一种低矮障碍物检测方法
    1.
    发明公开

    公开(公告)号:CN118644671A

    公开(公告)日:2024-09-13

    申请号:CN202410603694.1

    申请日:2024-05-15

    摘要: 本发明涉及移动机器人环境感知技术领域,特别涉及一种低矮障碍物检测方法。包括:获取激光雷达数据以及深度相机数据,针对RGB图像,使用训练好的YOLOv5模型进行实例分割,得到地面分割图以及障碍物分割图;进一步的得到剔除地面掩码图和障碍物掩码图,并与深度图结合得到剔除地面的全景点云和障碍物点云;通过点云转伪雷达数据算法将其转化为剔除地面的全景伪雷达数据和障碍物伪雷达数据;并与激光雷达数据进行融合,并基于融合后的数据进行障碍物检测,得到检测结果。本发明通过视觉分析RGB图像的方式剔除地面点云数据实现低矮障碍物检测算法,即能精准的实现地面点云的剔除又能准确识别低矮障碍物,实现更准确的环境感知。

    一种基于少数障碍侧与转向代价相融合的路径规划算法

    公开(公告)号:CN116976535A

    公开(公告)日:2023-10-31

    申请号:CN202310767060.5

    申请日:2023-06-27

    摘要: 本发明公开了一种基于少数障碍侧与转向代价相融合的路径规划算法,应用于运行在密集立体仓储中四向车的路径规划,获得密集立体仓储的地图环境信息;计算起点和终点连线的直线方程Ax+By+C=0,统计处于直线两侧障碍物的数量,标记障碍物较少的一侧为少数障碍物侧;记起点为当前父节点,以当前父节点为中心生成多个子节点,依据各个子节点是否位于少数障碍侧,定义其对应的优先级;按照优先级顺序,遍历各个子节点,在此期间,利用模糊逻辑控制算法动态调整启发函数的权值,并引入转向代价以构建新型评价函数,计算对应的总评价值,再以总评价值最小的子节点更新当前父节点;重复上述步骤,从起点至终点进行路径搜索,完成路径规划。

    一种多激光雷达的标定方法及装置

    公开(公告)号:CN113866747B

    公开(公告)日:2023-10-27

    申请号:CN202111193440.X

    申请日:2021-10-13

    IPC分类号: G01S7/497 G01S17/89

    摘要: 本发明涉及一种多激光雷达的标定方法,该方法包括以下步骤:步骤1:通过多激光雷达采集并获取多个激光雷达点云数据,激光雷达点云数据包括主激光雷达发射的激光光束对应的主激光雷达点云数据以及辅激光雷达发射的激光光束对应的辅激光雷达点云数据;步骤2:根据多个激光雷达点云数据在ROS终端进行联合标定,以获得每个辅激光雷达相对主激光雷达的最优旋转平移变换关系;步骤3:根据最优旋转平移变换关系将辅激光雷达点云数据旋转平移变换至主激光雷达的坐标系下,并融合所有的激光雷达点云数据;步骤4:通过ROS终端定义一个新的激光雷达坐标系,以建立高精度地图,与现有技术相比,本发明具有提高点云的密度和提高建图精度等优点。

    一种基于独立搜索孪生神经网络的目标跟踪方法

    公开(公告)号:CN116843719A

    公开(公告)日:2023-10-03

    申请号:CN202310563525.5

    申请日:2023-05-18

    摘要: 本发明涉及图像处理的技术领域,公开了一种基于独立搜索孪生神经网络的目标跟踪方法,包括以下步骤:S1、将目标图像和当前帧搜索图像分别输入训练好的孪生神经网络进行特征提取,获取目标特征图和当前帧搜索特征图;S2、计算目标特征图和当前帧搜索特征图之间的相关性特征图,并生成多个候选区域;S3、对每个候选区域进行分类和编码,获得每个候选区域的得分和位置,选取得分最高的候选区域作为最终的识别结果;S4、重复步骤S1‑S3,对下一帧搜索图像进行目标识别,从而实现目标跟踪。

    一种基于置信区间的深度强化学习动作决策方法

    公开(公告)号:CN116468081A

    公开(公告)日:2023-07-21

    申请号:CN202310471399.0

    申请日:2023-04-27

    IPC分类号: G06N3/0464 G06N3/084

    摘要: 本发明属于人工智能技术领域,公开了一种基于置信区间的深度强化学习动作决策方法,该方法首先提出一种基于深度神经网络的置信区间跨度拟合模型,从根本上解决UCB无法估计高维状态空间下各个动作的置信区间大小的问题;然后提出一种基于目标值原地构建的置信区间跨度平衡模型,利用神经网络反向传播的特性在每次动作决策后更新U网络的参数,从而平衡置信区间跨度;最后引入探索‑利用动态平衡因子α用于平衡训练过程中的探索与利用。该方法应用于解决复杂强化问题,取得了较好的训练效果。

    一种用于小型机器人的弹簧减震底盘及短途运送机器人

    公开(公告)号:CN115122298A

    公开(公告)日:2022-09-30

    申请号:CN202210847158.7

    申请日:2022-07-07

    摘要: 本发明提供一种用于小型机器人的弹簧减震底盘及短途运送机器人。该短途运送机器人包括用于小型机器人的弹簧减震底盘、车体、载物筐、传感模块、运动控制模块、主控模块、电源模块、用户交互模块;主控模块采用NVIDIA Jetson Nano上位机,用户交互模块包括触摸显示屏,传感模块采用深度摄像头、激光雷达、超声波传感器三种传感器空间上交错均匀布置的结构,集建图与定位、轨迹规划与导航、载物等功能于一体,性价比高,用户界面简洁、友好,能满足办公大楼、工厂等中小型工作或服务场所的物料自动配送需求。用于小型机器人的弹簧减震底盘,改进现有两轮差速底盘,采用两轮浮动安装结构,同时使用与主动轮旋转轴平行安装的弹簧增强底盘减震能力,不仅增强了机器人的运动平稳性和越障能力,也增大了机器人承载能力。

    一种基于轻量化神经网络的目标识别方法及其应用

    公开(公告)号:CN113505628A

    公开(公告)日:2021-10-15

    申请号:CN202110359604.5

    申请日:2021-04-02

    IPC分类号: G06K9/00 G06N3/04 G06N3/08

    摘要: 本发明公开了一种基于轻量化神经网络的目标识别方法及其应用,将目标图片输入训练好的Densenet改进模型中得到目标类别;Densenet改进模型与Densenet模型的不同在于网块中的Back Bone,Back Bone中的Channel Split、第一卷积层、第一深度分离卷积层、第二卷积层、Concat、Channel Shuffle依次连接,第二深度分离卷积层、第三卷积层与第一卷积层、第一深度分离卷积层、第二卷积层并联,第二深度分离卷积层与Channel Split连接,第三卷积层与Concat连接。本发明的目标识别方法,不仅数据处理量小,而且其识别精度高,极具应用前景。

    一种基于模型融合的多侧面联合检测物品分类方法

    公开(公告)号:CN113420776B

    公开(公告)日:2024-09-17

    申请号:CN202110359605.X

    申请日:2021-04-02

    摘要: 本发明公开了一种基于模型融合的多侧面联合检测物品分类方法,其步骤如下:采集待分类物品不同视角的图像后其分别分别输入处理模型I得到各预测概率矩阵;再对各预测概率矩阵进行融合得到融合矩阵;最后将融合矩阵输入处理模型II即得到待分类物品的分类结果。本发明的基于模型融合的多侧面联合检测物品分类方法,基于多模型融合的深度学习实现物品识别,具有较高的准确率;基于神经网络构建物品识别模型,具有较强的特征提取能力;基于多侧面图像联合输入模型,可以同时获得一个零件的多个特征,在相似零件分类上有显著的效果,极具应用前景。

    一种机器人行走的上半身动态稳定方法

    公开(公告)号:CN118625845A

    公开(公告)日:2024-09-10

    申请号:CN202410624980.6

    申请日:2024-05-20

    IPC分类号: G05D1/49

    摘要: 本发明涉及一种机器人行走的上半身动态稳定方法,属于机器人运动控制领域,包括如下步骤:步骤S1:机器人启动并初始化运动参数;步骤S2:机器人开始步行;步骤S3:判断机器人上半身姿态是否达到补偿点,达到则进入S4,否则回到步骤S2;步骤S4:通过上半身姿态补偿模型对机器人进行姿态补偿;步骤S5:更新姿态补偿次数,检测上半身姿态是否恢复垂直,是则进入步骤S6,否则回到S4;步骤S6:对机器人的姿势进行标定,并回到步骤S2。本发明通过策略梯度学习实现对机器人行走时上半身的姿态补偿,具有补偿精准和快速作业的双重优点。

    一种密集仓储立库的四向穿梭车精准极速停靠方法

    公开(公告)号:CN117886045A

    公开(公告)日:2024-04-16

    申请号:CN202410049001.9

    申请日:2024-01-12

    IPC分类号: B65G1/04

    摘要: 本发明属于仓储转运领域,公开了一种密集仓储立库的四向穿梭车精准极速停靠方法,采用匀减速的减速方式替代匀速的爬行方式,能够明显降低仓储位四向车减速时产生的加速度,并提高预定转运速度的设置标准,从而不仅能避免仓储位四向车承载物的滑移乃至滑落,而且也使得仓储位四向车的转运移动效率明显提高,首先,基于仓储位四向车的实际承载质量、预定转运速度以及预定减速距离得到初始减速度集和减减速度集,接着,在初始减速度集、减减速度集内分别选定四向车初始减速度、四向车减减速度,然后,基于预定转运速度、四向车初始减速度以及四向车减减速度建立极速停靠模型,最后,基于极速停靠模型使仓储位四向车移动预定减速距离。