公开(公告)号：CN118528249A

公开(公告)日：2024-08-23

申请号：CN202410395856.7

申请日：2024-04-02

Applicant: 重庆大学

Inventor： 赖俊峰 ,  凌凯 ,  宋永端 ,  李思锐 ,  章纬琳 ,  胡倬浩 ,  张志鹏 ,  汪尚泽 ,  罗峻宇 ,  赵祝睿

IPC: B25J9/16 ,  G06F3/01 ,  G06V40/20 ,  G06V10/82 ,  G06V10/25 ,  G06N3/0464 ,  G06N3/0495

Abstract: 本发明公开了一种基于改进YOLOv8网络模型的机械臂手势交互方法，属于机器人人机交互领域；首先调整深度相机和姿态和人之间的距离使得深度相机能够拍摄到人的手部姿态即人体手势，获得人体手势的RGB图像；将带有人体手势的RGB图像输入预先训练的改进后的YOLOv8模型，得到输出为带有目标检测框和置信度的手势识别结果图像；根据输出的手势识别结果图像，获取相应的手势类别信息，并按照实现定义好的手势交互指令表，生成相应的手势交互指令。将生成的手势交互指令传递给机械臂控制柜或夹爪控制器，控制机械臂执行交互任务。本发明中改进后的模型参数量和计算量更小，便于嵌入式等计算能力较低的设备的部署，同时提高了模型的检测速度和检测精度，更具实用性。

公开(公告)号：CN114299438A

公开(公告)日：2022-04-08

申请号：CN202111665332.8

申请日：2021-12-31

Applicant: 重庆大学 ,  星际(重庆)智能装备技术研究院有限公司 ,  迪比(重庆)智能科技研究院有限公司

Inventor： 宋永端 ,  陈欢 ,  庞思袁 ,  凌凯 ,  赵梦雯 ,  卫佳 ,  王攀 ,  程霜雄 ,  魏大创 ,  廖昕怡

IPC: G06V20/40 ,  G06V10/22 ,  G06V10/25 ,  G06V10/762 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及融合传统停车检测与神经网络的隧道停车事件检测方法，从高速公路隧道不同场景下的摄像头采集行车视频，获取该视频的中的图片并进行标注得到VOC数据集；对VOC数据集中的图片进行聚类，得到每种车辆类别最适合的车辆目标边界框尺寸并将该尺寸作为SSD神经网络中Anchor尺寸；构建并训练基于SSD神经网络的车辆识别模型得到最优车辆识别模型；将一段待检测视频输入传统的停车检测算法后得到的存在固定前景目标图片的对应视频帧图片作为待预测图片将待预测图片作为输入最优车辆识别模型得到判定结果。本发明方法相对于传统的停车事件检测算法具有更高的准确率。

公开(公告)号：CN117315019A

公开(公告)日：2023-12-29

申请号：CN202311145718.5

申请日：2023-09-06

Applicant: 重庆大学

Inventor： 赖俊峰 ,  程霜雄 ,  宋永端 ,  凌凯 ,  王攀 ,  卫佳 ,  赵梦雯 ,  陈宇通 ,  邓永经

IPC: G06T7/73 ,  G06T7/33 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了一种基于深度学习的机械臂抓取方法，获得通过深度相机获得带抓取物体的RGB图像与深度图像。对深度图像进行检测，获得无效像素并且重建这些数据，以便于神经网络获取更准确的抓取位姿。对RGB图像与深度图进行对齐，获得RGB‑D图像，对齐进行中心部分裁剪，获得RGB‑D图像。采用预先训练的改进后GGCNN2网络模型对带抓取物体的RGB‑D图像进行输入，生成带抓取物体的抓取位姿信息。在机械臂基座标系即笛卡尔坐标系下的抓取位姿。输入抓取信息，控制机械臂进行抓取任务。本发明解决了原网络中泛化和学习能力较差的问题，使得改进后的神经网络在获得带抓取物体的抓取位姿上具有更好的性能，在高精度抓取领域更具有实用性。

公开(公告)号：CN114299438B

公开(公告)日：2024-06-18

申请号：CN202111665332.8

申请日：2021-12-31

Applicant: 重庆大学 ,  星际(重庆)智能装备技术研究院有限公司 ,  迪比(重庆)智能科技研究院有限公司

Inventor： 宋永端 ,  陈欢 ,  庞思袁 ,  凌凯 ,  赵梦雯 ,  卫佳 ,  王攀 ,  程霜雄 ,  魏大创 ,  廖昕怡

IPC: G06V20/40 ,  G06V10/22 ,  G06V10/25 ,  G06V10/762 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明涉及融合传统停车检测与神经网络的隧道停车事件检测方法，从高速公路隧道不同场景下的摄像头采集行车视频，获取该视频的中的图片并进行标注得到VOC数据集；对VOC数据集中的图片进行聚类，得到每种车辆类别最适合的车辆目标边界框尺寸并将该尺寸作为SSD神经网络中Anchor尺寸；构建并训练基于SSD神经网络的车辆识别模型得到最优车辆识别模型；将一段待检测视频输入传统的停车检测算法后得到的存在固定前景目标图片的对应视频帧图片作为待预测图片将待预测图片作为输入最优车辆识别模型得到判定结果。本发明方法相对于传统的停车事件检测算法具有更高的准确率。

公开(公告)号：CN115390516A

公开(公告)日：2022-11-25

申请号：CN202210705973.X

申请日：2022-06-21

Applicant: 重庆大学

Inventor： 黄秀财 ,  陈开政 ,  王啸 ,  孙丽贝 ,  谢承果 ,  赖俊峰 ,  凌凯

IPC: G05B19/418

Abstract: 本发明涉及一种基于状态事件触发的未知非线性系统分布式控制方法，包括以下步骤：构建多个智能体组成的多智能体系统，预设控制信号的期望轨迹并构建间歇状态反馈分布式控制模型；通过该模型计算所输入模拟控制信号的运行跟踪路径；计算运行跟踪路径与期望轨迹之间的跟踪误差，并进行在线训练；当训练至跟踪误差值衰减到残差范围时停止训练，得到训练好的间歇状态反馈分布式控制模型。本发明所阐述的方法可以实现对多智能系统的模拟控制信号进行稳定的跟踪控制。