-
公开(公告)号：CN112454359B
公开(公告)日：2022-03-15
申请号：CN202011294308.3
申请日：2020-11-18
Applicant: 重庆大学
Abstract: 本发明公开了一种基于神经网络自适应的机器人关节跟踪控制方法，其包括步骤：1)建立机器人关节系统的模型，2)建立机器人关节系统在同时考虑驱动故障和执行器饱和情况下的状态空间表达和误差定义，3)设计机器人关节系统PID控制器和更新算法：4)采用步骤3)所设计的机器人关节系统PID控制器和更新算法控制机器人关节的运动轨迹。本发明能够同时解决：系统中的驱动饱和和耦合效应，处理参数和非参数不确定性，系统运行时的执行故障处理和对非消失干扰进行补偿。且所得到的控制方案不仅对外部干扰具有鲁棒性，对非参数不确定性具有自适应能力，而且对不可预测的驱动故障具有容错能力。
-
公开(公告)号：CN112528817B
公开(公告)日：2024-03-19
申请号：CN202011409502.1
申请日：2020-12-04
Applicant: 重庆大学
IPC: G06V20/50 , G06V10/82 , G06V10/44 , G06V10/50 , G06V10/52 , G06V10/77 , G06V10/764 , G06N3/0464 , G06N3/09 , G06T7/246 , G06T7/262
Abstract: 本发明公开了一种基于神经网络的巡检机器人视觉检测及跟踪方法，其包括步骤：1)机器人在移动过程中采集动态背景的环境图像；2)将采集到的图像进行预处理；3)在机器人本体上完成图像中人体目标和特定行为的检测，并保存满足特定行为的人体目标的大小、位置信息和特征；4)运用目标跟踪算法并控制机器人云台朝向使得特定目标始终位于图像中心位置；5)控制机器人运动跟随跟踪对象。本发明基于神经网络的巡检机器人视觉检测及跟踪方法，具有很强的自适应能力，在动态背景的场景下，对目标有较好的检测与跟踪效果，具有较高可靠性和鲁棒性。
-
公开(公告)号：CN116486075A
公开(公告)日：2023-07-25
申请号：CN202310337060.1
申请日：2023-03-31
Applicant: 重庆大学
IPC: G06V10/26 , G06V10/774 , G06V10/80 , G06V10/42 , G06V20/13
Abstract: 本发明公开了基于HRNet的遥感影像地物提取多尺度强融合语义分割方法，首先获取遥感数据，对数据进行数据集划分，形成地物要素提取样本数据集。基于地物要素提取样本数据集，构建融合三重注意力机制的多尺度强融合语义分割网络MT‑HRNet，基于构建的MT‑HRNet语义分割模型，在训练集上进行训练，优化模型参数，获得初步地物要素提取结果。基于初步地物要素提取结果和遥感图像真实标签，计算分割损失。该分割损失会指导MT‑HRNet特征提取网络进行充分的特征提取，提高分割精度。直至MTC‑HRNet模型收敛。该方法将HRNet网络用于遥感影像语义分割，提高对遥感影像的特征提取提取能力，使地物要素提取结果更准确。
-
公开(公告)号：CN112454359A
公开(公告)日：2021-03-09
申请号：CN202011294308.3
申请日：2020-11-18
Applicant: 重庆大学
Abstract: 本发明公开了一种基于神经网络自适应的机器人关节跟踪控制方法，其包括步骤：1)建立机器人关节系统的模型，2)建立机器人关节系统在同时考虑驱动故障和执行器饱和情况下的状态空间表达和误差定义，3)设计机器人关节系统PID控制器和更新算法：4)采用步骤3)所设计的机器人关节系统PID控制器和更新算法控制机器人关节的运动轨迹。本发明能够同时解决：系统中的驱动饱和和耦合效应，处理参数和非参数不确定性，系统运行时的执行故障处理和对非消失干扰进行补偿。且所得到的控制方案不仅对外部干扰具有鲁棒性，对非参数不确定性具有自适应能力，而且对不可预测的驱动故障具有容错能力。
-
公开(公告)号：CN116486244A
公开(公告)日：2023-07-25
申请号：CN202310337305.0
申请日：2023-03-31
Applicant: 重庆大学
IPC: G06V20/05 , G06V10/774 , G06V10/42 , G06V10/56 , G06V10/82 , G06N3/0464 , G06N3/08 , G06T5/00 , G06V10/54
Abstract: 本发明公开了基于细节增强的水下目标检测方法，首先获取水下目标数据，对数据进行存储、预处理和数据集划分，形成道路提取样本数据集。基于YOLO目标检测框架，构建水下目标检测网络提取网络。该算法基于细节增强的策略，在特征提取层面通过更丰富的梯度流和注意力机制加强特征提取；在特征聚合网络此外引入了感受野增强模块，增大了网络感受野，增强了模型对于纹理等特征的提取，此外设计了一个细节增强分支，增强底层细节特征特别是边缘特征，并以通道加权的形式聚合到网络，细节特征作为先验知识，能有效监督网络的学习；改进了水下检测头，其具有更多的检测层。
-
Patent Agency Ranking
公开(公告)号：CN114429473A
公开(公告)日：2022-05-03
申请号：CN202210069299.0
申请日：2022-01-21
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
IPC: G06T7/10 , G06T7/00 , G06K9/62 , G06V10/44 , G06V10/764
Abstract: 本发明涉及一种肺结节性质判定方法，S1获取多位病人的病理特征数据，分别提取影像结构化数据和基因甲基化数据的特征；S2对病理特征数据进行数据清洗得到小规模数据集；S3将小规模数据集中的每个样本进行特征选择得到最佳小规模数据集；将最佳小规模数据集中所有最佳样本分割为训练集和测试集；S4选择现有M种分类方法，使用训练集中分别对M种分类方法进行训练得到M种最佳分类方法；S5将测试集输入M种最佳分类方法中选择最终分类方法，S6对于一个待预测病人的病理特征数据处理后输入最终分类方法中，输出该待预测病人肺结节属于良性和恶性。该方法能用于本领域专家能够对肺结节良恶性进行辅助诊断参考性，而且实时性较高。
-
公开(公告)号：CN112540368B
公开(公告)日：2023-07-14
申请号：CN202011363678.8
申请日：2020-11-27
Applicant: 重庆大学
Abstract: 本发明公开了一种基于智能扫雪机器人的障碍物检测与识别方法，其包括：1)在扫雪机器人前端设置超声波传感器检测距离前方障碍物的距离信息，在扫雪机器人前部和后部设置雷达传感器检测是否有生物突然靠近；2)对各个超声波传感器和各个雷达传感器检测到的信号进行处理，计算扫雪机器人的前进距离；3)利用一定时间内超声波测距的变化比和扫雪机器人前进距离的变化的乘积、雷达传感器信号的变化及积雪程度描述量三个条件来共同判断作业道路积雪程度，检测障碍物的距离变化，并识别其为一般障碍物或生物障碍物。本发明能在扫雪机器人自主作业中判断作业道路积雪程度，快速有效检测障碍物，并识别其为一般障碍物或生物障碍物。
-
公开(公告)号：CN112528817A
公开(公告)日：2021-03-19
申请号：CN202011409502.1
申请日：2020-12-04
Applicant: 重庆大学
Abstract: 本发明公开了一种基于神经网络的巡检机器人视觉检测及跟踪方法，其包括步骤：1)机器人在移动过程中采集动态背景的环境图像；2)将采集到的图像进行预处理；3)在机器人本体上完成图像中人体目标和特定行为的检测，并保存满足特定行为的人体目标的大小、位置信息和特征；4)运用目标跟踪算法并控制机器人云台朝向使得特定目标始终位于图像中心位置；5)控制机器人运动跟随跟踪对象。本发明基于神经网络的巡检机器人视觉检测及跟踪方法，具有很强的自适应能力，在动态背景的场景下，对目标有较好的检测与跟踪效果，具有较高可靠性和鲁棒性。
-
公开(公告)号：CN114429473B
公开(公告)日：2024-10-29
申请号：CN202210069299.0
申请日：2022-01-21
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
IPC: G06F30/27
Abstract: 本发明涉及一种肺结节性质判定方法，S1获取多位病人的病理特征数据，分别提取影像结构化数据和基因甲基化数据的特征；S2对病理特征数据进行数据清洗得到小规模数据集；S3将小规模数据集中的每个样本进行特征选择得到最佳小规模数据集；将最佳小规模数据集中所有最佳样本分割为训练集和测试集；S4选择现有M种分类方法，使用训练集中分别对M种分类方法进行训练得到M种最佳分类方法；S5将测试集输入M种最佳分类方法中选择最终分类方法，S6对于一个待预测病人的病理特征数据处理后输入最终分类方法中，输出该待预测病人肺结节属于良性和恶性。该方法能用于本领域专家能够对肺结节良恶性进行辅助诊断参考性，而且实时性较高。
-
公开(公告)号：CN112540368A
公开(公告)日：2021-03-23
申请号：CN202011363678.8
申请日：2020-11-27
Applicant: 重庆大学
Abstract: 本发明公开了一种基于智能扫雪机器人的障碍物检测与识别方法，其包括：1)在扫雪机器人前端设置超声波传感器检测距离前方障碍物的距离信息，在扫雪机器人前部和后部设置雷达传感器检测是否有生物突然靠近；2)对各个超声波传感器和各个雷达传感器检测到的信号进行处理，计算扫雪机器人的前进距离；3)利用一定时间内超声波测距的变化比和扫雪机器人前进距离的变化的乘积、雷达传感器信号的变化及积雪程度描述量三个条件来共同判断作业道路积雪程度，检测障碍物的距离变化，并识别其为一般障碍物或生物障碍物。本发明能在扫雪机器人自主作业中判断作业道路积雪程度，快速有效检测障碍物，并识别其为一般障碍物或生物障碍物。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.01 seconds)
