-
公开(公告)号：CN111906782A
公开(公告)日：2020-11-10
申请号：CN202010652696.1
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三维视觉的智能机器人抓取方法，以包含目标物体的观测点云为输入，使用深度卷积网络的点抓取置信度评估网络评估观测点云中每个点的抓取置信度，获得适合作为抓取部位中心的点。以抓取区域的特征为输入，使用基于抓取锚点机制的区域抓取部位检测网络进行物体抓取部位检测。以抓取闭合区域和抓取区域特征融合后的特征为输入，使用抓取部位优化网络优化检测出的抓取部位。选取具有最高抓取质量指标的抓取部位，通过坐标系变换得到此抓取部位在机器人坐标系中的位置与姿态，以此规划机器人的夹具姿态。本发明使机器人在非结构化环境下准确地抓取不同种类的物体，以提高智能机器人作业和与外界交互的安全性与可靠性。
-
公开(公告)号：CN109711542B
公开(公告)日：2020-08-18
申请号：CN201811646257.9
申请日：2018-12-29
申请人： 西安交通大学
IPC分类号： G06N3/063
摘要： 一种支持动态精度的DNN加速器及其实现方法，包括突触存储SBin、输入神经元存储NBin、输出神经元存储NBout以及S‑PIP阵列，S‑PIP阵列包括128*8个S‑PIP，突触存储SBin从DRAM中缓存128个卷积核，每个卷积核中突触值缓存到每个S‑PIP中的突触寄存器SR中，作为S‑PIP的输入；输入神经元存储NBin从DRAM中缓存8个神经元窗，每个神经元窗包含16个神经元值，每个神经元窗中的神经元值作为S‑PIP的输入；每个S‑PIP的计算结果输出到输出神经元存储NBout，输出神经元存储NBout缓存到DRAM。本发明提高了卷积层和全连接层的加速比，同时降低了神经元存储带宽。
-
公开(公告)号：CN108445442B
公开(公告)日：2020-08-18
申请号：CN201810168021.2
申请日：2018-02-28
申请人： 西安交通大学
摘要： 本发明公开一种基于截断的奇异值分解的近场信号源定位方法，包括以下步骤：1.估计近场信号的电角度的初始值，并计算初始的协方差矩阵R；2.计算电角度初始值的斜投影算子；3.根据斜投影算子得到更新后的协方差矩阵4.根据电角度初始值和更新后的协方差矩阵，更新电角度值；5.如果更新电角度值与电角度初始值的差值小于设定阈值，得到最终的电角度值完成近场信号源的定位，否则以更新后的电角度值作为初始值，重复步骤2到5进行迭代。消除了由噪声子空间的特征值所造成的浮动误差，提高了预测精度。有效消除了多个近场信号之间的相互影响，经过数次迭代即可在一定的允许误差范围内逼近真实值。
-
公开(公告)号：CN108073176B
公开(公告)日：2020-08-18
申请号：CN201810138594.0
申请日：2018-02-10
申请人： 西安交通大学
摘要： 本发明公开了一种改进型D*Lite车辆动态路径规划方法，包括以下步骤：1)获取车辆当前状态及目标状态，并获取当前环境地图信息，再使用形态学操作对当前环境地图中的障碍物进行膨胀；2)构建车辆运行学模型；3)基于车辆运动学模型的限制，使用D*Lite算法在膨胀后的环境地图上搜索路径；4)根据Reeds‑Shepp曲线对到达终点时车辆的朝向角进行调整；5)根据步骤3)生成的最短路径及步骤4)中的Reeds‑Shepp曲线构建最终路径，然后使用能量函数及梯度下降法对最终路径进行平滑，完成改进型D*Lite车辆动态路径规划，该方法能够在动态的环境下实现路径的规划。
-
-
公开(公告)号：CN107273969B
公开(公告)日：2020-06-19
申请号：CN201710331078.5
申请日：2017-05-11
申请人： 西安交通大学
摘要： 本发明公开一种参数化可扩展的神经网络全连接层多层互连结构，包括若干层全连接层，每层全连接层例化了若干基本单元；一个基本单元连接一个路由器，同一全连接层中的基本单元经过路由器相连，形成全连接环；全连接环的路由器上下相连形成一种参数化可扩展的神经网络全连接层多层互连结构，支持双向的数据传递(前向推理，反向学习)。本发明采用可配置的全连接基本单元作为全连接层硬件实现的基础，用户可以根据实际使用的神经网络的需求通过设置参数控制生成多个基本单元并互连的方式完成其网络中全连接层的设计实现和并行加速；本发明的设计考虑了数据流水线，缩短了系统运行时钟周期，灵活配置全连接层的结构和规模，便于系统的快速部署实现。
-
公开(公告)号：CN111275642A
公开(公告)日：2020-06-12
申请号：CN202010056934.2
申请日：2020-01-16
申请人： 西安交通大学
摘要： 本发明公开了一种基于显著性前景内容的低光照图像增强方法，学习低光照图像中的显著性前景内容信息并与增强过程融合，将低光照图像输入低光照显著注意力深度网络模型SAM得到输出的显著图；向深度预测网络模型输入低光照图像并输出对应的深度图；将获得的深度图作为引导图对显著图进行引导滤波，得到显著前景图；对于输入的低光照图像，以显著前景图作为增强程度的权重，采用LIME增强算法对低光照图像进行不同程度的增强，最终得到基于显著性前景内容增强的结果图。本发明能够针对低光照图像中的显著性前景内容区域有效的增强，同时抑制背景和无关内容区域的过度增强并抑制噪声。
-
公开(公告)号：CN111242855A
公开(公告)日：2020-06-05
申请号：CN202010007508.X
申请日：2020-01-04
申请人： 西安交通大学
摘要： 本发明公开了一种基于RGB-D的SSIM结构相似度的迭代深度图结构修复方法，首先检测输入深度图的边缘，并将边缘膨胀，将膨胀后的区域标记为潜在结构失真区域，然后对潜在结构失真区域中的每个像素点判断是否失真，产生结构失真度量指标，失真像素点采用彩色图高斯权重与结构失真度量指标的乘积构建恢复权重，通过加权中值滤波进行引导恢复，然后对失真区域进行引导滤波，完成后的结果图依照上述步骤继续迭代至满足设定终止迭代条件，输出深度图结束计算。本发明通过对深度图结构失真区域进行迭代探测与恢复，以此获得较为精准的结构信息，同时也对结构未失真区域进行去噪与保边，最终能够获得结构清晰、深度值平滑的深度图。
-
公开(公告)号：CN111220153A
公开(公告)日：2020-06-02
申请号：CN202010045872.5
申请日：2020-01-15
申请人： 西安交通大学
摘要： 本发明公开了一种基于视觉拓扑节点和惯性导航的定位方法，所述方法包括：读取地图以获得各个拓扑节点信息，基于拓扑路径规划得到驶向最终目标点的全局拓扑路径；当前机器人所在位置为Pt，当前在所述全局拓扑路径中由拓扑节点Nn驶向拓扑节点Nm的过程中，在全局路径规划下基于机器人所在环境进行局部路径规划；机器人接受并执行所述控制信息，执行结束后进行状态判断，当前的机器人定位信息与当前目标拓扑节点Nm进行比较，若判断未达到目标拓扑节点，继续进行局部路径规划和控制；若由当前的定位信息判断机器人目前已到达拓扑节点，调用视觉定位，利用视觉定位结果强制更新机器人定位，修正在拓扑节点Nn到Nm运行过程中产生的漂移。
-
公开(公告)号：CN109191485B
公开(公告)日：2020-05-22
申请号：CN201810998162.7
申请日：2018-08-29
申请人： 西安交通大学
摘要： 本发明公开了一种基于多层超图模型的多视频目标协同分割方法，属于计算机视觉领域，本发明针对视频中包含较多非相关帧的视频，引入全卷积神经网络得到的分割结果作为超边构造的语义特征，在视频的每一帧生成若干潜在目标区域，利用视频内和视频间的相关关系，得到可靠目标区域，作为高层特征并构造高层目标模型；利用外观、光流以及显著性检测方法，提取视频帧的相关特征作为低层特征，并构造低层目标模型。利用低层模型和高层模型共同构造超图，最后利用超图分割算法，实现视频目标分割，提升了分割准确率。
-
-
-
-
-
-
-
-
-
搜索结果
582 条记录 (耗时 0.05 秒)