-
公开(公告)号：CN111906781B
公开(公告)日：2021-07-13
申请号：CN202010652687.2
申请日：2020-07-08
申请人： 西安交通大学
摘要： 本发明公开了一种基于图神经网络的机器人自主工具构建方法、系统及相关设备。该方法在仿真环境下生成训练数据，以包含目标工具的深度图以及包含多个候选零件的深度图为输入，先使用深度网络进行候选零件的选择，连接点以及构建姿态的回归。使用图神经网络对各个零件对进行连结，最后综合选出最优的候选零件以用于构建目标工具。本方法使用的仿真环境下的数据生成方法有效减小了数据采集的人工量，扩大了数据集的体量。本发明可以帮助机器人在纯视觉输入的场景中有效完成自动工具构建任务，并且增加了机器人对场景整体性的考虑，对于共融机器人项目的发展有重要意义。
-
公开(公告)号：CN110531313B
公开(公告)日：2021-05-28
申请号：CN201910817644.2
申请日：2019-08-30
申请人： 西安交通大学
摘要： 本发明公开了一种基于深度神经网络回归模型的近场信号源定位方法，包括以下步骤：根据协方差矩阵R计算获得特征提取矩阵r；构建深度神经网络回归模型；产生深度神经网络回归模型的训练集；确定训练深度神经网络回归模型所需的各项参数；通过确定的参数和训练集训练构建的深度神经网络回归模型，获得训练好的深度神经网络回归模型；将特征提取矩阵r输入训练好的深度神经网络回归模型中，通过深度神经网络回归模型输出近场信号的波达方向和距离，完成近场信号源定位。本发明引入了深度神经网络回归模型，在信噪比低于15dB和快拍数小于200的情况下波达方向角的估计精度提高了十倍，距离的估计精度接近理论上的最优解。
-
公开(公告)号：CN112819716A
公开(公告)日：2021-05-18
申请号：CN202110130545.4
申请日：2021-01-29
申请人： 西安交通大学
摘要： 基于高斯‑拉普拉斯金字塔的无监督学习X光图像增强方法，该方法首先使用高斯‑拉普拉斯金字塔算法生成高对比度高噪声图像XGL；然后，将原始图像Xori输入至X光图像增强网络中，得到网络输出图像Xnet；在整个过程中，使用对比度相似度损失函数计算图像Xnet与图像XGL之间的对比度相似度值，使用结构相似度损失函数计算图像Xnet与原始图像Xori之间的结构相似度值，将两者乘以相应的系数后相加得到总相似度值，不断迭代优化使之收敛至最小。最终完成优化，满足要求的生成图像Xnet即为最终的输出图像Xoutput。与现有X光图像增强方法相比，本发明处理后的图像对比度增强幅度合适、图像局部和整体的语义信息完整，同时处理后的图像结构平滑，噪声少，整体图像质量高。
-
公开(公告)号：CN111134974B
公开(公告)日：2021-04-20
申请号：CN201911253652.5
申请日：2019-12-09
申请人： 西安交通大学
摘要： 本发明公开了一种基于增强现实和多模态生物信号的轮椅机器人系统，包括实时脑电信号理解模块、实时肌电信号理解模块、环境理解模块、用户意图识别模块、机器人控制模块以及增强现实模块，本发明使用方便，能够有效将增强现实和多模态生物信号结合，从而对辅助轮椅机器人进行精准控制。本发明将电控轮椅与可移动机器人技术、增强现实技术、脑电技术、肌电技术结合，系统性地解决了现有轮椅在家庭环境下功能不够丰富、操作不够简单自然、安全性较低的问题。
-
公开(公告)号：CN112529839A
公开(公告)日：2021-03-19
申请号：CN202011225935.1
申请日：2020-11-05
申请人： 西安交通大学
IPC分类号： G06T7/00 , G06T7/66 , G06K9/46 , G06K9/62 , G06N3/04 , G06N3/08 , A61B5/00 , A61B5/02 , A61B5/055
摘要： 本发明公开了一种核磁共振图像中颈动脉血管中心线的提取方法及系统，所述方法用于非疾病诊断目的，包括以下步骤：步骤1，获取若干受试者颈动脉的T1加权MRI图像组成训练集；将训练集中每张T1加权MRI图像的颈动脉区域进行标注，获得标注后的训练集；步骤2，将步骤1获得的标注后的训练集输入特征图提取网络，获得训练集中每张T1加权MRI图像的3种尺度的特征图；步骤3，将训练集中的每张T1加权MRI图像的3种尺度的特征图输入检测网络，对检测网络进行训练，获得训练好的检测网络。本发明将多层次网络信息进行融合，形成多尺度监测信息，能够大大提高颈动脉血管中心线提取的准确性。
-
公开(公告)号：CN112526988A
公开(公告)日：2021-03-19
申请号：CN202011192592.3
申请日：2020-10-30
申请人： 西安交通大学
摘要： 本发明公开了一种自主移动机器人及其路径导航和路径规划方法、系统，方法包括全局规划过程和局部规划过程；具体如下：获取定位信息和感知信息；根据所述定位信息和感知信息生成代价地图，所述代价地图用于A星路径搜索，得到初始导航路径；对所述初始导航路径进行优化，对优化后路径的顶点进行采样，取出其中的关键点进行插值，得到全局导航路径；根据定位信息和所述全局导航路径生成待选路径组；根据实时感知信息对每一条待选路径进行评价，得到最优路径，并输出；能够在大范围内快速搜索出接近最优的导航路径，得到一系列描述全局导航路径的点，对全局导航路径的点进行调整和选择，得到能够满足曲率连续和无碰撞的需求全局导航路径。
-
公开(公告)号：CN109409512B
公开(公告)日：2021-02-19
申请号：CN201811133940.2
申请日：2018-09-27
申请人： 西安交通大学
摘要： 本发明公开一种可灵活配置的神经网络计算单元、计算阵列及其构建方法，神经网络计算单元包括：可配置存储模块、可配置控制模块和可时分复用的乘加计算模块；可配置存储模块包括：特征图数据缓存buffer、步长数据缓存buffer和权值数据缓存buffer；可配置控制模块包括：计数器模块和状态机模块；乘加计算模块包括：乘法器和累加器。本发明可支持任意类型的卷积计算，且支持多尺寸卷积核并行计算，充分发掘卷积神经网络计算单元的灵活性和数据重用性，大幅降低由数据搬移带来的系统功耗，提高系统的计算效率。
-
公开(公告)号：CN112116673A
公开(公告)日：2020-12-22
申请号：CN202010745734.8
申请日：2020-07-29
申请人： 西安交通大学
摘要： 本发明公开了一种姿态引导下的基于结构相似性的虚拟人体图像生成方法、系统及电子设备，所述方法包括以下步骤：步骤1，采集获取源人体图像和目标人体图像；根据目标人体图像获得目标姿态图像；步骤2，将步骤1中的源人体图像和目标姿态图像输入预构建的encoder‑decoder结构的卷积神经网络中，获得虚拟目标人体图像；步骤3，基于步骤2获得的虚拟目标人体图像及步骤1采集获取的目标人体图像构建损失函数，对预构建的encoder‑decoder结构的卷积神经网络进行迭代优化；达到预设的迭代次数后，获得优化后的encoder‑decoder结构的卷积神经网络，用于实现目标姿态的现实场景人体图像的虚拟生成。本发明能够生成更加真实的目标姿态的现实场景人体图像。
-
公开(公告)号：CN112116634A
公开(公告)日：2020-12-22
申请号：CN202010754142.2
申请日：2020-07-30
申请人： 西安交通大学
摘要： 一种半在线机置的多目标跟踪方法，根据行人或运动目标视频，得到行人或运动目标的检测框，在一段时间窗口内，根据检测框之间的位置变化信息，得到卡尔曼序列谱，根据卡尔曼序列谱找到一对卡尔曼头，通过外观模型、运动模型与尺寸变化模型的相似度，得到下一帧中要追踪的目标或运动物体的检测框，并使得该目标或运动物体处于该帧内的检查框中，否则表示该目标被跟丢；对相似度高于阈值的检测框，拼接到卡尔曼序列谱中，并更新卡尔曼序列谱中的运动模型和外观模型，追踪下一帧内的行人或运动物体目标。适用于任何轨迹拼接式的多目标跟踪算法，即不受限与多个目标如行人、运动物体等产生的不同轨迹的约束，可以有效提升跟踪精度，降低身份转换值。
-
公开(公告)号：CN112101563A
公开(公告)日：2020-12-18
申请号：CN202010713458.7
申请日：2020-07-22
申请人： 西安交通大学
IPC分类号： G06N20/00
摘要： 本发明公开了一种基于事后经验的信赖域策略优化方法、装置及相关设备，方法包括：S100，将经验数据中已到达的目标点作为虚拟目标点，生成虚拟的事后经验数据；S200，基于事后目标滤波算法，完成对虚拟目标的过滤，获取所对应的训练数据；S300，基于虚拟经验数据，通过加权重要性采样修正虚拟经验数据与原始经验数据的分布偏差；S400，基于加权重要性采样修正虚拟经验数据与原始经验数据的分布偏差，以此估计策略间KL散度值；S500，通过KL散度修正策略梯度方向，并通过最大KL散度步长计算更新策略步长。该方法以使智能体能够基于少量的交互数据和简单设计的奖励函数，能够对环境和任务完成有效的探索过程，并对行为策略进行高效的学习和更新。
-
-
-
-
-
-
-
-
-
搜索结果
582 条记录 (耗时 0.05 秒)