-
公开(公告)号：CN108454084B
公开(公告)日：2020-08-18
申请号：CN201711470730.8
申请日：2017-12-29
申请人： 南京师范大学 , 上海航天设备制造总厂有限公司
IPC分类号： B29C64/112 , B29C64/118 , B29C64/314 , B33Y30/00 , B33Y40/00 , B33Y40/10
摘要： 本发明提供了一种可同步改性浸渍的连续碳纤维复合材料3D打印装置及方法，纤维导管部分浸入同步改性容器的溶液中且浸入部分设有供溶液流通的缺口，所述纤维导管和树脂导管分别连接打印头的两个进口，打印头的出口连接加热块，加热块的底部设置喷嘴。本发明实现了纤维同步改性浸渍的复合材料3D打印，通过对机械结构的设计，随着被改性过的连续纤维随着树脂进入加热块中被打印，未被改性的纤维将被送入改性溶液中被浸润改性使得被打印的碳纤维总是被改性的，有效地实现了纤维改性与打印的同步进行；碳纤维经过这种改性溶液浸润后，内部原本易分散的纤维丝将因为而更加紧密的结合，并且表面将裹覆一层树脂层，提高碳纤维与熔融状态的树脂结合效果，使连续碳纤维材料在打印过程中不易断裂。
-
公开(公告)号：CN108454084A
公开(公告)日：2018-08-28
申请号：CN201711470730.8
申请日：2017-12-29
申请人： 南京师范大学 , 上海航天设备制造总厂有限公司
IPC分类号： B29C64/112 , B29C64/118 , B29C64/314 , B33Y30/00 , B33Y40/00
摘要： 本发明提供了一种可同步改性浸渍的连续碳纤维复合材料3D打印装置及方法，纤维导管部分浸入同步改性容器的溶液中且浸入部分设有供溶液流通的缺口，所述纤维导管和树脂导管分别连接打印头的两个进口，打印头的出口连接加热块，加热块的底部设置喷嘴。本发明实现了纤维同步改性浸渍的复合材料3D打印，通过对机械结构的设计，随着被改性过的连续纤维随着树脂进入加热块中被打印，未被改性的纤维将被送入改性溶液中被浸润改性使得被打印的碳纤维总是被改性的，有效地实现了纤维改性与打印的同步进行；碳纤维经过这种改性溶液浸润后，内部原本易分散的纤维丝将因为而更加紧密的结合，并且表面将裹覆一层树脂层，提高碳纤维与熔融状态的树脂结合效果，使连续碳纤维材料在打印过程中不易断裂。
-
公开(公告)号：CN109352985A
公开(公告)日：2019-02-19
申请号：CN201811084368.5
申请日：2018-09-17
申请人： 上海航天设备制造总厂有限公司
摘要： 一种航空航天用智能材料夹层结构的3D打印一体化制造方法，首先根据所要实现的智能材料夹层结构设计基底、智能材料功能器件、沟槽以及封装的三维模型。其次根据功能器件的设计方案，通过数字微喷打印导电油墨的方式将薄片或纤维状的智能材料在柔性基板上连接起来以制作功能器件。接下来以FDM的打印方式实现基底和封顶的打印，在打印过程中，通过控制打印机的暂停和续打功能将制作好的功能器件放入设计好的智能材料夹层中并最后封装完成智能材料夹层结构的制作。最后根据需要可以再打印一定形状和尺寸的连接件，与航空航天结构实现连接和复合。
-
公开(公告)号：CN112184763B
公开(公告)日：2024-09-10
申请号：CN202010939522.3
申请日：2020-09-09
申请人： 南京师范大学镇江创新发展研究院 , 南京师范大学
摘要： 本发明提供了一种机器人视觉导航中视觉里程计构建方法，包括：提取图像特征点；获取物体边界框的位置；判断提取到的特征点是否在检测得到的物体边界框内，若不是，则剔除特征点；若在物体边界框内，则通过光流跟踪物体边界框内的特征点，并通过光流极线法进行动态点的判断，若物体边界框内动态点数目大于阈值，则认为该物体边界框内物体是运动的，将其中所有特征点剔除。若未超过阈值，则认为该物体边界框内物体是静止的，物体边界框内的特征点是有效特征点。根据有效特征点估算相机运动轨迹，恢复出相机旋转和平移运动，估计出相机位姿，完成视觉里程计的构建。本发明解决了动态环境下位姿估计的不准确问题,提高了定位精度。
-
公开(公告)号：CN111563452B
公开(公告)日：2023-04-21
申请号：CN202010371935.6
申请日：2020-05-06
申请人： 南京师范大学镇江创新发展研究院 , 南京师范大学
IPC分类号： G06V40/16 , G06V40/10 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明提供了一种基于实例分割的多人体姿态检测及状态判别方法，包括：采集课堂视频的原始分帧图像；分割出学生个体和非学生个体，以不同颜色的掩码标注不同学生个体，同时进行姿态检测，提取出各学生人体姿态的关键点，并进行标注连接；对学生的听课状态进行具体判别，对学生脸部进行识别和定位，判断所有学生个体是否能检测到正面人脸，如果能，则初步说明该同学处于听课状态，并判断该同学是否处于举手状态；如果无法检测出人脸，则进一步判断其是否处于不听课状态。结合每个学生个体听课状态对学生听课效率进行评估。本发明为实现学生听课状态的判别与分析提供解决方法，具有可实时识别，识别精度高，抗复杂环境干扰性强等优点。
-
公开(公告)号：CN111563452A
公开(公告)日：2020-08-21
申请号：CN202010371935.6
申请日：2020-05-06
申请人： 南京师范大学镇江创新发展研究院 , 南京师范大学
摘要： 本发明提供了一种基于实例分割的多人体姿态检测及状态判别方法，包括：采集课堂视频的原始分帧图像；分割出学生个体和非学生个体，以不同颜色的掩码标注不同学生个体，同时进行姿态检测，提取出各学生人体姿态的关键点，并进行标注连接；对学生的听课状态进行具体判别，对学生脸部进行识别和定位，判断所有学生个体是否能检测到正面人脸，如果能，则初步说明该同学处于听课状态，并判断该同学是否处于举手状态；如果无法检测出人脸，则进一步判断其是否处于不听课状态。结合每个学生个体听课状态对学生听课效率进行评估。本发明为实现学生听课状态的判别与分析提供解决方法，具有可实时识别，识别精度高，抗复杂环境干扰性强等优点。
-
公开(公告)号：CN111401460B
公开(公告)日：2023-04-25
申请号：CN202010213305.6
申请日：2020-03-24
申请人： 南京师范大学镇江创新发展研究院 , 南京师范大学
IPC分类号： G06F18/2433 , G06F18/2411 , G06F18/2413 , G06F18/232
摘要： 本发明公开了一种基于限值学习的异常电量数据辨识方法。该方法首先通过异常电量数据分析得出异常电量数据的类型和鉴别算法；然后通过对OneClassSVM算法分析研究，对异常电量数据的鉴别限值进行学习，得到限值学习表，通过限值学习表校核历史数据的异常电量数据，接着通过分析基于密度的聚类算法DBSCAN算法校核历史数据中的离群值，实现基于限值学习的异常电量数据辨识；最后对同样基于密度的聚类算法LOF算法进行分析研究，结合两种基于密度的聚类算法进行实验，同时对多维数据进行离群值辨识，实现了基于密度聚类算法的多维电量数据离群值辨识。
-
公开(公告)号：CN112184763A
公开(公告)日：2021-01-05
申请号：CN202010939522.3
申请日：2020-09-09
申请人： 南京师范大学镇江创新发展研究院 , 南京师范大学
摘要： 本发明提供了一种机器人视觉导航中视觉里程计构建方法，包括：提取图像特征点；获取物体边界框的位置；判断提取到的特征点是否在检测得到的物体边界框内，若不是，则剔除特征点；若在物体边界框内，则通过光流跟踪物体边界框内的特征点，并通过光流极线法进行动态点的判断，若物体边界框内动态点数目大于阈值，则认为该物体边界框内物体是运动的，将其中所有特征点剔除。若未超过阈值，则认为该物体边界框内物体是静止的，物体边界框内的特征点是有效特征点。根据有效特征点估算相机运动轨迹，恢复出相机旋转和平移运动，估计出相机位姿，完成视觉里程计的构建。本发明解决了动态环境下位姿估计的不准确问题,提高了定位精度。
-
公开(公告)号：CN111401460A
公开(公告)日：2020-07-10
申请号：CN202010213305.6
申请日：2020-03-24
申请人： 南京师范大学镇江创新发展研究院 , 南京师范大学
IPC分类号： G06K9/62
摘要： 本发明公开了一种基于限值学习的异常电量数据辨识方法。该方法首先通过异常电量数据分析得出异常电量数据的类型和鉴别算法；然后通过对OneClassSVM算法分析研究，对异常电量数据的鉴别限值进行学习，得到限值学习表，通过限值学习表校核历史数据的异常电量数据，接着通过分析基于密度的聚类算法DBSCAN算法校核历史数据中的离群值，实现基于限值学习的异常电量数据辨识；最后对同样基于密度的聚类算法LOF算法进行分析研究，结合两种基于密度的聚类算法进行实验，同时对多维数据进行离群值辨识，实现了基于密度聚类算法的多维电量数据离群值辨识。
-
公开(公告)号：CN118038103B
公开(公告)日：2024-06-14
申请号：CN202410432780.0
申请日：2024-04-11
申请人： 南京师范大学
IPC分类号： G06V10/762 , G06V10/74 , G06V10/764
摘要： 本发明公开了一种基于改进动态扩展模型自适应算法的视觉回环检测方法，获取环境图像并进行标签定义，获得图像的特征标签矩阵；获取聚类图像，通过原图像与聚类图像之间的相似性计算，得到特征标签矩阵的非相似性值；并与阈值比较后进行特征标签矩阵划分；对划分后的强数据标签集合和正常数据标签集合进行改进的原型聚类处理，将正常数据标签集合聚类到聚类图像中的聚类中心附近，将强数据标签集合嵌套到距聚类图像中的聚类中心更远处，形成新的聚类图像；对处理后的图像实现视觉回环检测。采用改进的动态扩展模型自适应算法可排除未知目标域的强数据的污染干扰，保持正常数据样本匹配的精准稳定性，提高回环检测的精准性。
-
-
-
-
-
-
-
-
-
搜索结果
69 条记录 (耗时 0.046 秒)
