基于支持向量机的图像插值算法

    公开(公告)号:CN100498836C

    公开(公告)日:2009-06-10

    申请号:CN200610156538.7

    申请日:2006-12-20

    Abstract: 一种基于支持向量机的图像插值算法,属于图像处理技术领域。本发明首先确定待插值像素的周围最邻近6个已知像素区域;然后进行支持向量机训练,根据要插入像素的情况确定支持向量机的个数,对每个支持向量机分别训练,训练中原图像中的每个像素都是支持向量机的输入样本,输入模式包括选定区域中相邻6个已知像素的灰度值,以及相邻6个已知像素的灰度平均值、灰度差等局部空间特性;最后使用完成训练的支持向量机对每个待估计的像素进行插值计算,计算中的支持向量机输入模式和训练的输入模式相同,支持向量机的输出就是插值结果。本发明显著提高了插值结果图像的准确性,适用于图像的整数倍放大,有着广泛的应用前景。

    一种面向织材行业的异构多机器人任务调度方法及系统

    公开(公告)号:CN118092361A

    公开(公告)日:2024-05-28

    申请号:CN202410458566.2

    申请日:2024-04-17

    Abstract: 本发明公开了一种面向织材行业的异构多机器人任务调度方法及系统,包括以下步骤:建立织材行业角色任务分配模型;根据机织自动化生产线整体工艺要求构建任务序列表;中央控制器根据改进蚁群算法将任务序列表中任务进行分配,将相应任务分配给最适合的机器人进行执行。本发明通过角色分配机制将机织各个工艺转化为多机器人的相应角色,引入角色效益值,将每个机器人对应角色所设的角色效益值用于蚁群算法改进,可更好地实现异构多机器人的任务分配。

    一种面向SCARA机械臂的动力学参数辨识方法

    公开(公告)号:CN113172621B

    公开(公告)日:2023-05-09

    申请号:CN202110393184.2

    申请日:2021-04-13

    Abstract: 本发明涉及本发明提出一种面向SCARA机械臂的动力学参数辨识方法,通过动力学参数辨识对机器人的模型进行校正,从而得到精确的动力学模型用来实现机器人的精准控制。属于系统辨识以及机器人控制领域,该方法包括以下步骤:S1、对机器人进行D‑H建模,获取各轴参数,建立机器人动力学模型并进行线性化;S2、确定最小惯性参数集,得到由观测矩阵、待辨识参数和力矩构成的矩阵方程;S3、设计一条具有良好性质的激励轨迹作用于机器人,测量相关数据并进行降噪处理;S4、将实际测量数据代入差分进化算法中进行动力学参数辨识。本方法收敛速度快,计算成本相对较小,可以一次辨识出全部关节摩擦和其他动力学参数,并且具有较高的辨识精度。

    一种强化学习与模糊避障融合的机械臂路径规划方法

    公开(公告)号:CN113232016A

    公开(公告)日:2021-08-10

    申请号:CN202110393339.2

    申请日:2021-04-13

    Abstract: 本发明属于智能控制领域,具体涉及一种强化学习与模糊避障融合的机械臂路径规划方法,包括以下步骤:在机械臂运动前,采用双目视觉系统的两台相同相机获取环境图片,三维重建构建三维空间立体模型,对空间进行离散化,即将目标转化为点的集合;构建模糊控制避障算法,使用强化学习在先验立体空间模型寻找最优轨迹,在遇到障碍物时启用模糊控制避障算法,躲避障碍物成功后再次进入强化学习算法使机械臂向目标点运动。该方法能够在不同的环境中根据不同的状态规划出可行路径,并且决策时间短、成功率高,能够满足在线规划的实时性要求,克服了传统机械臂路径规划方法实时性差、计算量大的缺点也克服了基于传统强化学习方法难以提高学习效率的缺点。

    一种面向SCARA机械臂的动力学参数辨识方法

    公开(公告)号:CN113172621A

    公开(公告)日:2021-07-27

    申请号:CN202110393184.2

    申请日:2021-04-13

    Abstract: 本发明涉及本发明提出一种面向SCARA机械臂的动力学参数辨识方法,通过动力学参数辨识对机器人的模型进行校正,从而得到精确的动力学模型用来实现机器人的精准控制。属于系统辨识以及机器人控制领域,该方法包括以下步骤:S1、对机器人进行D‑H建模,获取各轴参数,建立机器人动力学模型并进行线性化;S2、确定最小惯性参数集,得到由观测矩阵、待辨识参数和力矩构成的矩阵方程;S3、设计一条具有良好性质的激励轨迹作用于机器人,测量相关数据并进行降噪处理;S4、将实际测量数据代入差分进化算法中进行动力学参数辨识。本方法收敛速度快,计算成本相对较小,可以一次辨识出全部关节摩擦和其他动力学参数,并且具有较高的辨识精度。

    基于支持向量机的图像插值算法

    公开(公告)号:CN101059867A

    公开(公告)日:2007-10-24

    申请号:CN200610156538.7

    申请日:2006-12-20

    Abstract: 一种基于支持向量机的图像插值算法,属于图像处理技术领域。本发明首先确定待插值像素的周围最邻近6个已知像素区域;然后进行支持向量机训练,根据要插入像素的情况确定支持向量机的个数,对每个支持向量机分别训练,训练中原图像中的每个像素都是支持向量机的输入样本,输入模式包括选定区域中相邻6个已知像素的灰度值,以及相邻6个已知像素的灰度平均值、灰度差等局部空间特性;最后使用完成训练的支持向量机对每个待估计的像素进行插值计算,计算中的支持向量机输入模式和训练的输入模式相同,支持向量机的输出就是插值结果。本发明显著提高了插值结果图像的准确性,适用于图像的整数倍放大,有着广泛的应用前景。

    一种机织自动化生产线智能管控及协同系统

    公开(公告)号:CN118519400B

    公开(公告)日:2025-05-02

    申请号:CN202410581291.1

    申请日:2024-05-11

    Abstract: 本发明公开了一种机织自动化生产线智能管控及协同系统,将异构机器人和机织设备有效的系统综合集成,根据机织生产线布局特点设立一个主控中心,将自动验布视觉系统、自动码布机器人、自动打包机器人、棉织设备等综合集成,组成一个主从式的多机器人群体体系结构。在异构机器人和机织设备集成基础上将机器人抽象为一个Agent,每个Agent的属性和操作分为四个层次,从下到上分别为感知控制层、行为计划层、协作分配层和信息交互层。通过结合自动化、网络化、数字化和智能化技术使四个层面相互联系从而将各机器人和棉织设备联结至整个系统,实现整个生产线的全局优化和协同,同时可通过远程控制和实时干预。实现机织生产过程全流程自动化。

    一种机织自动化生产线智能管控及协同系统

    公开(公告)号:CN118519400A

    公开(公告)日:2024-08-20

    申请号:CN202410581291.1

    申请日:2024-05-11

    Abstract: 本发明公开了一种机织自动化生产线智能管控及协同系统,将异构机器人和机织设备有效的系统综合集成,根据机织生产线布局特点设立一个主控中心,将自动验布视觉系统、自动码布机器人、自动打包机器人、棉织设备等综合集成,组成一个主从式的多机器人群体体系结构。在异构机器人和机织设备集成基础上将机器人抽象为一个Agent,每个Agent的属性和操作分为四个层次,从下到上分别为感知控制层、行为计划层、协作分配层和信息交互层。通过结合自动化、网络化、数字化和智能化技术使四个层面相互联系从而将各机器人和棉织设备联结至整个系统,实现整个生产线的全局优化和协同,同时可通过远程控制和实时干预。实现机织生产过程全流程自动化。

Patent Agency Ranking