起重机自动化连续搬运作业的方法及系统

    公开(公告)号:CN110888903A

    公开(公告)日:2020-03-17

    申请号:CN201911145407.2

    申请日:2019-11-21

    Abstract: 本发明提供了一种起重机自动化连续搬运作业的方法及系统,方法包括:构建起重机三维空间坐标系,用三维空间坐标系中的位置坐标表示货物的初始位置和卸载位置以形成初始位置信息数据库和卸载位置信息数据库,结合起重机实际装卸作业特点自动生成卸载顺序数据库和装载顺序数据库以及装卸路径数据库,然后将上述数据库转换成起重机的控制器可以识别的数据结构以生成装、卸载及搬运路径指令。本发明的方法根据起重机实际作业要求,限定了最短距离计算中搜索对象货物的数量,大幅度减少了系统计算次数和时间,确保了系统更顺畅运行;充分考虑了起重机实际操作经验和规律,具有实用价值;实现了起重机自动化连续搬运作业,提升了作业效率和安全性。

    基于抽样子图的网络资源动态分配方法、系统及介质

    公开(公告)号:CN114826921B

    公开(公告)日:2024-05-17

    申请号:CN202210479810.4

    申请日:2022-05-05

    Abstract: 本发明公开了一种基于抽样子图的网络资源动态分配方法、系统及介质,包括对当前的网际网络和网络节点进行建模以得到图数据;确定图数据的最终特征向量;将最终特征向量输入抽样子图模型中进行处理,并计算隐层神经元被开启的概率分布,然后根据概率分布继续采样,并对显层神经元进行采样,从而更新网络的权重和偏置,并根据图数据的结构相似度来判断是否继续更新,若当前网络和上一次网络的结构相似度超过预设阈值时,则停止更新网络的权重和偏置;构建多层带权重的网络,并进行随机游走以得到满足预设条件的目标上下文,进而根据目标上下文中各个节点的状态自动分配网络资源。本发明不仅能够在小型网络中使用,更能在超大规模网络上进行网络资源分配。

    基于抽样子图的网络资源动态分配方法、系统及介质

    公开(公告)号:CN114826921A

    公开(公告)日:2022-07-29

    申请号:CN202210479810.4

    申请日:2022-05-05

    Abstract: 本发明公开了一种基于抽样子图的网络资源动态分配方法、系统及介质,包括对当前的网际网络和网络节点进行建模以得到图数据;确定图数据的最终特征向量;将最终特征向量输入抽样子图模型中进行处理,并计算隐层神经元被开启的概率分布,然后根据概率分布继续采样,并对显层神经元进行采样,从而更新网络的权重和偏置,并根据图数据的结构相似度来判断是否继续更新,若当前网络和上一次网络的结构相似度超过预设阈值时,则停止更新网络的权重和偏置;构建多层带权重的网络,并进行随机游走以得到满足预设条件的目标上下文,进而根据目标上下文中各个节点的状态自动分配网络资源。本发明不仅能够在小型网络中使用,更能在超大规模网络上进行网络资源分配。

    相机位姿估计方法
    8.
    发明公开

    公开(公告)号:CN112393721A

    公开(公告)日:2021-02-23

    申请号:CN202011054180.3

    申请日:2020-09-30

    Abstract: 本发明公开一种相机位姿估计方法,其包括步骤:采集图像帧数据流,以第一分辨率获取包含RGB图像和深度图像的图像数据帧;提取ORB特征,获得具有方向向量的FAST角点和包含若干维二进制向量的BRIEF描述子;搭建加速度与陀螺仪的角速度测量模型,获得惯性测量单元数据的方向向量;保留与惯性测量单元数据方向向量方向一致的FAST角点,对BRIEF描述子进行匹配,匹配成功,从深度相机中获得FAST角点的深度数据;采用李代数表示位姿,获得目标函数,使用李代数扰动模型对目标函数求导,找到局部极小值作为位姿预估值。本发明通过深度相机与惯性测量融合协同进行数据采集和匹配来对机器人本体的姿态进行估计,提升设计精度。

    相机位姿估计方法
    10.
    发明授权

    公开(公告)号:CN112393721B

    公开(公告)日:2024-04-09

    申请号:CN202011054180.3

    申请日:2020-09-30

    Abstract: 本发明公开一种相机位姿估计方法,其包括步骤:采集图像帧数据流,以第一分辨率获取包含RGB图像和深度图像的图像数据帧;提取ORB特征,获得具有方向向量的FAST角点和包含若干维二进制向量的BRIEF描述子;搭建加速度与陀螺仪的角速度测量模型,获得惯性测量单元数据的方向向量;保留与惯性测量单元数据方向向量方向一致的FAST角点,对BRIEF描述子进行匹配,匹配成功,从深度相机中获得FAST角点的深度数据;采用李代数表示位姿,获得目标函数,使用李代数扰动模型对目标函数求导,找到局部极小值作为位姿预估值。本发明通过深度相机与惯性测量融合协同进行数据采集和匹配来对机器人本体的姿态进行估计,提升设计精度。

Patent Agency Ranking