-
公开(公告)号：CN110058261B
公开(公告)日：2023-05-23
申请号：CN201910319912.8
申请日：2019-04-19
Applicant: 华南理工大学
IPC: G01S17/89
Abstract: 本发明公开了一种快速生成机器人导航用电子地图的系统及方法。所述系统包括便携式超宽带通讯基站，无人车，建筑物平面图以及用来生成电子地图的后台计算机。所述方法包括以下步骤：无人车或者无人机部署便携式超宽带通讯基站；获取所部署的便携式超宽带通讯基站的相对位置坐标估计；后台计算机将建筑物平面图数字化；无人车通过超宽带与激光测距结合方式给出验证点后台计算机控制无人车进行闭环求解，坐标估计与数字化平面图对齐生成电子地图。本发明可以快速的标定基站坐标以及与数字化的建筑平面图进行对齐，进而生成电子地图用于无人车定位及导航。
-
公开(公告)号：CN110815248A
公开(公告)日：2020-02-21
申请号：CN201911160911.X
申请日：2019-11-24
Applicant: 华南理工大学
Abstract: 本发明公开了一种解魔方机器人及魔方教学系统与方法。所述解魔方机器人包括第一机械臂机构、第二机械臂机构、转盘位置检测传感器、散热风扇、板卡、魔方限位转盘、摄像头安装机构、摄像头、补光灯、无线通信模块、魔方限位转盘电机、联轴器。所述系统包括云端服务器、智能手机和解魔方机器人；通过智能手机发送识别魔方色块的指令给解魔方机器人，解魔方机器人识别魔方色块数据并将其发送至智能手机；智能手机将魔方色块数据发送子云端服务器，云端服务器进行还原逻辑运算并转化为机械步骤通过智能手机发送至解魔方机器人，解魔方机器人完成解魔方的操作。本发明通过解魔方机器人的辅助初学者学习，提高初学者学习魔方的效率。
-
公开(公告)号：CN112597329B
公开(公告)日：2022-12-16
申请号：CN202011523748.1
申请日：2020-12-21
Applicant: 华南理工大学
Abstract: 本发明公开的一种基于改进的语义分割网络的实时图像检索方法，包括以下步骤：S1、收集检索图像组成需要训练的数据集，并对数据集进行扩充，将扩充后的数据集分为训练集、测试集、验证集；S2、构建改进的实时计算的语义分割网络；S3、将训练集的图片输入改进的实时计算的语义分割网络，得到图片的语义向量，按照图片的类别信息存储语义向量，得到图像检索的语义向量数据库；S4、将测试集中待检测图片送入改进的实时计算的语义分割网络得到语义特征向量，比较待检索的图片的语义类别和图像检索语义向量数据库中向量的图像得到包含带检索图片语义类别的候选图片组；S5、将待检测图片的语义特征向量和候选图片组语义特征向量的进行匹配。
-
公开(公告)号：CN110058261A
公开(公告)日：2019-07-26
申请号：CN201910319912.8
申请日：2019-04-19
Applicant: 华南理工大学
IPC: G01S17/89
Abstract: 本发明公开了一种快速生成机器人导航用电子地图的系统及方法。所述系统包括便携式超宽带通讯基站，无人车，建筑物平面图以及用来生成电子地图的后台计算机。所述方法包括以下步骤：无人车或者无人机部署便携式超宽带通讯基站；获取所部署的便携式超宽带通讯基站的相对位置坐标估计；后台计算机将建筑物平面图数字化；无人车通过超宽带与激光测距结合方式给出验证点后台计算机控制无人车进行闭环求解，坐标估计与数字化平面图对齐生成电子地图。本发明可以快速的标定基站坐标以及与数字化的建筑平面图进行对齐，进而生成电子地图用于无人车定位及导航。
-
公开(公告)号：CN111583136B
公开(公告)日：2023-05-23
申请号：CN202010336146.9
申请日：2020-04-25
Applicant: 华南理工大学
IPC: G06T5/00 , G06T7/73 , G06T7/246 , G06V10/772 , G06V10/74 , G06N3/0464 , G06N3/096
Abstract: 本发明公开了一种救援场景下的自主移动平台同时定位与建图方法，本方法应用于搜救自主移动平台，可以在火灾救援现场、复杂危险事故现场等极端环境下进行定位和建图。本方法主要分为传感器信息处理、位姿估计、位姿校正三大部分。首先，对四目摄像头模组获取的全方位图像信息进行去模糊、特征提取等操作。然后，与惯性导航传感器测量信息进行融合并估计位姿，最后，进行全局位姿优化校正。本方法基于卷积神经网络设计了一种全自动、端到端的去雾方法，不需要后处理步骤，适用范围广，可同时应用于室内和自然场景的去雾中。同时，采用较稳定的基于特征点法的双目视觉SLAM方法融合IMU传感器数据进行自主移动平台的定位与建图。
-
Patent Agency Ranking
公开(公告)号：CN112509051A
公开(公告)日：2021-03-16
申请号：CN202011521855.0
申请日：2020-12-21
Applicant: 华南理工大学
IPC: G06T7/73 , G06T7/10 , G06F16/587 , G06N3/04 , G06N3/00
Abstract: 本发明公开了一种基于仿生学的自主移动平台环境感知与建图方法，包括以下步骤：S1、收集自动驾驶数据集，将图片送入改进语义分割网络，对改进语义分割网络进行训练；S2、初始化双目视觉和IMU联合；S3、融合双目视觉和IMU；S4、构建仿生学细胞模型；S5、构建认知地图。本方法使用仿生学原理建立经验地图极大地降低地图中的参数量，可以保存范围较大的场景地图信息。同时通过语义分割建模地点信息并与位置细胞进行融合，可以提升检测的鲁棒性。充分利用了卷积神经网络强大的特征提取和学习能力，可以改进传统SLAM方法建图计算量过大，识别不准确的问题，对于仿生学环境感知和建图过程中地点判断的准确性有较好的提升。
-
公开(公告)号：CN111426488A
公开(公告)日：2020-07-17
申请号：CN202010336143.5
申请日：2020-04-25
Applicant: 华南理工大学
IPC: G01M17/007 , G08C17/02 , H04L12/40
Abstract: 本发明公开了一种基于Lora通信的无人驾驶车辆安全急停系统，包括系统发射端和系统接收端，系统发射端包括用于触发紧急制动安全指令按键输入模块、单片机处理模块、无线通信模块和指示灯模块；单片机处理模块通过串口电路接收紧急制动安全指令并且控制指示灯模块表示系统所处的工作状态，同时发送代表急停的串口数据；无线通信模块连接到Lora通信链路组成发送节点，发送节点接受急停串口数据后，将其通过数传电台天线传出，并经Lora通信链路发送到系统接收端；系统接收端包括Lora接收节点和无人驾驶车辆的整车控制器，整车控制器接收串口数据并解析，执行操作进行紧急制动。本发明为无人驾驶线控底盘提供安全可靠的、超视距的安全急停功能。
-
公开(公告)号：CN112508985B
公开(公告)日：2022-12-16
申请号：CN202011521872.4
申请日：2020-12-21
Applicant: 华南理工大学
IPC: G06T7/13 , G06T7/73 , G06F16/587 , G06N3/04
Abstract: 本发明公开一种基于语义分割的SLAM回环检测改进方法，包括以下步骤：一、获取道路场景语义分割的通用数据集；二、使用RGB摄像头获取环境图像，在不同种环境状况下采集道路环境图像；三、获取语义分割预测的各个像素的分类结果；四、根据分类结果，获取语义分割图中包含对应类别的对象特征向量；五、构建包含语义信息的地点模型；六、通用数据集中的图像经过地点模型分析得到语义地点向量，创建地点的图像库，存入包含地点语义信息的向量，七、匹配待检测图像和图像库中图像的相似度；八、进行闭环检测，如果找到相似度超过阈值的向量，则代表当前图像是闭环节点，否则把当前图像加入到已有的图像库中。
-
公开(公告)号：CN112597329A
公开(公告)日：2021-04-02
申请号：CN202011523748.1
申请日：2020-12-21
Applicant: 华南理工大学
IPC: G06F16/583 , G06K9/62 , G06N3/08 , G06N3/04
Abstract: 本发明公开的一种基于改进的语义分割网络的实时图像检索方法，包括以下步骤：S1、收集检索图像组成需要训练的数据集，并对数据集进行扩充，将扩充后的数据集分为训练集、测试集、验证集；S2、构建改进的实时计算的语义分割网络；S3、将训练集的图片输入改进的实时计算的语义分割网络，得到图片的语义向量，按照图片的类别信息存储语义向量，得到图像检索的语义向量数据库；S4、将测试集中待检测图片送入改进的实时计算的语义分割网络得到语义特征向量，比较待检索的图片的语义类别和图像检索语义向量数据库中向量的图像得到包含带检索图片语义类别的候选图片组；S5、将待检测图片的语义特征向量和候选图片组语义特征向量的进行匹配。
-
公开(公告)号：CN111583136A
公开(公告)日：2020-08-25
申请号：CN202010336146.9
申请日：2020-04-25
Applicant: 华南理工大学
Abstract: 本发明公开了一种救援场景下的自主移动平台同时定位与建图方法，本方法应用于搜救自主移动平台，可以在火灾救援现场、复杂危险事故现场等极端环境下进行定位和建图。本方法主要分为传感器信息处理、位姿估计、位姿校正三大部分。首先，对四目摄像头模组获取的全方位图像信息进行去模糊、特征提取等操作。然后，与惯性导航传感器测量信息进行融合并估计位姿，最后，进行全局位姿优化校正。本方法基于卷积神经网络设计了一种全自动、端到端的去雾方法，不需要后处理步骤，适用范围广，可同时应用于室内和自然场景的去雾中。同时，采用较稳定的基于特征点法的双目视觉SLAM方法融合IMU传感器数据进行自主移动平台的定位与建图。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.019 seconds)
