专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果130个,建议您升级VIP下载更多相关专利
  • [发明专利]一种基于视觉路标辅助的高精度激光SLAM方法及装置-CN202310890881.8在审
  • 刘成菊;陈启军;那文杰;孟子煜 - 同济大学
  • 2023-07-19 - 2023-10-20 - G01C21/00
  • 本发明涉及一种基于视觉路标辅助的高精度激光SLAM方法及装置,其中方法包括以下步骤:通过激光传感器获取实时激光数据,执行激光SLAM算法中前端的扫描匹配过程,计算新获取的激光扫描帧插入地图的最佳位姿;基于前端扫描匹配过程构建的子图和基于传感器信息估计的姿态,进行回环检测,构建新的位姿约束关系;借助摄像头对环境布署的视觉路标进行检测识别,获取视觉路标与移动机器人之间的位姿约束关系;综合考虑前端扫描匹配、回环检测和视觉路标观测过程得到的所有位姿约束关系,构建后端优化目标,求解得到优化轨迹和地图。与现有技术相比,本发明具有提高了移动机器人建图过程中的定位精确度及地图构建的结果质量等优点。
  • 一种基于视觉路标辅助高精度激光slam方法装置
  • [发明专利]一种基于曲线配准的示教轨迹学习方法-CN202111638864.2有效
  • 刘成菊;肖宏远;陈启军 - 同济大学
  • 2021-12-29 - 2023-08-04 - B25J9/16
  • 本发明涉及一种基于曲线配准的示教轨迹学习方法,包括以下步骤:S1、通过动觉示教获取原始示教轨迹;S2、对动觉示教所记录的原始示教轨迹进行曲线配准;S3、经过曲线配准,将原始示教轨迹分解为时域特征和空域特征,由原始示教轨迹的空域特征构成规整示教轨迹;S4、使用规整示教轨迹作为示教学习算法的输入;S5、使用习得的模型对示教轨迹进行重现。与现有技术相比,本发明明确指出示教轨迹所具有的时‑空耦合数据特性,并使用曲线配准方法替代现有的示教轨迹规整方法,使得后续的示教学习算法能够从规整的示教轨迹中进行学习,提升了一类示教轨迹学习方法的性能。
  • 一种基于曲线轨迹学习方法
  • [发明专利]一种自然语言轨迹指令生成方法、装置及存储介质-CN202310411770.4在审
  • 陈启军;王柳懿;刘成菊;何宗涛;党荣浩 - 同济大学
  • 2023-04-17 - 2023-08-01 - G06F40/205
  • 本发明涉及一种基于半监督学习的自然语言轨迹指令生成方法、装置及存储介质,其中方法包括:构建轨迹‑指令生成器和轨迹‑指令匹配器;采集候选导航点,生成有限条轨迹并标注自然语言指令,形成有标签数据集,并随机生成轨迹路线以形成无标签数据集;利用有标签数据集分别训练轨迹‑指令生成器和轨迹‑指令匹配器;基于无标签数据集,利用轨迹‑指令生成器生成对应的伪标签,使用轨迹‑指令匹配器过滤质量低的伪标签;将过滤后的伪标签数据集与有标签数据集合并,精炼轨迹‑指令生成器;重复上述步骤,直到轨迹‑指令匹配器判断无低质量伪标签,或达到重复轮数上限。与现有技术相比,本发明具有准确性高、泛化性强、标注与应用方便等优点。
  • 一种自然语言轨迹指令生成方法装置存储介质
  • [发明专利]一种基于图修剪的长效激光SLAM方法、装置及存储介质-CN202310424718.2在审
  • 刘成菊;孟子煜;陈启军;那文杰 - 同济大学
  • 2023-04-19 - 2023-08-01 - G01C21/00
  • 本发明涉及一种基于图修剪的长效激光SLAM方法、装置及存储介质,其中方法包括以下步骤:获取实时激光数据,执行激光SLAM算法中前端的扫描匹配过程;基于扫描匹配过程构建的子图和激光数据进行回环检测,构建位姿图;进行子图的冗余判断并标记;对标记的冗余子图进行修剪,执行稀疏化过程;将修剪后的位姿图作为后端全局优化的输入并进行优化求解,得到激光SLAM算法的输出优化轨迹和地图。与现有技术相比,本发明添加了图修剪流程及位姿图稀疏化过程,可有效控制位姿图中顶点及边的数量,避免了其数量的无限增长,从而保障了长期运行SLAM算法时的有效性,并且通过修剪冗余子图,使得建图结果总能反映最新的环境信息,可对地图进行有效的更新维护。
  • 一种基于修剪长效激光slam方法装置存储介质
  • [发明专利]一种适用于现实室内环境的机器人视觉语言导航方法-CN202310475326.9在审
  • 刘成菊;陆理文;陈启军;王乃佳 - 同济大学
  • 2023-04-28 - 2023-08-01 - G01C21/20
  • 本发明涉及一种适用于现实室内环境的机器人视觉语言导航方法,包括以下步骤:获取环境信息和全景图片;对现实室内环境进行二维栅格地图构建,并将连续的室内环境转换成离散图;生成路径‑指令对训练样本并提取全景图片的图像特征信息,基于二者构建现实室内环境的视觉语言导航数据集;构建视觉语言导航模型,接收语言指令和当前环境信息指令,输出当前时刻下的下一步动作选择;以视觉语言导航数据集为训练数据,对视觉语言导航模型进行迁移训练;以ROS系统为基础,在机器人上实现视觉语言导航功能的部署。与现有技术相比,本发明具有适用于室内环境、能够极大地提高机器人在室内环境下的视觉语言导航任务的成功率,加速网络模型训练、适用性强等优点。
  • 一种适用于现实室内环境机器人视觉语言导航方法
  • [发明专利]一种用于指导机器人连续导航行为的导航路点预测方法-CN202310367308.9在审
  • 陈启军;王乃佳;刘成菊 - 同济大学
  • 2023-04-07 - 2023-07-28 - G06V10/80
  • 本发明涉及一种用于指导机器人连续导航行为的导航路点预测方法,包括如下步骤:提取机器人摄像头采集到的全景RGBD图像的图像特征向量;获取机器人当前的偏移角度并扩充数据维度后,与图像特征向量拼接,形成对应的动作特征编码和全景图像特征编码;将机器人的自然语言指令分别和全景图像特征编码、朝向角度相关的行为特征编码对齐;编码对齐后的自然语言指令,在解码器端与施加行为关注和视觉关注后的指令语义进行跨模态注意力融合,输出全景方向选择预测结果;根据全景方向选择预测结果,对单视角RGBD图像在局部导航网格中预测子目标导航路点位置。与现有技术相比,本发明具有具有路点预测与导航过程紧密相关、模型泛化性强等优点。
  • 一种用于指导机器人连续导航行为预测方法
  • [发明专利]基于路径平滑和双向跳点搜索的移动机器人路径规划方法-CN202310298645.7在审
  • 陈启军;刘成菊;杨皓冬 - 同济大学
  • 2023-03-24 - 2023-07-18 - G05D1/02
  • 本发明涉及一种基于路径平滑和双向跳点搜索的移动机器人路径规划方法,该方法包括以下步骤:步骤S1、建立表征移动机器人工作空间的栅格地图,确认移动机器人初始点和目标点,并初始化先验信息;步骤S2、采用双向跳点搜索策略利用起始点和目标点两个方向的栅格地图信息规划出从起点到终点的较优可行路径;步骤S3、采用B样条曲线对较优可行路径中跳点所在位置的不平滑拐角进行优化,得到最终的路径规划结果。与现有技术相比,本发明具有搜索效率较高、易于实现,对复杂环境的适应性较强,且路径二次连续性有效保护了机器人硬件的机械结构。
  • 基于路径平滑双向搜索移动机器人规划方法
  • [发明专利]一种基于规则驱动的多移动机器人局部协作方法-CN202310306545.4在审
  • 陈启军;刘成菊;杨皓冬 - 同济大学
  • 2023-03-27 - 2023-07-18 - G05D1/02
  • 本发明涉及一种基于规则驱动的多移动机器人局部协作方法,包括如下步骤:S1:为每个移动机器人初始化方形窗口,在该方形窗口内建立局部代价地图;S2:遍历并判断该机器人的各栅格上是否存在动态障碍,是则执行S3,否则执行S6;S3:确定动态障碍是否为当其他机器人,是则执行S4,否则执行S5;S4:判断当前机器人的优先级是否低于当前栅格的机器人,生成局部规划路径;S5:确定当前机器人的方形窗口内是否存在障碍栅格和/或预测栅格,确定碰撞类型,确定当前移动机器人的规划路径;S6:重复执行S2~S5;S7:返回S4或S5的规划路径作为当前机器人的协作路径。与现有技术相比,本发明对复杂环境的动态适应性强,缓解了动态障碍对多机协同的安全隐患。
  • 一种基于规则驱动移动机器人局部协作方法
  • [发明专利]一种基于双重语义理解与融合的视觉语言导航方法-CN202310305933.0在审
  • 陈启军;王柳懿;刘成菊;何宗涛;党荣浩 - 同济大学
  • 2023-03-24 - 2023-07-14 - G01C21/20
  • 本发明涉及一种基于双重语义理解与融合的视觉语言导航方法,包括以下步骤:获取引导性指令和视觉观察图像;分别提取视觉观察图像的图像特征和图像中的物品特征;基于自然语言编码网络提取引导性指令长文本特征,并基于专家经验规则提取引导性关键词文本特征;获取基于物品级别的图像增强特征与基于引导性关键词的文本增强特征,得到双重语义增强后的视觉和语言特征,并将输入到视觉‑语言交叉融合模块以获取跨模态融合特征;基于跨模态融合特征,使用动作预测子网络模块输出导航位置预测结果,控制机器人向预测的导航位置方向前进,并更新对应的视觉观察图像。与现有技术相比,本发明具有动作预测准确性高、可解释性强等优点。
  • 一种基于双重语义理解融合视觉语言导航方法
  • [发明专利]一种七自由度机械臂的臂角参数化逆运动学求解方法-CN202310287891.2在审
  • 陈启军;钟献有;刘成菊;赵沅;敖正楷 - 同济大学
  • 2023-03-22 - 2023-07-04 - B25J9/16
  • 本发明涉及一种七自由度机械臂的臂角参数化逆运动学求解方法,包括以下步骤:基于标准Denavit‑Hartenberg参数建模方法,建立SRS构型七自由度机械臂的连杆坐标系,分析得到其正运动学方程;基于最小运动变换原则,定义机械臂的臂角参数,将最小运动变换模型分解为两个子运动:基准角运动、臂角自运动,并进行分析,得到零臂角平面的肘部关节点位置;基于零臂角平面的肘部关节点位置计算零臂角对应的腕部关节姿态旋转矩阵;求解肘部关节角;基于最优臂角参数、零臂角对应的腕部关节姿态旋转矩阵和正运动学方程分别求解肩部关节角组、腕部关节角组。与现有技术相比,本发明具有求解精度高、计算效率高、算法稳定性好等优点。
  • 一种自由度机械参数运动学求解方法
  • [发明专利]一种安全设备穿戴检测方法及装置-CN202310099707.1在审
  • 陈启军;刘成菊;王瀚 - 同济大学
  • 2023-02-08 - 2023-06-23 - G06V40/20
  • 本发明涉及一种安全设备穿戴检测方法及装置,其中方法包括:获取网络摄像机捕获的视频帧图像;提取视频帧图像有效区域内的人体图像;利用AlphaPose算法对图像中的人体姿态进行估计,获取人体关节点坐标;根据人体关节点坐标定位检测区域,进行裁剪整理,得到训练集图像和测试集图像;利用训练集图像,基于YOLOv5算法进行目标检测模型训练,基于ResNet算法进行图像分类模型训练,并结合数据增强及迁移学习提高训练效果;将测试集图像送入训练完成的目标检测模型和图像分类模型,进行相应穿戴等级的合格性检测;采用滞回比较的思想基于多帧图像整合判断结果,将被检人员的穿戴检测情况进行实时可视化反馈。与现有技术相比,本发明具有检测方便、结果精确等优点。
  • 一种安全设备穿戴检测方法装置
  • [发明专利]一种大幅度旋转图像的匹配方法、装置及存储介质-CN202310272857.8在审
  • 范睿;苏帅;陈启军;刘成菊 - 同济大学
  • 2023-03-20 - 2023-06-23 - G06V10/74
  • 本发明涉及一种大幅度旋转图像的匹配方法、装置及存储介质,其中方法包括以下步骤:输入参考图像和目标图像并进行预处理;根据卷积神经网络固有的平移不变性,将旋转图像的匹配问题简化为使用基于平面旋转群SO2的群等变神经网络建模对应点匹配问题;构建旋转等变图像特征提取器并训练;建立2条匹配路线,分别对每一条匹配路线中图像的图像特征应用最近邻匹配算法进行匹配;基于双旋转等变激励混合器对2条匹配路线的匹配结果进行一次滤波、反投影、合并、二次滤波处理,输出参考图像和目标图像中稠密对应点的匹配关系。与现有技术相比,本发明既可以克服大幅度光照变化影响又可以实现所有角度下旋转的图像匹配。
  • 一种大幅度旋转图像匹配方法装置存储介质
  • [发明专利]一种基于视频的人体危险行为分析方法-CN202211738972.1在审
  • 刘成菊;陈启军;吴勇 - 同济大学
  • 2022-12-30 - 2023-06-13 - G06V20/52
  • 本发明涉及一种基于视频的人体危险行为分析方法,包括:读取视频流信息;利用改进的YOLOv5从中提取行人目标以及与危险行为有关的目标物体;以提取到的目标人员区域作为人体姿态检测的输入,利用AlphaPose提取出行人的骨架姿态;结合人员骨架姿态与目标小物体位置信息,判断视频中人员是否在与目标物体进行互动、以及是否存在设定的危险行为;使用ST‑GCN对目标人员行为进行判断,并结合空间信息确定人员是否出现跌倒行为或者闯入禁区;根据骨架信息提取出目标人员的肢体末端部位,结合色彩分析判断其是否存在工装穿戴不规范的行为;将判断得出的危险行为信息传输到前端进行显示以及警报。与现有技术相比,本发明能够高精度低延迟地进行多种危险行为的识别及预警。
  • 一种基于视频人体危险行为分析方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top