-
公开(公告)号：CN114202586B
公开(公告)日：2024-11-29
申请号：CN202111521801.9
申请日：2021-12-13
Applicant: 长三角哈特机器人产业技术研究院
Abstract: 本发明公开的一种基于八叉图和三维正态分布优化匹配的3D激光SLAM方法，包括如下步骤：S1、基于首个3D激光帧初始化八叉图内体素的占据概率；S2、计算八叉图体素点集的三维正态分布参数；S3、基于当前激光帧构建八叉图中的体素占据概率及三维正态分布概率残差，进行非线性优化，获取3D激光帧的当前位姿Tt；S4、基于当前位姿Tt将激光帧投影到八叉图，将激光帧中的点插入八叉图的体素点集，更新体素点集的三维正态分布参数和体素占据概率。通过八叉体素地图稳定SLAM的绝对精度，避免较大的累计误差，再通过把体素进行三维正态分布化，使得精度不受限于体素尺寸，提高重复定位精度，使得系统能够以更高效率、更高稳定度和精度进行同步建图和定位。
-
公开(公告)号：CN114283193B
公开(公告)日：2024-11-22
申请号：CN202111599633.5
申请日：2021-12-24
Applicant: 长三角哈特机器人产业技术研究院
Abstract: 本发明公开的一种栈板三维视觉定位方法，包括如下步骤：S1、创建栈板侧面的配准点云；S2、采集栈板的三维点云，提取栈板侧面点云，将提取的栈板侧面点云与栈板侧面的配准点云进行配准，获取栈板当前在相机坐标系下的位姿；S3、将栈板当前在相机坐标系下的位姿转换至激光雷达坐标系下，即获取栈板当前在机器人坐标系下的位姿，实现栈板的定位。本发明使用3D相机采集栈板点云数据，从栈板点云数据中提取栈板侧面点云数据，定位栈板位置和姿态，能够有效降低噪声及干扰物对栈板定位精度的影响。
-
公开(公告)号：CN114200478B
公开(公告)日：2024-10-18
申请号：CN202111521864.4
申请日：2021-12-13
Applicant: 长三角哈特机器人产业技术研究院
Abstract: 本发明公开的基于2D激光雷达的高精度定位方法，该方法具体包括如下步骤：S1、对激光点云进行滤波，匹配出移动机器人当前的最优匹配位姿；S2、在最优匹配位姿附近连续扫描，构建高精度的点云地图；S3、基于高精度的地图来计算移动机器人当前的精准位姿。不需要路标的配合就能实现高精定位，降低了应用成本，对环境要求低。
-
公开(公告)号：CN118500431A
公开(公告)日：2024-08-16
申请号：CN202410619319.6
申请日：2024-05-19
Applicant: 哈尔滨工业大学(威海) , 长三角哈特机器人产业技术研究院
Abstract: 本发明提供一种面向结构化道路充电机器人自主导航、自主插电的方法及系统，属于机器人自主导航和自主充电领域。为解决现有电动汽车充电场景智能自动化水平较低，使用离线地图时若停靠车辆和行人位置改变会影响后续路径规划；无法保证充电机器人正对目标车辆和充电口问题。采用预录制轨迹提高全局规划效率，借鉴滑动窗口方法对局部轨迹跟踪，设计分段式PID对准控制方法，利用二维码检测实现充电口位姿确定，保证充电机器人能够对准充电口；将机械臂插电过程分解为寻孔和接合阶段并设计相应的插电策略，实现机器人的自主柔顺插电。既解决充电自主化程度低的问题，又避免了插电过程中无法对准插电口导致车体或机器人损坏情况。
-
公开(公告)号：CN118397094A
公开(公告)日：2024-07-26
申请号：CN202410648248.2
申请日：2024-05-23
Applicant: 哈尔滨工业大学 , 长三角哈特机器人产业技术研究院
IPC: G06T7/73 , G06V10/40 , G06N3/0464 , G06N3/048 , G06V10/80 , G06V10/774 , G06N3/084
Abstract: 基于集中式神经网络的移动机器人多场景视觉定位方法，涉及轨迹规划领域。本发明是为了解决现有多场景视觉定位方法还存在定位效率低的问题。本发明包括：移动机器人获取待视觉定位图像，将待视觉定位图像输入到训练好的集中式神经网络中，获得每个待视觉定位图像的三维场景坐标和一维不确定度；利用PnP位姿求解算法和每个待视觉定位图像的三维场景坐标、一维不确定度获得每个移动机器人摄像头的六自由度位姿。集中式神经网络的每个特征提取单元中包括两个分支，其中一个分支能够跨场景提取通用特征，另一个分支致力于学习针对每个单独任务的特征定制的软注意掩码。本发明用于多场景视觉定位。
-
Patent Agency Ranking
公开(公告)号：CN117311375B
公开(公告)日：2024-07-02
申请号：CN202311335572.0
申请日：2023-10-16
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 长三角哈特机器人产业技术研究院
IPC: G05D1/495 , G05D1/46 , G05D101/10 , G05D109/20
Abstract: 本发明公开了一种有向通信多航天器分布式容错姿态协同控制方法，所述方法包括如下步骤：步骤1、利用四元数建立航天器姿态运动学和动力学，基于有向图描述多航天器系统的通信网络；步骤2、设计分布式高阶滑模观测器，对领航航天器的姿态四元数、角速度以及角加速度进行估计；步骤3、利用分布式高阶滑模观测器输出的估计值，建立姿态跟踪误差模型；步骤4、基于建立的姿态跟踪误差模型，设计自适应容错姿态跟踪控制律。本发明设计的自适应容错姿态跟踪控制律不需要模型的精确参数，对执行机构故障、外界扰动具有较强的鲁棒性，并且保证跟踪误差渐近收敛至0。因此，该自适应容错姿态跟踪控制律同时兼顾了算法的较强的鲁棒性和较高的控制精度。
-
公开(公告)号：CN118134823A
公开(公告)日：2024-06-04
申请号：CN202410287500.1
申请日：2024-03-13
Applicant: 西北大学 , 长三角哈特机器人产业技术研究院
IPC: G06T5/94 , G06T5/60 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种图像去阴影方法，包括：利用阴影掩膜从原始阴影图像中区分出第一阴影区域和第一非阴影区域，并对区分后的原始阴影图像进行线性映射得到低维度的映射图像；利用改进的Transformer编解码器对低维度的映射图像进行特征提取及阴影重建得到重建图像；对重建图像进行线性映射得到原始维度的映射图像，利用阴影掩膜从原始维度的映射图像中区分出第二阴影区域和第二非阴影区域，将第一非阴影区域和第二阴影区域进行融合得到去阴影图像；其中，改进的Transformer编解码器为在传统的Transformer编解码器基础上引入坐标注意力机制。本发明获得了更高质量的去阴影图像。
-
公开(公告)号：CN118015078A
公开(公告)日：2024-05-10
申请号：CN202311625992.2
申请日：2023-11-30
Applicant: 长三角哈特机器人产业技术研究院
Abstract: 本发明公开一种基于RGBD相机的托盘定位方法，具体如下：从彩色图像color提取托盘的检测框roi，提取检测框内的点云roi_pcd：对点云roi_pcd进行平面拟合，获取托盘前端面pallet_plane的平面方程；提取托盘前端面pallet_plane附近的点云，保存到托盘前端面点云集合pallet_pcd中；从盘前端面点云集合pallet_pcd中提取托盘插孔内边缘点及托盘腿部点云pallet_leg_pcd：拟合托盘前端腿部平面pallet_leg_plane的平面方程；将托盘插孔内边缘点集edge_pcd中所有的点投影到平面pallet_leg_plane上，并对投影后的点求均值，得到托盘在相机坐标系中的位置tcp；计算腿部平面单位法向量，进而计算托盘在相机坐标系中的旋转矩阵Rcp；计算相机在托盘坐标系中的位置tpc和姿态Rpc。使用平面拟合计算托盘姿态，使用边缘拟合计算托盘位置，极大提高了托盘的位精度高。
-
公开(公告)号：CN117975395A
公开(公告)日：2024-05-03
申请号：CN202410075219.1
申请日：2024-01-18
Applicant: 哈尔滨工业大学 , 长三角哈特机器人产业技术研究院
Abstract: 本发明公开一种环境感知中的多任务参数共享方法，具体如下：(1)通过学习获取每个线性层中任务共享参数、各个任务类型的任务专属参数、及任务共享参数和任务专属参数对应的分数；(2)基于分数是否激活当前线性层的任务共享参数，若结果为是，则将所有任务类型共享任务共享参数，若检测结果为否，则将当前任务类型对应的任务专属参数作为当前线性层的参数。通过将Vision Transformer模型中的线性层参数共享给多个任务类型，其它层参数不共享，既满足了不同任务类型的个性化需求，同时也能就减少Vision Transformer模型中参数存储量，减少了边缘计算设备存储的问题。
-
公开(公告)号：CN117874488A
公开(公告)日：2024-04-12
申请号：CN202311750518.2
申请日：2023-12-18
Applicant: 人工智能与数字经济广东省实验室(深圳) , 长三角哈特机器人产业技术研究院
IPC: G06F18/213 , G06V10/44 , G06V10/82 , G06N3/0455 , G06N3/045 , G06N3/088
Abstract: 本申请公开了一种零样本学习模型优化方法、装置、设备及存储介质，该方法包括：获取视觉编码器从样本图像中学习到的视觉特征；获取文本数据，将文本数据输入到文本编码器中，获取文本编码器从文本数据中学习到的语义属性特征；通过多模态交互模块使用视觉特征查询语义属性特征，得到第一交互结果，使用语义属性特征查询视觉特征，得到第二交互结果，根据第一交互结果和第二交互结果，将视觉特征和语义属性特征对齐；在零样本学习模型执行优化任务时，采用预设的综合损失函数生成模型，生成优化任务的综合损失函数；基于优化任务的综合损失函数优化零样本学习模型，得到优化后的零样本学习模型。本申请有利于提高零样本学习模型的优化效率。
-
-
-
-
-
-
-
-
-
Search Results
133
records
(took 0.131 seconds)
