基于深度学习的单目深度估计方法

    公开(公告)号:CN110738697B

    公开(公告)日:2023-04-07

    申请号:CN201910957758.7

    申请日:2019-10-10

    Applicant: 福州大学

    Abstract: 本发明提出一种基于深度学习的单目深度估计方法,包括:基于用于单目深度估计的无监督卷积神经网络结构,包括:编码器、多尺度特征融合模块、门控自适应解码器和细化单元;包括以下步骤:步骤S1:数据集预处理;步骤S2:构造卷积神经网络的损失函数,输入训练集图像,使用反向传播算法计算损失函数损失值,通过反复迭代减小误差进行参数学习,使预测值逼近真实值,以获得卷积神经网络的最佳权重模型;步骤S3:加载步骤S2已训练好的权重模型,将测试集输入用于单目深度估计的无监督卷积神经网络,获得深度预测图像。其解决了离线训练时计算量大和深度重建中细节部分恢复效果差的问题。

    一种无人餐厅自动送餐路径规划方法

    公开(公告)号:CN110597263B

    公开(公告)日:2021-11-26

    申请号:CN201910909681.6

    申请日:2019-09-25

    Applicant: 福州大学

    Abstract: 本发明涉及一种无人餐厅自动送餐路径规划方法,包括以下步骤:步骤S1:根据顾客点餐系统获取送餐小车的目标点位及送餐小车数量;步骤S2:根据得到的目标点位及送餐小车数量,确定系统调度目标;步骤S3:根据系统调度目标构建路径规划模型;步骤S4:根据得到的路径规划模型规划初始规划策略;步骤S5:根据得到初始规划策略,采用模糊算法规避实时碰撞,生成最优规划策略;步骤S6:系统根据最优规划策略控制送餐小车执行送餐任务。本发明可以保证无人餐厅自动送餐系统的稳定性、可靠性,同时保证送餐小车组的调度有序、高效,不会发生送餐小车间相互碰撞或者死锁的情况。

    无人机快速追踪协同避障方法

    公开(公告)号:CN110244756B

    公开(公告)日:2021-09-24

    申请号:CN201910356849.5

    申请日:2019-04-29

    Applicant: 福州大学

    Abstract: 本发明涉及一种无人机快速追踪协同避障方法,包括如下步骤:1、获取无人机在t时刻的位姿信息,以及具有追踪目标的二维图像信息;2、采用快速追踪算法对相机视野中追踪目标进行快速追踪;3、通过二维激光雷达获取水平面深度信息;4、根据无人机在t时刻位姿预测其在t+1时刻期望位姿,以对目标进行轨迹预测;5、根据障碍物位置计算排斥矢量偏差值,以对障碍物进行初步规避;6、定义一个智能切换信号,基于步骤5得到的结果,优化避障策略,使无人机满足最小避障要求时触发该信号,然后按步骤4和步骤5的方法,在对追踪目标进行快速追踪的同时进行高效避障。该方法可以使无人机在快速跟踪地面目标的同时躲避空中障碍物。

    一种基于快速探索随机树的多机器人地图探索方法

    公开(公告)号:CN110221614B

    公开(公告)日:2021-06-01

    申请号:CN201910513339.4

    申请日:2019-06-14

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于快速探索随机树的多机器人地图探索方法,包括以下步骤:步骤1:利用基于RRT的边界检测器,包括全局边界检测器和局部边界检测器,检测边界点;步骤2:对得到的边界点进行滤波,即剔除已被探测过的边界点并将一些密集的边界点进行聚类,再将滤波后的边界点存入边界点列表中;步骤3:使用基于市场经济的多机器人任务分配策略,根据各个边界点和机器人的位置,通过对成本和收益的计算,将特定的边界点分配给利润最高的机器人,从而建立机器人的局部地图;步骤4:通过网络通信,共享并融合各个机器人所得到的地图信息从而得到最终的地图。本发明能够克服现有技术的不足,引导多机器人自主探索未知环境并建立环境地图。

    基于独立虚拟中心点的机器人分散式协同避障方法

    公开(公告)号:CN109597418B

    公开(公告)日:2021-03-02

    申请号:CN201910038299.2

    申请日:2019-02-27

    Applicant: 福州大学

    Abstract: 本发明涉及一种基于独立虚拟中心点的机器人分散式协同避障方法,包括如下步骤:步骤1:获得机器人的当前位姿信息;步骤2:计算出每个机器人的虚拟中心点,虚拟中心点随机器人运动而运动;步骤3:根据每个机器人的当前位置与其目标点位置、其虚拟中心点的位置,得到机器人的目标矢量和排斥矢量;步骤4:定义一个切换信号判断机器人的运动模式为避障模式或者为无障碍模式;步骤5:利用矢量微分法得到机器人的期望速度与期望角度,根据控制法则得到机器人的实时速度和角速度,指导机器人运动。本发明采用绕虚拟中心点,垂直于排斥矢量方向旋转运动;机器人始终朝着目标矢量运动,从而引导机器人进行有序地避障。

    一种视觉与激光雷达融合的室外移动机器人位姿估计方法

    公开(公告)号:CN112396656A

    公开(公告)日:2021-02-23

    申请号:CN202011329017.3

    申请日:2020-11-24

    Applicant: 福州大学

    Abstract: 本发明涉及一种视觉与激光雷达融合的室外移动机器人位姿估计方法,包括以下步骤:步骤S1:获取点云数据及视觉图像数据;步骤S2:采用迭代拟合的算法对地面模型进行准确估计并提取地面点;步骤S3:对视觉图像下半区域提取ORB特征点,并根据地面点为视觉特征点估计深度;步骤S4:获取由点云的深度信息构成的深度图像;步骤S5:提取边缘特征、平面特征及地面特征;步骤S6:利用汉明距离及RANSAC算法对视觉特征进行匹配并采用迭代最近点法初步计算移动机器人的相对位姿;步骤S7:根据视觉得到的相对位姿、地面点云提供的点面约束、法向量约束和非地面点云提供的点线、点面约束,得到机器人的最终位姿。本发明实现移动机器人在室外环境中精度更高、鲁棒性更高的位姿估计。

    一种具有抗未知扰动的延迟忆阻神经网络的预定时间投影同步方法

    公开(公告)号:CN110879533A

    公开(公告)日:2020-03-13

    申请号:CN201911283781.9

    申请日:2019-12-13

    Applicant: 福州大学

    Abstract: 本发明涉及一种具有抗未知扰动的延迟忆阻神经网络的预定时间投影同步方法,包括以下步骤:步骤S1:基于延迟忆阻神经网络,建立驱动系统和响应系统;步骤S2:根据步骤S1建立的驱动系统和响应系统,建立预定时间投影同步误差系统;步骤S3:设计干扰观测器用以估计外部未知扰动,补偿因未知扰动对系统同步所带来的误差影响;步骤S4:针对不同情况,设计不同的主动控制器,以进行预定时间投影同步误差系统的平衡控制。本发明可以实现具有抗未知扰动的延时忆阻神经网络的预定时间投影同步。

    基于点、线特征约束的同时定位与建图方法

    公开(公告)号:CN117218195A

    公开(公告)日:2023-12-12

    申请号:CN202311161453.8

    申请日:2023-09-11

    Applicant: 福州大学

    Inventor: 张立伟 蔡锦人

    Abstract: 本发明提出基于点、线特征约束的同时定位与建图方法,用于设备在移动时的位姿定位与建图作业,包括以下步骤;首先、通过对设备移动过程拍摄图像内的点、线特征的提取和对于线特征的长度筛除来获得追踪质量较高的点、线特征;其次,根据被检测的点特征在其固定半径范围内进行搜索,获取相似位置的线特征;根据点,线特征进行分组并且耦合使用;最后,采用点线耦合特征进行联合建图,并定义点特征、线特征、线特征残差与点线耦合特征残差,而后进行后端的非线性优化,通过最小化残差达到位姿估计与地图构建的目的;本发明采用点线耦合特征进行联合建图,能够更精准的输出机器人位姿及进行地图构建。

Patent Agency Ranking