-
公开(公告)号：CN106780484A
公开(公告)日：2017-05-31
申请号：CN201710018461.5
申请日：2017-01-11
Applicant: 山东大学
CPC classification number: G06T7/0002 , G06N3/08 , G06T2207/10016
Abstract: 本发明涉及一种基于卷积神经网络特征描述子的机器人帧间位姿估计方法，首先采用特征点提取算法提取当前帧图像中的特征点，然后裁剪以所述特征点位置为中心的局部区域图像，将该局部区域图像输入到具有中间层的卷积神经网络中，并提取卷积神经网络的中间层输出向量作为该特征点的特征描述子；对相邻两帧图像中的特征描述子进行特征点匹配，根据得到的特征匹配关系采用帧间运动估计算法估计相邻两帧图像之间机器人的位姿变化。
-
公开(公告)号：CN118172344A
公开(公告)日：2024-06-11
申请号：CN202410376261.7
申请日：2024-03-29
Applicant: 山东大学
IPC: G06T7/00 , G06V10/52 , G06V10/44 , G06N3/0464 , G06N3/08
Abstract: 本发明提出了一种基于深度学习的飞机外观缺陷检测方法及系统，通过在特征提取模块引入可变形卷积和全局注意力机制，能够动态适应飞机外观上不同形状的缺陷特征，并且更加关注于缺陷区域特征信息；对提取的特征获取不同尺度特征的不同感受野的上下文信息并进行融合，能够增强小目标的特征表达。基于EMA‑Slide函数对分类不明确边界附近的样本进行权重分配，提高对难以识别的困难样本的关注。
-
公开(公告)号：CN116956464A
公开(公告)日：2023-10-27
申请号：CN202310889627.6
申请日：2023-07-19
Applicant: 山东大学
IPC: G06F30/15
Abstract: 本发明公开一种无人车碰撞检测方法及系统，包括：将目标车辆与障碍物建模为凸多边形，确定两个凸多边形的几何中心连线；根据几何中心连线长度，确定两个凸多边形在几何中心连线方向上的最大相对距离在各对称轴上的投影长度；以最大投影长度所在的对称轴为投影轴，判断两个凸多边形在投影轴上的投影是否相交，根据判断结果确定目标车辆与障碍物是否发生碰撞。有效减少点线的投影次数，提高检测效率。
-
公开(公告)号：CN116879865A
公开(公告)日：2023-10-13
申请号：CN202310863578.9
申请日：2023-07-13
Applicant: 山东大学
IPC: G01S7/48 , G01S17/87 , G01S17/931 , G06F18/25 , G06F17/18
Abstract: 本发明公开一种基于双激光雷达的路沿检测方法及系统，包括：获取双激光雷达在各自检测角度内的点云数据，将点云数据进行标定融合得到融合点云；将融合点云进行网格划分，采样每个网格内的Z轴最小点云，将Z轴最小点云投影到对应网格的夹角中线上，得到点云组；计算点云组中每个点云的曲率角度；曲率角度为当前点云分别和同一扫描线上两侧n个点云组成的向量间的夹角；判断点云的曲率角度是否满足路沿拐点曲率条件，对满足路沿拐点曲率条件的点云进行双向直线特征的检测。双激光雷达的布局方案在减少近处视野盲区的同时弥补被车身遮挡的视角，对融合点云经采样后计算曲率特征和直线特征，保证点云的规律性，防止环境复杂出现误检。
-
公开(公告)号：CN116756331A
公开(公告)日：2023-09-15
申请号：CN202310594664.4
申请日：2023-05-23
Applicant: 山东大学
IPC: G06F16/36 , G06F40/30 , G06F16/35 , G06N5/022 , G06F18/22 , G06V10/40 , G06V10/56 , G06V20/70 , G06V10/764 , G06V10/82
Abstract: 本发明提出了一种家庭环境本体知识库自动构建方法及系统，涉及人工智能及知识工程技术领域。包括构建家庭环境本体知识库模板，模板中包含本体的类、属性和实例；与目标物品建立通讯，获取目标物品的通讯文本，提取目标物品语义信息；获取目标物品图像，基于图像提取目标物品语义信息；将提取到的物品的语义信息作为本体的实例与家庭环境本体知识库中已经存在的类与属性进行相似度比较，基于相似度比较结果判断是否需要新建类与属性，并更新语义信息，完善家庭环境本体知识库。本发明可简化家庭环境本体知识库的构建过程，提高构建效率，减少人力成本，并且能减少人工构建的不规范性，提升构建本体知识库的质量。
-
Patent Agency Ranking
公开(公告)号：CN116578721A
公开(公告)日：2023-08-11
申请号：CN202310594884.7
申请日：2023-05-23
Applicant: 山东大学
IPC: G06F16/36 , G05B19/418 , G05B15/02 , G06N5/022 , G06N5/04
Abstract: 本发明提出一种家庭环境设备联动方法及系统，涉及物联网领域。包括构建家庭环境本体知识库和规则知识库；获取家庭环境中的物体信息，将物体信息传输至家庭环境本体知识库中进行保存与推理，得到物体实时状态；查询规则知识库中是否预先设置了对应于物体实时状态的解决方案；若没有预先设置解决方案，则调用任务规划器进行任务规划，生成对应于物体实时状态的服务任务；将生成的服务任务下发至家庭控制中心或者服务机器人。本发明使用任务规划器避免因规则遗漏导致的任务规划失败，提高了设备联动的稳定性和智能性；当有新的设备增加到场景中，只需把设备的本体知识添加至家庭环境本体知识库中就可以实现设备的联动控制，增加了系统的可扩展性。
-
公开(公告)号：CN114933243A
公开(公告)日：2022-08-23
申请号：CN202210574541.X
申请日：2022-05-25
Applicant: 山东大学
Abstract: 本发明公开了一种基于多层感知机网络的桥式起重机安全控制方法及系统，包括：获取桥式起重机负载质量和绳长数据，以及小车的运行速度数据；根据所述数据以及预先训练好的安全距离预测模型，得到起重机的实时安全距离，进而得到起重机的实时安全范围；判断所述安全范围内是否存在障碍物，如果存在，则进入安全制动状态；其中，所述安全距离预测模型为由多层感知机网络构建的模型，所述安全制动状态能够抑制桥式起重机运动过程中的负载摆角，并且在与障碍物碰撞前安全稳定停车。本发明方法可以使桥式起重机紧急停止的同时抑制负载(被搬运的物体)摆动，保障了桥式起重机自动运输过程的安全。
-
公开(公告)号：CN114882474A
公开(公告)日：2022-08-09
申请号：CN202210608746.5
申请日：2022-05-30
Applicant: 山东大学
IPC: G06V20/58 , G06V20/52 , G06N3/04 , G06N3/08 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/774 , G06V10/60
Abstract: 本发明属于道路建设技术领域，提供了基于卷积神经网络的道路病害检测方法及系统，基于生成对抗网络的阴影去除模块去除待检测道路病害图像的阴影；基于去除阴影后的图像和目标检测模型检测得到道路病害类型；其中，所述目标检测模型的构建过程为：采用融合卷积注意力模块的Yolov5目标检测网络，分别在通道和空间维度上执行注意力机制，提取得到不同维度的特征图；基于特征双向融合的思想，采用自适应特征融合方法对不同维度的特征图进行加权融合得到融合的特征图。解决了传统道路病害检测方案存在的弊病，并且在检测精度上有着显著提升。
-
公开(公告)号：CN114873468A
公开(公告)日：2022-08-09
申请号：CN202210535695.8
申请日：2022-05-17
Applicant: 山东大学
Abstract: 本发明提供了一种面向酿造环境的天车抓斗防碰撞方法及系统，根据发酵窖池角部位置设置的视觉标签的检测结果，得到发酵窖池的边界检测结果；根据抓斗顶部平台设置的视觉标签的检测结果，得到抓斗关键点在相机坐标系下的三维坐标；根据边界检测结果和抓斗关键点在相机坐标系下的三维坐标，得到抓斗相对于发酵窖池在各个方向的偏移量，当某一侧的偏移量等于安全余量时，对该侧的天车运动进行限位，以使得偏移量不大于安全余量；本发明解决了发酵窖池因抓斗遮挡而无法检测的问题，实现了精准的抓斗防碰撞控制。
-
公开(公告)号：CN114821065A
公开(公告)日：2022-07-29
申请号：CN202210549962.7
申请日：2022-05-20
Applicant: 山东大学
Abstract: 本公开涉及FOD检测相关技术领域，提出了一种基于语义分割的FOD检测方法及系统，方法包括如下步骤：获取机场跑道的待检测图像，待检测图像包括深度图像和灰度图像，提取图像中的深度信息和灰度信息；将深度信息进行预处理，并利用预处理后得到的深度图像，基于灰度信息对灰度图像进行初步剪裁；将经过处理后的深度图像和初步裁减后的灰度图像中的信息数据进行融合，对异物区域的信息进行增强；将融合后的信息输入至改进的语义分割网络模型进行图像分割，实时地确定异物类型及位置。本公开基于深度信息和灰度信息融合处理，提高了检测的准确度和精度。
-
-
-
-
-
-
-
-
-
Search Results
68
records
(took 0.058 seconds)
