-
公开(公告)号：CN110327048B
公开(公告)日：2022-07-15
申请号：CN201910179287.1
申请日：2019-03-11
Applicant: 浙江工业大学
IPC: A61B5/11
Abstract: 一种基于可穿戴式惯性传感器的人体上肢姿态重建系统，包括下位机硬件平台和人体3D建模上位机，所述下位机硬件平台包括九轴惯性传感器和单片机，所述人体3D建模上位机包括数据通信部分、人体上肢坐标系构建部分及人体3D棍棒模型绘制部分。本发明系统将小型惯性传感器布置在人体多处关节点，通过对动作过程中各肢体部位的惯性数据进行融合与推算得到人体上肢姿态重建结果，最后使用棍棒模型将人体姿态可视化，提供了一种成本低廉、穿戴方便、使用无环境限制、数据更新速率高的人体上肢姿态重建系统。
-
公开(公告)号：CN113920427A
公开(公告)日：2022-01-11
申请号：CN202111109914.8
申请日：2021-09-18
Applicant: 浙江工业大学
IPC: G06V20/10 , G06V10/44 , G06V10/762 , G06V10/764 , G06V20/68 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于YOLOv5CA注意力模型和嵌入式开发板的实时检测系统，包括实时视频采集及预处理模块，物体识别与检测模块和显示及保存模块。实时视频采集及预处理模块，将实时视频数据转化为单帧图像后进行预处理。物体识别与检测模块，在模型中加入CA注意力机制并对模型进行训练。将预先训练好的权重数据载入到卷积神经网络中，用卷积网络对图像数据中的物体进行检测。显示及保存单元，将识别到的物体进行实时显示并将结果进行保存。通过实时视频采集及预处理模块，对实时视频数据进行预处理，可实现复杂环境下的物体实时检测。通过物体识别与检测模块使用YOLOv5CA注意力模型进行物体识别与检测，可以达到实时，高精度的检测效果。
-
公开(公告)号：CN111814847A
公开(公告)日：2020-10-23
申请号：CN202010564925.4
申请日：2020-06-19
Applicant: 浙江工业大学
Abstract: 一种基于车辆三维轮廓的聚类方法，通过拍摄实际车辆或者三维模型投影法生成车辆的二值三视图；计算差异矩阵M，即N辆车两两之间的差异性，通过比较三张图中的差异性，得到最大差异值，可以是不同像素点的总数；将M进行归一化，可以以最大差异值为基准；M中元素越大即为不同的像素点个数越多，相互间的差异性越强，为了能够表达相似性以便于聚类，可以将M取反，如M＝1-M；进行聚类算法，得到K个不同的类。本发明能够可简单快速的实现轮廓聚类，且能够突出车辆姿态估计中所需关键特征上的差异。
-
公开(公告)号：CN110216698A
公开(公告)日：2019-09-10
申请号：CN201910179293.7
申请日：2019-03-11
Applicant: 浙江工业大学
Abstract: 一种基于ROS的机械臂遥操作系统，包括使用以太网连接的机械臂平台与遥操作平台，所述遥操作平台包括小型计算机、显示设备和姿态捕捉传感器，所述机械臂平台包括工控机、工业摄像头和机械臂，所述工控机与小型计算机均搭载并运行ROS，由ROS管理各节点或主机间的消息传递。本发明系统基于ROS体系构建，能实时采集人体右上肢动作姿态并通过逆运动学解算的方式使用机械臂还原动作，同时将现场图像反馈至操作人员，为机械臂的遥操作提供了一种精确、灵活、高效的解决方案。
-
公开(公告)号：CN110142769A
公开(公告)日：2019-08-20
申请号：CN201910287288.8
申请日：2019-04-11
Applicant: 浙江工业大学
Abstract: 基于人体姿态识别的ROS平台在线机械臂示教系统，搭建在开源机器人操作平台ROS之上，包括：用于采集人体姿态数据的IMU模块、图像预处理模块以及关节识别模块，用于求解人体实时姿态与位置的人体姿态求解模块，用于控制机械臂动作的机器人行为决策模块与机器人IO模块。其中，机器人决策模块根据求得的人体姿态数据发出控制指令，该指令通过机器人IO模块发送至机械臂以实现实时示教。还包括信息显示模块。本发明提供一种对操作人员技术水平要求低、精度高、操作环境限制小的在线机械臂示教系统。
-
Patent Agency Ranking
公开(公告)号：CN113160032B
公开(公告)日：2024-10-29
申请号：CN202110333549.2
申请日：2021-03-29
Applicant: 浙江工业大学
IPC: G06T3/04 , G06V10/77 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 一种基于生成对抗网络的无监督多模态图像转换方法，包括以下步骤：1)同时输入属于A域图像xa以及属于B域图像xb进入图像跨域转换神经网络中；2)编码器将图像拆分编码为图像内容编码c以及域风格编码s；3)针对不同的域图像配置不同的特定域编码m；4)将内容编码c、域风格编码s和特定域编码m融合并解码，生成指定目标域图像；5)判别器对生成器生成的图像进行质量评判；6)按步骤1)～5)重复设定次数，直到网络收敛。本发明旨在没有互相匹配的图像数据情况下，利用深度学习技术，只需单个生成网络即可完成多域的图像生成，高效且有效地实现无监督图像跨域转换。
-
公开(公告)号：CN112581550B
公开(公告)日：2024-10-29
申请号：CN202011391478.3
申请日：2020-12-02
Applicant: 浙江工业大学
IPC: G06T9/00 , G06N3/0464 , G06N3/0475 , G06N3/0455 , G06N3/094 , G06T7/11
Abstract: 一种基于生成对抗网络的非匹配图像风格转换方法，包括以下步骤：1)同时输入属于A风格图像xa以及属于B风格图像xb进入风格转换神经网络中；2)根据源域图像，网络生成器生成对应的目标域风格图像；3)将源域与生成的目标域图像经过分割网络，通过形状一致性损失进行约束；4)将源域与生成的目标域图像经过感知网络，通过感知损失进行一致性约束；5)判别器对生成器生成的图像进行质量评判；6)按步骤1)～5)重复设定次数，直到网络收敛。本发明旨在没有互相匹配的图像数据情况下，利用深度学习技术，实现将图像的风格进行有效的转换。通过精心设计的网络结构，能够有效地提高转换图像的质量且适应于更广阔的应用场景范围。
-
公开(公告)号：CN110142769B
公开(公告)日：2021-10-15
申请号：CN201910287288.8
申请日：2019-04-11
Applicant: 浙江工业大学
Abstract: 基于人体姿态识别的ROS平台在线机械臂示教系统，搭建在开源机器人操作平台ROS之上，包括：用于采集人体姿态数据的IMU模块、图像预处理模块以及关节识别模块，用于求解人体实时姿态与位置的人体姿态求解模块，用于控制机械臂动作的机器人行为决策模块与机器人IO模块。其中，机器人决策模块根据求得的人体姿态数据发出控制指令，该指令通过机器人IO模块发送至机械臂以实现实时示教。还包括信息显示模块。本发明提供一种对操作人员技术水平要求低、精度高、操作环境限制小的在线机械臂示教系统。
-
公开(公告)号：CN112580783B
公开(公告)日：2024-03-22
申请号：CN202011487738.7
申请日：2020-12-16
Applicant: 浙江工业大学
Abstract: 一种高维深度学习模型向低维迁移知识的跨维度知识迁移方法，1)将n‑1维数据x扩充形成伪n维数据y；2)将y输入教师网络，提取n维特征；3)将教师网络提取的n维特征在第n维度上求特征的均值；4)将x输入学生网络，提取n‑1维特征；5)通过损失函数约束，使学生网络的特征输出逼近教师网络的特征输出；6)按步骤1)～5)重复设定次数，直到学生网络的特征输出与教师网络的特征输出相差小于预设阈值；7)按照步骤1)～6)的方法，可迁移到维度n‑2，直到维度m。当只有低维数据或为了提高算法速度只能采用低维数据时，采用本发明可以得到一个低维模型，其中存储了高维模型的知识，且具备了与高维模型相近的特征提取能力。
-
公开(公告)号：CN112581550A
公开(公告)日：2021-03-30
申请号：CN202011391478.3
申请日：2020-12-02
Applicant: 浙江工业大学
Abstract: 一种基于生成对抗网络的非匹配图像风格转换方法，包括以下步骤：1)同时输入属于A风格图像xa以及属于B风格图像xb进入风格转换神经网络中；2)根据源域图像，网络生成器生成对应的目标域风格图像；3)将源域与生成的目标域图像经过分割网络，通过形状一致性损失进行约束；4)将源域与生成的目标域图像经过感知网络，通过感知损失进行一致性约束；5)判别器对生成器生成的图像进行质量评判；6)按步骤1)～5)重复设定次数，直到网络收敛。本发明旨在没有互相匹配的图像数据情况下，利用深度学习技术，实现将图像的风格进行有效的转换。通过精心设计的网络结构，能够有效地提高转换图像的质量且适应于更广阔的应用场景范围。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.031 seconds)
