-
公开(公告)号：CN108818493A
公开(公告)日：2018-11-16
申请号：CN201810777333.3
申请日：2018-07-16
Applicant: 汕头大学
Abstract: 本发明实施例公开了一种复合型移动机器人，包括一移动平台和安装于该移动平台上的机械臂、工控机、传感器系统和供电模块，该移动平台安装有能使该移动平台全向运动的行走装置；该工控机设置于该移动平台上，且与该机械臂和该移动平台电连接，用于控制该移动平台的该行走装置和该机械臂的运动；该传感器系统设于该移动平台和该机械臂上，用于采集周围环境信息以及实现该移动平台的精准定位、导航及避障和辅助该机械臂的任务操作；该供电模块作为电源与该工控机连接，并进行供电。该复合型移动机器人集成了移动平台和机械臂的优点，运动灵活、功能性强；采用该复合型移动机器人控制系统可以对该复合型移动机器人实现很好的人机交互控制。
-
公开(公告)号：CN106503695A
公开(公告)日：2017-03-15
申请号：CN201611094366.5
申请日：2016-12-02
Applicant: 汕头大学
CPC classification number: Y02A40/12 , G06K9/00657 , G06K9/342 , G06K9/40 , G06K9/4652 , G06K9/6269
Abstract: 本发明涉及精准农业领域和无人机农业应用领域，尤其涉及一种基于航拍图像的烟草植株识别与计数方法，包括以下步骤：S1：使用无人机拍摄烟草种植区域；S2：对航拍图像进行预处理，分割出烟草植株的候选区域；S3：提取烟草植株候选区域的颜色特征和纹理特征用于分类器分类；S4：根据提取的烟草植株候选区域特征，使用分类器对烟草植株候选区域进行分类；S5：统计分类结果，在原航拍图像中标记出检测到的烟草植株。与传统方法相比，本发明通过使用无人机拍摄烟草种植区域，利用图像识别方法来识别与计数烟草植株，效率更高、准确度更高、数据更可靠、操作简单。
-
公开(公告)号：CN103886140A
公开(公告)日：2014-06-25
申请号：CN201410078663.5
申请日：2014-03-05
Applicant: 汕头大学
Abstract: 本发明涉及工程设计技术领域，更具体地说，涉及一种基于键合图工具和遗传编程算法对混合领域系统或各种不同领域系统进行自动化进化设计的工程设计方法，包括以下步骤：指定胚胎物理结构示意图；用户输入；创建遗传编程树的初始种群；个体分析；进化操作；终止判定。与现有技术相比，本发明的设计方法扩展性好、适用范围广，效率高、规范性强、能以自动化方式设计出满足设计者要求的复杂工程问题。
-
公开(公告)号：CN118710885A
公开(公告)日：2024-09-27
申请号：CN202410847855.1
申请日：2024-06-27
Applicant: 惠州市诚业家具有限公司 , 汕头大学
Inventor： 范衠 , 向纯斌 , 李原 , 周于涛 , 甘飘 , 黄书山 , 易贤 , 杨永泽 , 陶通涓 , 曹宇轩 , 罗贤 , 庄嘉帆 , 赵雷 , 刘进超 , 王栋梁 , 黄伟鑫 , 张承钿 , 朱贵杰 , 李文姬 , 郝志峰 , 曹作林
Abstract: 本发明公开一种基于多特征融合的工件焊缝位置检测方法、系统、设备及存储介质，其方法包括：获取待测工件在当前焊接时刻下对应的数据集合；对数据集合进行特征提取，得到特征图集合；利用训练好的第一神经网络模型对特征图集合进行处理，得到偏差集合；根据偏差集合对特征图集合进行矫正，得到矫正特征图集合；利用训练好的第二神经网络模型对矫正特征图集合进行处理，得到注意力图集合；根据注意力图集合对矫正特征图集合进行强化，得到强化特征图集合；对强化特征图集合和待测二维图像进行融合，得到二维强化图像；根据灰度阈值对二维强化图像进行检测，得到待测工件的焊缝位置。本发明采用多特征融合处理方式，可提高焊缝位置检测的准确性。
-
公开(公告)号：CN116125377A
公开(公告)日：2023-05-16
申请号：CN202310087438.7
申请日：2023-01-18
Applicant: 汕头大学
Abstract: 本发明公开了基于UWB和双目视觉的无人机测距方法、系统及设备，所述无人机的本体上搭载有双目相机和UWB设备，其中所述方法包括：将通过所述双目相机采集到的目标图像对输入至训练好的卷积神经网络进行处理，得到匹配代价；根据所述匹配代价和所述双目相机的参数，确定第一目标距离；搭建BP神经网络，并利用通过所述UWB设备测量到的第二目标距离构造所述BP神经网络的损失函数；将所述第一目标距离导入所述BP神经网络进行迭代修正处理，输出最终的目标距离。本发明通过引入BP神经网络对双目相机的测距结果进行补偿修正，在此过程中以UWB设备的测距结果作为参考值构造BP神经网络的损失函数，可以提高双目视觉的测距精度。
-
Patent Agency Ranking
公开(公告)号：CN115938197A
公开(公告)日：2023-04-07
申请号：CN202310042207.4
申请日：2023-01-12
Applicant: 汕头大学
IPC: G09B21/00
Abstract: 本发明公开了一种盲文显示装置及显示方法，装置包括：图像获取模块，图文转译模块、主控模块、若干个驱动模块和若干个盲文显示机构。图像获取模块用于获取待转译的图像信息，并发送至图文转译模块中，图文转译模块用于将图像信息转译为文本信息，并从文本信息选取中部分文本信息，将部分文本信息发送至主控模块，主控模块拆分部分文本信息，得到若干个字符，并将若干个字符分配至对应的驱动模块中，对应的驱动模块用于根据分配得到的对应的字符，确定对应的目标盲文凸点，并驱动与之对应的盲文显示机构中的旋转部转动，与之对应的盲文显示机构中的显示槽显示出对应的目标盲文凸点。通过上述模块之间的相互配合，以满足盲人群体的阅读需求。
-
公开(公告)号：CN114488984A
公开(公告)日：2022-05-13
申请号：CN202210098527.7
申请日：2022-01-27
Applicant: 华能(广东)能源开发有限公司海门电厂 , 汕头大学
Inventor： 黄旭鹏 , 李洪 , 黄卫剑 , 范衠 , 张青霄 , 曾向荣 , 林业桂 , 刘宗茂 , 林海 , 李锋 , 张承钿 , 刘嘉诚 , 夏俊煊 , 汤同申 , 罗鸿杰 , 宁为博 , 朱贵杰 , 郝志峰 , 黄书山 , 成仕强 , 吴增松 , 刘天宇
IPC: G05B19/418
Abstract: 本发明公开一种电厂多DCS主机的控制系统和控制方法，系统包括触摸显示屏、操作机器人、工控机、图像采集模块和KVM控制模块，KVM控制模块连接多台DCS主机，KVM控制模块接收多台DCS主机的视频流信号，KVM控制模块对视频流信号进行信号加强后，输出至触摸显示屏和图像采集模块上；工控机接收图像采集模块传输的视频流并进行图像识别，将程序转义后的机器人指令发送至操作机器人，操作机器人点控触摸显示屏；触摸显示屏提供触控功能，操作机器人在触摸显示屏操作后，触摸显示屏生成控制信号，并通过KVM控制模块将控制信号转发至对应的DCS主机。本发明集中集控室中众多DCS系统，大量减少人力物力支出。
-
公开(公告)号：CN110701423B
公开(公告)日：2022-05-03
申请号：CN201910914812.X
申请日：2019-09-25
Applicant: 汕头大学
Abstract: 本发明实施例公开了一种基于双末端的管道漏点定位与修补的设备，包括移动平台、控制模块、全局图像采集模块、执行模块、局部图像采集模块；所述控制模块用于接操作者的指令控制所述移动平台的移动；所述全局图像采集模块用于向操作者反馈初步漏点图像信息；所述执行模块包括机械臂与设置于所述机械臂上的转换主盘；所述移动平台上设置有探针末端执行器、捻打堵漏末端执行器，所述局部图像采集模块固定设置于所述探针末端执行器上，用于近距离观察漏点的实时状况。本发明实施例还公开了一种使用上述的设备进行管道漏点定位与修补的方法。采用本发明，能应用于实际中多变复杂环境下的管道漏点精准定位以及修复工作。
-
公开(公告)号：CN113172626A
公开(公告)日：2021-07-27
申请号：CN202110481878.1
申请日：2021-04-30
Applicant: 汕头大学
IPC: B25J9/16 , G05B19/418
Abstract: 本发明公开了一种基于三维基因调控网络的智能机器人群体控制方法，智能机器人群体包括多个智能机器人，多个智能机器人之间建立通信连接，所述方法包括：智能机器人获取目标位置；智能机器人对环境信息进行探测，获取障碍物和其他智能机器人的位置，并将其自身位置和障碍物的位置发送至其他智能机器人，并接收其他智能机器人发送过来的障碍物其他智能机器人的位置；智能机器人将自身位置、目标位置、障碍物的位置和其他智能机器人的位置输入基因调控网络模型，基因调控网络模型输出运动分量；智能机器人根据运动分量控制智能机器人的运动；实现智能机器人群体对目标的围捕。实现群体智能机器人在三维场景中避障的同时对目标完成自适应围捕。
-
公开(公告)号：CN112785578A
公开(公告)日：2021-05-11
申请号：CN202110102284.5
申请日：2021-01-26
Applicant: 汕头大学
Abstract: 本发明公开了一种基于U型编码解码器神经网络的道路裂缝检测方法及系统，所述检测方法包括：获取初始道路裂缝数据集，对初始道路裂缝数据集扩展处理，得到第一道路裂缝数据集；构建U型编码解码器神经网络，U型编码解码器神经网络包括1组注意力模型层数加深模块；使用第二道路裂缝数据集验证所述训练好的U型编码解码器神经网络，得到验证通过后的最终U型编码解码器神经网络；将最终U型编码解码器神经网络嵌入到移动设备，进行道路裂缝的实际检测。在U‑Net网络的编解码器神经网络基础上加入注意力模型层数加深模块，用于道路裂缝的检测，减少了模型参数，进而减少模型处理图像的时间，便于嵌入到移动设备进行实时道路裂缝检测。
-
-
-
-
-
-
-
-
-
Search Results
104
records
(took 0.058 seconds)
