“朱忠攀”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果131个，建议您升级VIP下载更多相关专利

[发明专利]一种面向园区场景的低速无人车自动驾驶系统-CN202211679751.1在审
发明人：杜爱民;朱翰宇;韩业扬;朱忠攀 -专利权人：同济大学
申请日： 2022-12-26 - 公布日： 2023-05-02 - 主分类号： B60W60/00 文献下载
摘要：本发明涉及一种面向园区场景的低速无人车自动驾驶系统，应用于结构化场景，包括传感模块、上位机模块和下位机模块，其中，传感模块与上位机模块相连接，上位机模块与下位机模块相互连接，传感模块用于实时采集外部信息，并传输至上位机模块；上位机模块用于融合处理外部信息以及从下位机模块获取的车辆状态信息，输出得到车辆轨迹规划结果，并传输至下位机模块；下位机模块根据接收的车辆轨迹规划结果，相应控制无人车的油门、刹车以及方向盘转角，实现无人车的自动驾驶。与现有技术相比，本发明通过融合车辆定位以及视觉信息，规避使用高成本的激光雷达设备，能够实现一种低成本、高可靠度的面向园区场景的低速无人车自动驾驶方案。
一种面向场景低速无人自动驾驶系统

[发明专利]基于联邦迁移学习的驾驶员行为云边协同学习系统-CN202010250472.8有效
发明人： 朱忠攀;何斌;杜爱民;李刚;王志鹏;周艳敏;徐寿林 -专利权人：同济大学
申请日： 2020-04-01 - 公布日： 2023-05-02 - 主分类号： G06V20/59 文献下载
摘要：本发明涉及一种基于联邦迁移学习的驾驶员行为云边协同学习系统，包括AI云平台、智能车载终端、以及用于联邦迁移学习的深度神经网络系统等组成。深度神经网络系统包括车载端神经网络和平台端神经网络，可基于AI云平台及与其连接的多个车辆的智能车载终端，实现车载端神经网络与平台端神经网络之间非原始数据传递的联邦模型训练与学习迁移。本发明用于智能汽车驾驶员行为感知及意图理解，与现有技术相比，不仅解决了大规模车辆集群的驾驶员协同感知机器学习问题，同时保护了驾驶员隐私。
基于联邦迁移学习驾驶员行为协同系统

[发明专利]一种多传感器融合的服务机器人协同建图方法及系统-CN202211688689.2在审
发明人：李刚;何斌;周春燕;王旭东;程斌;靳令经;王志鹏;朱忠攀;蒋烁 -专利权人：同济大学;上海市养志康复医院（上海市阳光康复中心）
申请日： 2022-12-27 - 公布日： 2023-04-28 - 主分类号： G06T3/40 文献下载
摘要：本发明公开了一种多传感器融合的服务机器人协同建图方法及系统，包括地面服务机器人和服务器，服务机器人包括深度视觉相机、惯性测量单元(IMU)、微型电脑(NUC)和通信模块，进行前端处理，包括：深度视觉相机获取图像数据和IMU获取瞬时速度信息并交由NUC，对图片数据进行特征提取和关键帧抽取，对IMU数据进行预积分；将预处理后的数据发送到后台服务器。后端服务器协同建图方法包括：服务机器人从同一地点出发并拍摄的Apriltag标签；获取各个服务机器人之间的转换矩阵；构建代价函数，对各个服务机器人发送来的数据进行后端优化；对各个服务机器人构建局部地图；根据转换矩阵，将其余服务机器人的地图坐标转换到其中一个服务机器人上，形成全局地图。
一种传感器融合服务机器人协同方法系统

[发明专利]一种社交场景中人类注意力机制模仿学习方法-CN202310033512.7在审
发明人：何斌;缪奇航;陆萍;周艳敏;蒋烁;朱忠攀;李鑫 -专利权人：同济大学
申请日： 2023-01-10 - 公布日： 2023-04-21 - 主分类号： G06N3/092 文献下载
摘要：本发明公开了一种社交场景中人类注意力机制模仿学习方法，属于服务型机器人领域，具体包括：1)获取环境状态信息，再对服务型机器人进行预训练得到目标策略，将深度强化学习任务执行成功的示例作为原始教师数据；2)将环境状态信息输入到行动者网络模块中，生成动作序列，再将教师数据、动作序列和环境状态信息输入至判别器；3)将判别器的输出值作为奖励值指导模仿策略的学习；4)修改服务型机器人的目标策略函数；5)引入人类注意力机制模块，提取模仿学习网络中的浅层特征生成对抗样本；6)利用对抗样本对目标模型进行对抗训练，本发明相较于原始的深度强化学习，模拟学习的方法具有更高的鲁棒性、准确性及高效性。
一种社交场景人类注意力机制模仿学习方法

[发明专利]基于BIM模型的大规模AIOT节点智能布设方法-CN202211646867.5在审
发明人：何斌;王怡翔;朱忠攀;李刚;王志鹏;周艳敏;陆萍 -专利权人：同济大学
申请日： 2022-12-21 - 公布日： 2023-04-18 - 主分类号： H04L41/16 文献下载
摘要：本申请提供一种基于BIM模型的大规模AIOT节点智能布设方法，该方法为：设备管理端根据AIOT节点网络的布设情况在BIM数据库内检索，并且分发设备关联到对应的BIM模型数据；AIOT节点网络获取各关键部件的传感器数据；AI云服务器确定AIOT节点网络是否完成初始化；如果AIOT节点网络完成初始化，则根据传感器数据和BIM模型信息对AIOT节点网络进行动态增量布设，获得动态调整后的AIOT节点网络；如果AIOT节点网络未完成初始化，则重新对AIOT节点网络进行初始化，并且完成之后AI云服务器再次确定AIOT节点网络是否完成初始化。该方案结合BIM模型全生命周期优势，根据设施的外部状态和内部状态判断当前设备权重系数，动态调整ALOT节点是否需要调整，具有低成本、无需人力维护等优势。
基于 bim 模型大规模 aiot 节点智能布设方法

[发明专利]一种基于强化学习的协作消杀机器人控制方法及系统-CN202211414132.X在审
发明人： 朱忠攀;王子安;何斌;王志鹏;周艳敏;陆萍;李刚;李鑫 -专利权人：同济大学
申请日： 2022-11-11 - 公布日： 2023-04-07 - 主分类号： G05D1/02 文献下载
摘要：本发明公开了一种基于强化学习的协作消杀机器人控制方及系统，方法包括：依据场景信息、消杀任务制定消杀计划，制定包括，将地图封闭区域以及规定任务路径流向输入多智能体强化学习决策网络进行各机器人的目标点位规划，并设定均衡分配奖励函数Rt；向至少两个机器人发送各自目标点位和消杀计划；机器人接收后执行消杀计划，将观测信息输入图神经网络，当机器人之间距离小于阈值时，构建图结构，依据图结构进行各机器人之间的信息交换和聚合。本发明具有弹性的任务分配以及动态化的路径规划能力，同时在面对复杂场景时能够实现各机器人感知数据互补；路径规划灵活、容错率高，机器人避障与协作能力提升，传感器数据不易受干扰，节省人力物力。
一种基于强化学习协作杀机控制方法系统

[发明专利]一种基于预期功能安全的驾驶员监控系统优化方法及系统-CN202211527919.7在审
发明人：丁宏军;杜爱民;朱忠攀 -专利权人：同济大学
申请日： 2022-11-30 - 公布日： 2023-04-07 - 主分类号： G06F30/27 文献下载
摘要：本发明涉及一种基于预期功能安全的驾驶员监控系统优化方法及系统。所述方法包括：选定待测驾驶员监控系统；构建仿真驾驶场景；驾驶员在仿真驾驶场景下执行视觉次任务和听觉次任务，并由驾驶员监控系统进行监控；基于预期功能安全理论，构建对驾驶员监控系统的测试指标，测试指标包括暴露度、严重度及可控度；基于贝叶斯理论，量化暴露度指标；通过对驾驶员监控系统危害事件分析，量化严重度指标；基于驾驶员认知理论，量化可控度指标；结合暴露度、严重度及可控度，给出驾驶员监控系统的安全等级并对系统进行优化。与现有技术相比，本发明可以应对非失效情况下的潜在危害行为引起的风险，为驾驶员监控系统的功能开发和安全设计提供参考。
一种基于预期功能安全驾驶员监控系统优化方法

[发明专利]一种基于多模态融合的驾驶员疲劳监测方法、系统及装置-CN202211340975.X在审
发明人：杜爱民;易纪伟;朱忠攀 -专利权人：同济大学
申请日： 2022-10-30 - 公布日： 2023-04-04 - 主分类号： A61B5/18 文献下载
摘要：本发明涉及一种基于多模态融合的驾驶员疲劳监测方法、系统及装置，该方法包括以下步骤：采集驾驶员的多模态信号，并将所述多模态信号传递给处理终端；对所述多模态信号进行预处理与关键特征提取，得到多模态特征；对所述多模态特征进行融合，得到融合特征；将所述融合特征输入长短期记忆网络，并划分驾驶员的疲劳状态；若所述驾驶员的疲劳状态超过预设的要求，车载设备通过报警装置对驾驶员进行提醒。与现有技术相比，本发明通过融合视频、心电以及车辆状态三种模态的信号，提高了检测的准确度和鲁棒性；且三种信号的采集均为非侵入式，不会影响驾驶员的正常驾驶。
一种基于多模态融合驾驶员疲劳监测方法系统装置

[发明专利]基于深度学习的航空发动机转子系统故障诊断方法及装置-CN202211079626.7在审
发明人：何斌;杨振坤;李刚;程斌;陆萍;朱忠攀;张朋朋 -专利权人：同济大学
申请日： 2022-09-05 - 公布日： 2023-04-04 - 主分类号： G06F18/214 文献下载
摘要：本发明公开了一种基于深度学习的航空发动机转子系统故障诊断方法及装置，涉及航空发动机故障诊断技术领域。包括：获取待诊断的航空发动机轴承的一维振动信号数据；对一维振动信号数据进行预处理，得到二维时频域图像；将二维时频域图像输入到训练好的特征提取网络，得到待诊断的航空发动机轴承的故障分类结果。本发明通过对一维轴承振动信号数据进行时频分析，生成具有物理意义的二维时频图像，能够充分挖掘出数据的频域特征，具有鲁棒性高、抗噪声的优点。基于视觉多层感知机的特征提取网络，能够获取具有全局依赖关系的高维故障特征，进一步提高诊断的准确性。迁移学习有助于克服故障样本量不足的局限性，加速故障诊断算法的实际应用。
基于深度学习航空发动机转子系统故障诊断方法装置

[发明专利]一种基于图神经网络路径优化的无线中继通信方法及装置-CN202211130929.7在审
发明人：何斌;张卓辉;李刚;朱忠攀;周艳敏;王志鹏;程斌;蒋烁;张朋朋 -专利权人：同济大学
申请日： 2022-09-16 - 公布日： 2023-04-04 - 主分类号： H04B7/155 文献下载
摘要：本发明公开了一种基于图神经网络路径优化的无线中继通信方法及装置，涉及无线中继通信技术领域。包括：生成无线中继通信系统中节点的嵌入矩阵；基于节点的嵌入矩阵，对编码器‑解码器架构进行训练，得到训练后的编码器‑解码器架构；将节点的嵌入矩阵输入到训练后的编码器‑解码器架构，得到无线中继通信系统中中继节点的路径优化结果。本发明解决了多节点无线中继通信方法中由于无人系统的机动性和无线通信的不稳定性导致的信息传输性能低下的问题。利用图神经网络结合固定节点的功率和固定节点与中继节点的相对距离，自主生成无人系统的移动路径，是一种更一般化的不受距离和固定节点数量限制的无线中继通信方法。
一种基于神经网络路径优化无线中继通信方法装置

[发明专利]一种基于事件驱动策略的无人机分布式编队控制方法-CN202211446866.6在审
发明人：何斌;程斌;李刚;何铭源;王志鹏;周艳敏;朱忠攀;蒋烁;张朋朋;朱晗;李鑫 -专利权人：同济大学
申请日： 2022-11-18 - 公布日： 2023-03-28 - 主分类号： G05D1/10 文献下载
摘要：本发明涉及一种基于事件驱动策略的无人机分布式编队控制方法，包括以下步骤：步骤1、获取无人机的数据，建立无人机系统；所述无人机系统包括领航无人机和跟随无人机；步骤2、获取无人机系统的编队数据，代入无人机编队控制系统，判断事件驱动条件是否触发；若未触发，无人机系统维持初始状态，执行步骤2；若触发执行步骤3；步骤3、无人机编队控制器进行更新，无人机系统进行局部信息交互，改变无人机的分布状态。与现有技术相比，本发明有效避免控制器和触发条件对于全局信息的依赖，实现了无人机编队的无标度化，适用于无人机个体数量变化和机间连接关系切换等情况。
一种基于事件驱动策略无人机分布式编队控制方法

[发明专利]一种动车车底防松铁丝断裂检测方法-CN202310033662.8在审
发明人：王志鹏;冯文浩;蒋烁;何斌;周艳敏;李刚;朱忠攀 -专利权人：同济大学
申请日： 2023-01-10 - 公布日： 2023-03-21 - 主分类号： G01N21/84 文献下载
摘要：本发明公开了一种动车车底防松铁丝断裂检测方法，包括：采用待检测防松铁丝特征信息与事先设定好的标准特征信息进行对比的方式进行检测，先采集一辆完好的动车底部防松铁丝的特征信息作为标准参考模板，在动车检修时，再次采集动车底部相同位置的防松铁丝特征信息，并与标准参考模板中的特征信息进行对比，判断防松铁丝是否发生断裂。根据本发明，无需负样本或者少量负样本的就能检测防松铁丝是否断裂，防松铁丝的检测更为简便，应用范围更广，对不同设备的防松铁丝检测都具有推广价值。
一种动车车底铁丝断裂检测方法

[发明专利]基于遗传算法优化稀疏自编码器的数据压缩方法及装置-CN202211527709.8在审
发明人：何斌;杨振坤;李刚;朱忠攀;陆萍;程斌 -专利权人：同济大学
申请日： 2022-12-01 - 公布日： 2023-03-14 - 主分类号： G06N3/086 文献下载
摘要：本发明提供了一种基于遗传算法优化稀疏自编码器的数据压缩方法与装置，涉及数据处理技术领域。包括：确定稀疏自编码器的网络拓扑结构，初始化稀疏自编码器网络，获得稀疏自编码器网络的初始权值和初始阈值；通过改进遗传算法对稀疏自编码器网络的初始权值和初始阈值进行优化；对未压缩的数据进行归一化处理和数据矫正，获得新的未压缩数据；将新的未压缩数据输入改进的稀疏自编码器网络，将隐含层的输出数据作为压缩后的数据；将压缩后的数据通过算数编码进行无损压缩，获得新的压缩后数据。有效地对样本数据进行降维，稀疏自编码器的多层网络结构使稀疏自编码器具有强大的非线性特征映射能力，无需输入数据具备标签，提高了压缩算法的适用范围。
基于遗传算法优化稀疏编码器数据压缩方法装置

[发明专利]一种基于BIM结构信息的VSLAM定位方法-CN202211503493.1在审
发明人：何斌;王怡翔;陆萍;周艳敏;王志鹏;朱忠攀 -专利权人：同济大学
申请日： 2022-11-28 - 公布日： 2023-03-03 - 主分类号： G01C21/20 文献下载
摘要：本发明公开了一种基于BIM结构信息的VSLAM定位方法，属于室内定位领域，包括移动智能体、BIM数据库、边缘计算设备、用户接口，移动智能体采集视觉传感器获取的RGB/RGBD图像，控制移动机器人位姿；BIM数据库存储从BIM模型中提取的建筑物三维结构和语义信息；边缘计算设备和移动智能体相连接，包括CAD重建网络和VSLAM算法两个主要线程，通过CAD重建网络求解9‑DoFCAD模型和VSLAM算法求解当前位姿、优化轻量化结构地图；用户接口接收用户命令，获取移动智能体位置，发送移动智能体控制信号并监控边缘计算设备运行情况，本发明利用BIM模型提供的结构化信息为机器人提供准确的定位源，同时避免传统的建图任务，具有轻量化、精度高等优势。
一种基于 bim 结构信息 vslam 定位方法

[发明专利]双通路视频协同感知的行为姿态识别方法-CN202211505615.0在审
发明人： 朱忠攀;张润泽;何斌;李刚;王志鹏;周艳敏;陆萍 -专利权人：同济大学
申请日： 2022-11-29 - 公布日： 2023-02-24 - 主分类号： G06V20/40 文献下载
摘要：本发明提供一种双通路视频协同感知的行为姿态识别方法，包括左右两侧智慧灯杆的摄像模块、边缘计算模块，交互模块在内的双通路视频协同感知系统。左右两侧智慧灯杆的摄像模块即部署在两侧灯杆上的各一路摄像头，用于行人视频数据的收集；边缘计算模块即部署在智慧灯杆端的轻量级行人动作姿态识别神经网络，用于行人视频数据的处理即对行人实时动作类别的推断；交互模块用于共享两侧神经网络获取的行人姿态信息，实现对结果的博弈优化。该识别算法可用于街道行人视频监控信息挖掘与紧急情况实时反应处理，能够以较低算力资源实时、高效和精确地处理行人视频监控信息，节约人力物力，保障行人生命安全与公私财物安全。
通路视频协同感知行为姿态识别方法

首页
«上一页
1
2
3
4
5
6
7
8
9
下一页»
尾页
共 131 条