一种遮挡环境下的目标分割补全及识别方法

    公开(公告)号:CN115984558A

    公开(公告)日:2023-04-18

    申请号:CN202211683146.1

    申请日:2022-12-27

    Abstract: 本发明公开了一种遮挡环境下的目标分割补全及识别方法,包括:采集遮挡环境下的两张连续视频序列图像,将图像从RGB空间转换到YCbCr颜色空间,提取Y分量进行归一化处理;进行均值聚类分割,获得两张遮挡环境下的分割图像;进行边缘提取与边缘跟踪,通过改进插值算法实现采摘目标的轮廓重建,再根据两张遮挡环境下轮廓重建的分割图像计算生成拟合矩形框;进行相对准确率的计算,对遮挡修复图像进行识别,获得遮挡环境下的采摘目标分割补全及识别图像。本发明为遮挡环境下的采摘目标分割补全及识别提供了一种有效方法,并且创新性地使用一种改进的插值算法对采摘目标进行轮廓补全,具有实用性强、轮廓补全精确度高、抗背景环境干扰能力强的优点。

    一种基于三周期极小曲面的椎间盘植入物的建模方法

    公开(公告)号:CN115252234A

    公开(公告)日:2022-11-01

    申请号:CN202210652610.4

    申请日:2022-06-10

    Abstract: 本发明公开了一种基于三周期极小曲面的椎间盘植入物的建模方法。属于3D生物打印领域,其具体制备步骤如下:扫描患者的椎间盘,建立起椎间盘模型,采用参数化建模的方法,建立起Primitive曲面和变形Primitive曲面的孔结构,并与椎间盘模型进行布尔运算,获得椎间盘植入物的多孔结构模型,并对其进行仿真测试。本发明利用3D打印技术打印出实体,进行体外实验,选取最佳模型植入患者的身体。

    一种基于稀疏化可视图的机器人快速路径规划方法

    公开(公告)号:CN115220448B

    公开(公告)日:2025-04-04

    申请号:CN202210831716.0

    申请日:2022-07-15

    Abstract: 本发明公开了一种基于稀疏化可视图的机器人快速路径规划方法,其特征在于,包括:针对激光雷达采集得到的点云信息,通过PCL点云库进行点云降采样得到稀疏点云;将得到的稀疏点云使用空洞网格结构进行存储,并且将稀疏点云平面投影得到二值图像,进行图像模糊得到模糊图像;将模糊图像进行轮廓点的提取,得到障碍物的轮廓特征点,并将障碍物的轮廓特征点进行过滤;通过过滤后的障碍物的轮廓特征点构建可视图;使用双向BFS搜索寻找最优路径,并且在路径规划的过程中,剔除障碍物。本发明算法运行速度快,具有良好的实时性;缩短了构建地图和路径规划所需要的时间,同时减少了机器人在未知环境中探索造成的空间浪费,具有抗复杂环境干扰性强等优点。

    基于深度视觉与增量闭环的机械臂精准定位及抓取方法

    公开(公告)号:CN114147704A

    公开(公告)日:2022-03-08

    申请号:CN202111367940.0

    申请日:2021-11-18

    Abstract: 本发明公开了一种基于深度视觉与增量闭环的机械臂精准定位及抓取方法,包括:识别待抓取的物体位置,获取待抓取物体的机械臂空间坐标;通过逆运动学解析算法,将机械臂空间坐标信息转换为机械臂舵机的角度信息;获得含有待抓取物体的目标图像;对目标图像中的待抓取物体进行形心位置计算;判断待抓取物体形心是否在深度摄像头中心线上,若不在,则通过待抓取物体的形心位置来计算增量;将增量作为反馈信号输送到逆运动学解析算法,得到更新后的待抓取物体的机械臂空间坐标,驱动机械臂抓取物体。本发明同时兼顾了传感器的设备价格与机械臂执行效率,机械臂的定位准确度和抓取物体的成功率都有显著的提高。

    基于深度学习及龙芯派的对弈机器人系统及其对弈方法

    公开(公告)号:CN114425773B

    公开(公告)日:2024-03-26

    申请号:CN202111368871.5

    申请日:2021-11-18

    Abstract: 本发明公开了一种基于深度学习及龙芯派的对弈机器人系统及其对弈方法,该方法包括:拍摄棋盘状态图像,送入棋盘检测网络检测棋盘信息,并根据棋盘信息进行对弈人行棋状态判断;将输出的棋盘信息,转换成FEN码送入自升级云端决策网络,决策后给出行棋指令;将给出的行棋指令变换成三维坐标的移动指令,根据三维坐标的移动指令,利用机械臂移动逆运算算法,控制机械臂抓取和移动棋子。本发明通过系统可自主判断对弈人是否结束行棋,大大增强了人机交互性,自升级云端决策网络,提高决策速度,也通过自升级方法不断提高决策质量,具有人机对弈交互性高,行棋决策速度快、水平高,可支持的人机对弈系统体积小巧及便于移动携带的优点。

    基于深度视觉与增量闭环的机械臂精准定位及抓取方法

    公开(公告)号:CN114147704B

    公开(公告)日:2023-09-22

    申请号:CN202111367940.0

    申请日:2021-11-18

    Abstract: 本发明公开了一种基于深度视觉与增量闭环的机械臂精准定位及抓取方法,包括:识别待抓取的物体位置,获取待抓取物体的机械臂空间坐标;通过逆运动学解析算法,将机械臂空间坐标信息转换为机械臂舵机的角度信息;获得含有待抓取物体的目标图像;对目标图像中的待抓取物体进行形心位置计算;判断待抓取物体形心是否在深度摄像头中心线上,若不在,则通过待抓取物体的形心位置来计算增量;将增量作为反馈信号输送到逆运动学解析算法,得到更新后的待抓取物体的机械臂空间坐标,驱动机械臂抓取物体。本发明同时兼顾了传感器的设备价格与机械臂执行效率,机械臂的定位准确度和抓取物体的成功率都有显著的提高。

    基于分类检测框架及行棋决策网络的人机对弈方法

    公开(公告)号:CN115888062A

    公开(公告)日:2023-04-04

    申请号:CN202211683696.3

    申请日:2022-12-27

    Abstract: 本发明公开了一种基于分类检测框架及行棋决策网络的人机对弈方法,包括:通过摄像头采集棋盘图像数据信息,将棋盘图像数据信息送入检测网络获取棋子坐标与类别信息;检测完毕后将象棋类别位置映射到二维规范虚拟棋盘,完成坐标系转换与可视化;将二维规范虚拟棋盘数据转化为fen码标准格式通过调用api接口送入搭建的决策网络获取行棋指令;获取行棋指令后,经过数据处理生成机械臂所需的坐标信息控制机械臂抓取棋子实现走棋。本发明为实现人机对弈提供解决方法,具有人机交互性强、检测精度高、行棋决策速度快、水平高、抗复杂环境干扰性强的优点。

    基于深度学习及龙芯派的对弈机器人系统及其对弈方法

    公开(公告)号:CN114425773A

    公开(公告)日:2022-05-03

    申请号:CN202111368871.5

    申请日:2021-11-18

    Abstract: 本发明公开了一种基于深度学习及龙芯派的对弈机器人系统及其对弈方法,该方法包括:拍摄棋盘状态图像,送入棋盘检测网络检测棋盘信息,并根据棋盘信息进行对弈人行棋状态判断;将输出的棋盘信息,转换成FEN码送入自升级云端决策网络,决策后给出行棋指令;将给出的行棋指令变换成三维坐标的移动指令,根据三维坐标的移动指令,利用机械臂移动逆运算算法,控制机械臂抓取和移动棋子。本发明通过系统可自主判断对弈人是否结束行棋,大大增强了人机交互性,自升级云端决策网络,提高决策速度,也通过自升级方法不断提高决策质量,具有人机对弈交互性高,行棋决策速度快、水平高,可支持的人机对弈系统体积小巧及便于移动携带的优点。

Patent Agency Ranking