abstract: 本发明公开了一种用于机器人的融合多判定方式的自主目标跟随控制方法，机器人利用搭载的深度相机获取周围环境的彩色与深度信息，利用目标检测算法检测彩色图像中是否存在目标物，若存在目标物，则获取其像素坐标，同时使用深度图像获取距离信息。若目标丢失，则使用卡尔曼滤波对目标位置进行预测。当预测时间超过阈值时，则利用UWB对目标的位置、距离进行重定位。最后，将上述方式得到的位置信息通过控制策略计算出机器人跟随的线速度和角速度，实现自主跟随。本发明融合多判定方式，可以提高机器人跟随过程中目标识别和判定的准确性，具有跟随稳定性好、丢失率低、误报率低等优点，能够适用于更多样化的工作场景。
-
公开(公告)号：CN118710883A
公开(公告)日：2024-09-27
申请号：CN202410837116.4
申请日：2024-06-26
Applicant: 重庆理工大学
IPC: G06V10/25 , G06V10/82 , G06V10/52 , G06V10/80 , G06N3/045 , G06N3/0464 , G06N3/0495 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于结构优化与特征融合的轻量级网络目标检测方法，包括：获取目标图像数据集；设计轻量化特征提取网络MobileNetv3和优化的C2f模块，并引入注意力机制和新的激活函数H‑swish，构建基于结构优化与特征融合的轻量级网络的目标检测模型；利用公开数据集和所述目标图像数据集对所述目标检测模型进行训练和验证，获得训练后的目标检测模型；对待处理的目标图像作为训练后的目标检测模型的输入，对所述待处理的目标图像进行识别和定位，得到待处理的目标图像的目标检测结果。本发明解决了目标检测算法在边缘端因算力资源受限导致目标检测精度低的问题，实现对更小的目标物进行识别，提升模型的整体检测精度。
-
公开(公告)号：CN117764960A
公开(公告)日：2024-03-26
申请号：CN202311807137.3
申请日：2023-12-26
IPC: G06T7/00 , G06T7/11 , G06V10/764 , G06V10/42 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种基于多级特征交互融合的CT图像气胸病灶区域识别方法，采用气胸病灶区域识别网络模型识别胸部CT图像中的气胸病灶区域中的气胸病灶区域，该气胸病灶区域识别网络模型先通过对胸部CT图像进行多级下采样和交互增强处理后，分别提取各个不同下采样层级的全局特征图和局部特征图，然后采用高效注意和交叉注意的双注意力结构分别提取各个不同下采样层级的全局特征图中的全局语义特征以及局部特征图之间的交叉注意力特征，并通过加权融合得到各下采样层级的注意力加权融合特征图，最后进行逐层上采样后加以区域分割得到气胸病灶区域识别结果；该方法很好的解决了计算能效不佳、识别处理效率低、识别速度与准确性难以兼顾的问题。
-
-
-
Search Results
4
records
(took 0.022 seconds)
