-
公开(公告)号：CN112068555A
公开(公告)日：2020-12-11
申请号：CN202010876799.6
申请日：2020-08-27
Applicant: 江南大学
Abstract: 本发明提供一种基于语义SLAM方法的语音控制型移动机器人，其能够实现未知复杂环境的感知与理解，且更准确的识别语音信息，使移动机器人能够更灵活的适用于不同的应用场景。一其包括控制器、远程服务器、视觉采集模块、语音采集模块；视觉采集模块、语音采集模块与控制器通信连接，远程服务器包括语义SLAM模块、语音识别模块；控制器与远程服务器通信连接；控制器基于语义SLAM模块计算所得的位姿估计结果、三维语义地图，按照语音识别模块计算所得的语音控制命令，规划机器人的行为轨迹，并控制机器人执行动作。
-
公开(公告)号：CN108742947A
公开(公告)日：2018-11-06
申请号：CN201810860478.X
申请日：2018-08-01
Applicant: 江南大学
Abstract: 本发明提供了一种仿生舌头，其能解决现有仿真舌头多以刚性为主，不能很好的展现出舌头实际的灵活性，更加不能模拟舌头搅拌食物助咀嚼、挤压食物助吞咽以及帮助发音的功能的问题。其包括均由硅橡胶制成的舌头本体、多向驱动器和至少两个单向驱动器，所述多向驱动器沿所述舌头本体的长度方向固定安装于所述舌头本体的底面上，所述多向驱动器用于驱动所述舌头本体实现吐舌、前卷舌和斜上拉动作；所述单向驱动器布置于所述多向驱动器的两侧并分别固定安装于所述舌头本体的底面上，所述单向驱动器的长度方向垂直于所述多向驱动器，所述单向驱动器用于驱动所述多向驱动器两侧的所述舌头本体实现侧卷舌动作。
-
公开(公告)号：CN109272990B
公开(公告)日：2021-11-05
申请号：CN201811112506.6
申请日：2018-09-25
Applicant: 江南大学
Abstract: 本发明提供基于卷积神经网络的语音识别方法，其更加擅长提取高层特征，建模过程简单、容易训练、模型的泛化性能更佳，能够更广泛的应用到各种语音识别的场景中。其包括：S1：对输入的原始语音信号进行预处理；S2：提取出反映语音信号特征的关键特征参数，形成特征矢量序列；S3：基于DCNN网络模型为基础、以联结主义时间分类器CTC作为损失函数，构建端对端方式的声学模型；S4：训练声学模型，得到训练好的声学模型；S5：将步骤S2中得到的待识别的特征矢量序列输入到训练好的声学模型中得到识别结果；S6：以步骤S5中得到的识别结果为基础进行后续的运算，即得到能够以最大概率输出该语音信号的词串，词串即原始语音被识别后的语言文字。
-
公开(公告)号：CN109949824A
公开(公告)日：2019-06-28
申请号：CN201910066335.6
申请日：2019-01-24
Applicant: 江南大学
Abstract: 本发明提供一种基于N-DenseNet和高维mfcc特征的城市声音事件分类方法，其在处理音频数据时能提供更丰富、更有效的特征信息，模型有更强的泛化能力，分类具有更高的准确率。其包括：S1：采集待处理音频数据，对原始音频信号进行预处理，输出音频帧序列；S2：对音频帧序列进行时域和频域分析，提取高维梅尔频率倒谱系数，输出特征向量序列；S3：构建声学模型，并对声学模型进行训练，得到训练好的声学模型；S4：将步骤S2中输出的特征向量序列经过处理后，输入到训练好的声学模型中进行分类识别，得到的识别结果即为声音事件的分类结果；其特征在于：声学模型是以DenseNet模型为基础，结合N阶马尔可夫模型的特点构建的网络模型，即为N阶DenseNet模型。
-
公开(公告)号：CN106951920A
公开(公告)日：2017-07-14
申请号：CN201710127473.1
申请日：2017-03-06
Applicant: 江南大学
IPC: G06K9/62
CPC classification number: G06K9/6218 , G06K9/6259
Abstract: 本发明公开了一种基于半监督的稀疏子空间聚类算法，包括：以点对约束的形式将数据先验信息转化成能够适用于稀疏子空间模型的约束矩阵；以Hadamard积的形式排除非标记位的干扰，同时考虑不同约束条件下表示系数的状态，建立了相应的约束项；利用约束项分别建立两种硬阈值和软阈值形式的半监督稀疏子空间模型，并基此在稀疏子空间聚类算法上建立了半监督框架。该算法在无先验信息时，也能保持稀疏子空间算法的聚类精度。同时吸取了稀疏子空间聚类算法的性能优势，使其能够直接有效地处理高维含干扰信息数据的聚类问题，并保证在已知少量先验信息时有效地提升聚类性能，从而增加了算法适用性。
-
Patent Agency Ranking
公开(公告)号：CN106685277A
公开(公告)日：2017-05-17
申请号：CN201710172973.7
申请日：2017-03-22
Applicant: 江南大学
IPC: H02P6/10
CPC classification number: H02P6/10
Abstract: 本方法所涉及装置包括电机，电机转子角度传感器，处理器，电机驱动。该方法包括：处理器通过转子角度传感器获取转子实时位置，并接受控制系统所要给电机的驱动信号，再根据无刷电机的物理结构，极对数进行数据处理、计算得到一个融合数据生成新的电机驱动信号。该发明完全消除了无刷电机因外力因素导致换相、抖动很好的保护了控制器的正常运行并且大大提升了控制器的性能，本发明还可以应用在强外力设置控制器的目标设定值实现无缝切换。本发明在增稳设备中可以发挥巨大作用，使增稳设备更加稳定，消除了控制器失灵或者调节不足时导致系统极度不稳定的情况，对控制器以及设备的稳定运行有着非常大的辅助作用。
-
公开(公告)号：CN110084292B
公开(公告)日：2023-06-06
申请号：CN201910314505.8
申请日：2019-04-18
Applicant: 江南大学
IPC: G06V10/80 , G06V10/774 , G06V10/82 , G06N3/0464
Abstract: 本发明提供基于DenseNet和多尺度特征融合的目标检测方法，其包括：S1构建特征提取网络模型；S2训练特征提取网络模型，通过多次迭代训练得到最优目标检测模型；S3将待检测图像数据输入到最优目标检测模型进行检测，在待检测图像上用矩形框标注每个物体的位置和类别；特征提取网络模型以DenseNet网络为基础网络，加深了网络层次，提高了特征质量，同时使用特征融合模块，引入上下文信息，得到六个用于最终预测的特征图，具有丰富的语义信息和较高的分辨率。本发明方法可在保证检测速度的基础上，降低模型规模，提升对小目标的检测精度。
-
公开(公告)号：CN108974918A
公开(公告)日：2018-12-11
申请号：CN201810840817.8
申请日：2018-07-27
Applicant: 江南大学
Abstract: 一种用于货物搬运的移动机器人，其能够实现移动机构与机械臂的协同工作，使移动机构可自动装卸货物，同时可灵活调整机械臂的工作位置，以满足不同运输场合的需求，从而使运输效率大大提高，其包括移动机构和安装在移动机构上的搬运机构，搬运机构包括抓取机械臂，移动机构包括车箱，车箱的底端安装有四个呈矩形布置的驱动轮，驱动轮均为全向轮，每个驱动轮与驱动轮伺服电机连接，每个驱动轮上安装有行星轮减速器，车箱的顶端安装有两个抓取机械臂，抓取机械臂为关节型机器人，抓取机械臂的末端安装有夹持器。
-
公开(公告)号：CN106911700A
公开(公告)日：2017-06-30
申请号：CN201710127449.8
申请日：2017-03-06
Applicant: 江南大学
Abstract: 本发明公开一种RFID标签群组证明的方法，涉及物联网安全通信技术领域，其实体包括验证者、读写器和多标签。在每轮群组证明认证过程中，读写器首先获得授权后采用匿名封装方式广播消息给标签，标签接收消息后验证读写器的合法性并将敏感消息以密文的方式传送给读写器。读写器收到组标签的消息后生成组证明并传送给验证者，供验证者验证。在其过程中，实体间通过加密消息进行交互传输，其经过授权、挑战、应答、计算、匹配等过程。本发明利用组身份标识共享技术设计一种不仅解决扩展性问题，而且实现标签读取顺序的独立性；通过时间序列方式抵御重放攻击、假冒攻击等。另外，实体间通信过程采用密文形式传输消息，加强敏感信息的隐私防护。
-
公开(公告)号：CN110084292A
公开(公告)日：2019-08-02
申请号：CN201910314505.8
申请日：2019-04-18
Applicant: 江南大学
Abstract: 本发明提供基于DenseNet和多尺度特征融合的目标检测方法，其包括：S1构建特征提取网络模型；S2训练特征提取网络模型，通过多次迭代训练得到最优目标检测模型；S3将待检测图像数据输入到最优目标检测模型进行检测，在待检测图像上用矩形框标注每个物体的位置和类别；特征提取网络模型以DenseNet网络为基础网络，加深了网络层次，提高了特征质量，同时使用特征融合模块，引入上下文信息，得到六个用于最终预测的特征图，具有丰富的语义信息和较高的分辨率。本发明方法可在保证检测速度的基础上，降低模型规模，提升对小目标的检测精度。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.029 seconds)
