-
公开(公告)号：CN111967542A
公开(公告)日：2020-11-20
申请号：CN202011142705.9
申请日：2020-10-23
申请人： 江西小马机器人有限公司
摘要： 本发明公开了一种基于深度特征点的表计识别二次定位方法，属于图像识别技术领域，具体包括以下步骤：从后台数据库拿出表计的模板图片，并通过ROS从云台得到实际拍摄图片；采用backbone网络提取两张图片的高维特征，并进行下采样，将两张图片进行缩放；将缩放之后的两张图片输入至基于SegNet的特征点提取网络中来压缩backbone网络输出的矩阵深度，并进行上采样，将两张图片进行还原，同时也将缩放之后的两张图片输入至基于SegNet的特征点描述子提取网络中来固定backbone网络输出的矩阵深度。该种基于深度特征点的表计识别二次定位方法，运用深度学习方法，提取图像的高维特征点，进而增强了二次定位匹配在光照变换、低纹理场景下的稳定性和鲁棒性。
-
公开(公告)号：CN111931739A
公开(公告)日：2020-11-13
申请号：CN202011044871.5
申请日：2020-09-29
申请人： 江西小马机器人有限公司
摘要： 本发明公开了一种仪表指针关键点检测方法，属于图像识别领域，本发明公开的一种仪表指针关键点检测方法，包括以下步骤：步骤S00：变电站指针式仪表指针表盘数据采集，机器人巡检变电站拍摄指针式仪表图片；步骤S10：数据标注与数据增广，包括指针表矩形框，指针关键点，表盘刻度关键点的标注；步骤S20：构建包括目标检测网络和关键点检测网络的深度网络；步骤S30：指针式仪表图片经过尺寸重构后输入目标检测网络；步骤S40：对尺寸重构后的指针式仪表图片旋转加扰增强后截取，以生成全角度数据集输入关键点检测网络；步骤S50：计算指针式仪表的刻度估计值。摆脱了传统算法中受噪声光线畸变等影响带来的不稳定性，在使用中具有鲁棒性与使用简便性。
-
公开(公告)号：CN115273013B
公开(公告)日：2024-05-03
申请号：CN202211180423.7
申请日：2022-09-27
申请人： 江西小马机器人有限公司
IPC分类号： G06V20/56 , G06V10/82 , G06V10/774 , G06V10/764 , G06V10/44 , G06V10/25
摘要： 本发明提供了一种车道线检测方法、系统、计算机及可读存储介质，该方法包括采集道路的场景图片，并识别出场景图片中的车道线区域；对场景图片进行预处理，以生成训练样本，并将训练样本输入至金字塔模型中，以输出第一特征矩阵；将第一特征矩阵输入至FPN模型中，并使FPN模型输出第二特征矩阵；将第二特征矩阵输入至自注意力图网络模型中，以预测出车道线ROI候选区域，并对车道线ROI候选区域进行分类以及回归预测处理，以完成训练；通过训练后的自注意力图网络模型识别出车道线区域中的车道线。通过上述方式能够摆脱传统算法中受遮挡噪声以及光线畸变等影响带来的不稳定性，提高了车道线检测的准确性。
-
公开(公告)号：CN116597237A
公开(公告)日：2023-08-15
申请号：CN202310861567.7
申请日：2023-07-14
申请人： 江西小马机器人有限公司
IPC分类号： G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
摘要： 本发明提供一种皮带启动检测方法、系统、存储介质及计算机，该方法包括：根据实时采集皮带在启动及静止时的图像数据构建图像数据集；利用深度神经网络模型对图像数据进行分类识别得到分类结果；基于分类结果对深度神经网络模型进行误差设计得到分类网络模型；利用图像数据集对待检测图像进行特征匹配得到变换矩阵，并基于不同的场景调用不同的变换矩阵参数，利用变换矩阵参数和变换矩阵对分类网络模型进行模型训练得到分类识别模型；利用预录信息对待检测图像进行皮带区域截图处理，并将皮带区域截图输入分类识别模型得到识别结果。本发明利用深度神经网络模型的检测和皮带的状态识别，生成基于标准标注的增广标注数据，提高鲁棒性和准确性。
-
公开(公告)号：CN114708159A
公开(公告)日：2022-07-05
申请号：CN202210312362.9
申请日：2022-03-28
申请人： 江西小马机器人有限公司
摘要： 本发明实施例公开了去雾恢复方法，接收输入的原始图像信息，得到原始图像信息的暗通道图像信息和原始图像信息的景深图，再根据暗通道图像信息，按照导向滤波计算策略，得到滤波光透射图，然后根据原始图像信息、滤波光透射图和所述景深图，按照投射光预测和去雾恢复计算策略，得到原始图像信息的去雾恢复图，本方法联合使用、景深映射图作为输入信息，可以降低单独使用图像暗通道信息计算光透射图的误差和天空效果，同时添加图像的景深信息，平滑过滤光透射图，提高预测光透射图准确性和去雾恢复图的准确性。
-
公开(公告)号：CN111814919A
公开(公告)日：2020-10-23
申请号：CN202010891680.6
申请日：2020-08-31
申请人： 江西小马机器人有限公司
摘要： 本发明公开了一种基于深度学习的仪表定位与识别系统，属于图像识别领域，本发明公开的一种基于深度学习的仪表定位与识别系统，包括以下步骤；步骤S00：变电站机器人移至预置位，采集变电站仪表实时图像；步骤S10：根据预置模板图像进行特征匹配，计算像素偏移量，以控制变电站机器人的云台角度调整对应的偏移量；步骤S20：驱动云台进行对准、变焦，获取只包含预置位的仪表高清图像；步骤S30：对获得的仪表高清图像进行识别获取读数。通过二次定位获取高清表盘图像，再通过目标检测算法定位仪表，结合传统图像算法，确保仪表定位准确。在仪表检测准确率以及检测速度上均得到了更佳的实际效果。
-
公开(公告)号：CN111572629A
公开(公告)日：2020-08-25
申请号：CN202010580733.2
申请日：2020-06-23
申请人： 江西小马机器人有限公司
摘要： 本发明涉及一种四轮独立转向的机器人底盘，包括车架、驱动机构、悬挂机构、转向机构以及控制机构，所述驱动机构、悬挂机构、转向机构和控制机构均连接在车架上，所述转向机构和驱动机构均与悬挂机构连接；所述悬挂机构包括连接在车架上的下悬架和上悬架、转向节、若干个关节轴承、连接在下悬架上的下悬架轴和减震器轴、连接在上悬架上的上悬架轴以及减震器，所述减震器的下端与减震器轴连接。该四轮独立转向的机器人底盘，四轮实现独立驱动、独立转向和独立悬挂，使得机器人底盘能原地旋转，具有前轮转向后轮驱动、四轮转向四轮驱动等多种运行方式，机器人底盘结构紧凑，运动方式自由，移动速度快，运动平稳，避障能力强。
-
公开(公告)号：CN214013694U
公开(公告)日：2021-08-20
申请号：CN202022954219.9
申请日：2020-12-09
申请人： 江西小马机器人有限公司
摘要： 一种变电站鸟窝清除装置，包括第二伸缩杆，所述第二伸缩杆内设有第三伸缩杆，所述第三伸缩杆与第二伸缩杆滑动连接，所述第二伸缩杆与第一伸缩杆滑动连接；所述第三伸缩杆内部上端设有第一电机，所述第一电机输出端设有螺纹杆，所述螺纹杆上套设有螺纹套，所述螺纹套上设有连接块，所述连接块穿过设于第三伸缩杆上的移动槽与套设于第三伸缩杆外侧的滑套连接，所述滑套上端与活动杆一端铰接，所述活动杆另一端与设于网杆上的铰接块铰接，所述网杆底端与设于第三伸缩杆顶部的铰接盘铰接，所述网杆上设有网兜。本实用新型可根据实际需要调整杆的使用长度，同时可对鸟窝清除作业时掉落的树枝、铁丝等杂物进行收集，避免杂物掉落造成安全隐患。
-
公开(公告)号：CN213705429U
公开(公告)日：2021-07-16
申请号：CN202022877464.4
申请日：2020-12-03
申请人： 江西小马机器人有限公司
IPC分类号： B61D17/06
摘要： 本实用新型公开了一种铁路平板车的防脱落端板，包括平板，所述端板的内部前后端滑动连接有连接板，所述连接板的内侧底部均固定连接有固定板，所述端板的内部前后端均转动连接有转轴，所述转轴的左侧均固定连接有齿轮，所述连接板的内侧均固定连接有齿条，所述转轴的右侧外壁上固定连接有转轮，所述限位槽内均通过连杆转动连接有限位块，所述端板的右侧与转轴相对应的位置均设置有凹槽，所述凹槽内设置有固定圈，所述固定圈的内壁固定连接有八个挡板。本实用新型中，通过转动转轴使齿轮啮合齿条使固定板将平板和端板之间锁死，然后挡板锁死限位块进而锁死转轴，使得转轴只能朝一个方向转动，结构简单，避免端板脱落，值得大力推广。
-
公开(公告)号：CN212667480U
公开(公告)日：2021-03-09
申请号：CN202021179304.6
申请日：2020-06-23
申请人： 江西小马机器人有限公司
摘要： 本实用新型涉及一种轮式机器人底盘的转向机构，包括轮毂、车架以及轮毂与车架之间的转向机构，所述转向机构包括连接在轮毂上的转向节、连接在车架上的悬架机构、连接在车架上的电机固定板、设于电机固定板上的电机、连接在电机输出轴上的转向摆臂、连接在转向摆臂上的转向连杆以及连接在转向连杆上的若干个关节轴承，所述悬架机构和关节轴承均与转向节连接；所述轮毂内设有轮毂电机，轮毂电机的输出轴连接在转向节的中部位置；所述悬架机构包括上悬架和下悬架，上悬架的一端与转向节的上端活动连接。该轮式机器人底盘的转向机构，可使底盘实现四轮独立转向并且可以模拟阿克曼转向，可以很好地解决了转弯半径偏大的问题，并可实现转弯稳定性。
-
-
-
-
-
-
-
-
-
搜索结果
41 条记录 (耗时 0.036 秒)
