基于卷积神经网络多层特征融合的机器人闭环检测方法

    公开(公告)号:CN111753752B

    公开(公告)日:2022-07-01

    申请号:CN202010597702.8

    申请日:2020-06-28

    Abstract: 本发明请求保护一种基于卷积神经网络多层特征融合的机器人闭环检测方法,该方法包括步骤:S1,利用卷积神经网络作为特征提取器,将环境图像输入预训练的网络提取不同层特征;S2,建立浅层几何特征与深层语义特征融合模块,将不同层特征进行加权融合;S3,当前图像与历史关键图像的融合特征进行L2归一化后采用PCA降维处理;S4,定义相识性评分体系,将处理后的两组融合特征输入评分体系检测闭环。本发明在光照变化的环境下,闭环检测的算法相较于其他算法,不仅保证了输出特征图的细节信息和语义信息,而且本算法在实现实时性的同时具有更强的鲁棒性和较高的准确性。

    一种基于表面增强拉曼光谱测定水质中硝酸根的方法

    公开(公告)号:CN114674805A

    公开(公告)日:2022-06-28

    申请号:CN202210293161.9

    申请日:2022-03-23

    Abstract: 本发明涉及一种基于表面增强拉曼光谱测定水质中硝酸根的方法,属于硝酸根的检测技术领域。本发明公开了一种基于表面增强拉曼光谱测定水质中硝酸根的方法,主要是利用带正电荷的半胱胺功能化修饰金纳米颗粒,增加表面增强拉曼基底对硝酸根的亲和性,提高对硝酸根的检测灵敏度,达到对硝酸根检出限满足国家地下水环境质量标准中I类水的检测标准。该方法具有低成本、检测速度快和灵敏度高的优点,解决了现有技术中利用表面增强拉曼光谱直接检测水质中硝酸根灵敏度较低的问题。

    基于卷积神经网络多层特征融合的机器人闭环检测方法

    公开(公告)号:CN111753752A

    公开(公告)日:2020-10-09

    申请号:CN202010597702.8

    申请日:2020-06-28

    Abstract: 本发明请求保护一种基于卷积神经网络多层特征融合的机器人闭环检测方法,该方法包括步骤:S1,利用卷积神经网络作为特征提取器,将环境图像输入预训练的网络提取不同层特征;S2,建立浅层几何特征与深层语义特征融合模块,将不同层特征进行加权融合;S3,当前图像与历史关键图像的融合特征进行L2归一化后采用PCA降维处理;S4,定义相识性评分体系,将处理后的两组融合特征输入评分体系检测闭环。本发明在光照变化的环境下,闭环检测的算法相较于其他算法,不仅保证了输出特征图的细节信息和语义信息,而且本算法在实现实时性的同时具有更强的鲁棒性和较高的准确性。

Patent Agency Ranking