-
公开(公告)号：CN119625336A
公开(公告)日：2025-03-14
申请号：CN202411662413.6
申请日：2024-11-20
Applicant: 常州大学
IPC: G06V10/42 , G06N3/0455 , G06N3/0464 , G06N3/08 , G06V10/82 , G06V10/44
Abstract: 本发明涉及地点识别领域，具体涉及一种基于激光雷达的全局描述符生成方法及地点识别方法。生成方法包括：将点云数据转换为范围图像，并提取图像特征；对图像特征处理，形成正向、反向、随机序列，然后分别进行Mamba操作，并求均值，得到输出特征；对输出特征进行卷积操作后创建两个分支，一个分支进行深度可分离卷积，然后通过残差连接，再激活，最后与另一个分支叉乘、卷积操作，得到门控特征；对门控特征依次进行MLP、NetVLAD和MLP操作，得到全局描述符。本发明它可以准确、快速地生成表示地点特征的全局描述符，利于提高地点识别的效率和全局定位能力。
-
公开(公告)号：CN118898867A
公开(公告)日：2024-11-05
申请号：CN202410921173.0
申请日：2024-07-10
Applicant: 常州大学
Abstract: 本发明涉及一种基于多重不确定性的行人穿越意向预测方法及装置。方法包括：分别从行人边界框、行人姿态、自车速度和准极坐标提取多尺度时间特征；将多尺度时间特征在通道维度上进行拼接，得到特征FC；对特征FC添加由可学习参数组成的类标志Ttk，并记录通道位置信息，得到特征FT；对特征FT进行特征融合，得到特征FCT，从特征FCT中获取类标志Ttk所在位置的特征，送入MLP中进行依据收集，得到表示判断依据的特征FE；将特征FE拟合为Beta分布，获取行人i的穿越概率及不确定性。本发明在综合各要素信息后得到行人意图结果的同时，获取该结果的可信度，从而给智能车辆控制系统提供可靠的决策依据。
-
公开(公告)号：CN116358424A
公开(公告)日：2023-06-30
申请号：CN202310302381.8
申请日：2023-03-24
Applicant: 常州大学
IPC: G01B11/06
Abstract: 本发明涉及一种基于单目测距的探针台对针高度测量方法，包括：S1，对载片台上的晶圆进行精准定位，使晶圆的晶粒位于定焦相机的聚集位置附近；S2，升降所述载片台，改变物距，拍摄多张晶圆图像，通过平方梯度函数找到最清晰的晶圆图像，作为聚集像；S3，将所述载片台保持在得到所述聚集像的高度，微幅改变定焦相机的像距，拍摄至少两幅不同程度的散焦像；S4，基于其中两幅散焦像的参数，通过高斯分布的点扩散函数，计算得到所述聚集像的物距u；S5，基于所述聚集像的物距u及探针自由端与对焦相机之间的高度差得到对针高度。本发明测量精度高，使得探针台可精确对针。
-
公开(公告)号：CN114445465A
公开(公告)日：2022-05-06
申请号：CN202210189127.7
申请日：2022-02-28
Applicant: 常州大学
IPC: G06T7/246
Abstract: 本发明涉及行人轨迹预测与分析技术领域，尤其涉及一种基于融合逆强化学习的轨迹预测方法，包括S1、基于输入的观测轨迹和场景图生成路径奖励地图和终点奖励地图；S2、利用逆强化学习算法对策略采样得到路径；S3、利用全卷积网络进行路径位置编码，融合双向门控循环单元对场景路径编码，融合场景路径和行人观测轨迹。本发明通过引入轻量化的特征提取ENet网络，减少了算法参数量，提升了算法理解场景的泛化能力；利用场景的注意力机制模块，更好的融合场景信息和行人观测轨迹，场景导向的行人轨迹预测网络S2Tirl相较于主流算法在公共数据集和实际数据上都取得了更好的效果。
-
公开(公告)号：CN108745933B
公开(公告)日：2020-11-10
申请号：CN201810536493.9
申请日：2018-05-30
Applicant: 常州大学
IPC: B07C5/08
Abstract: 本发明公开一种用于平行夹指采摘机器人的果实大小自动分选装置及流程。该装置由机器人末端执行器、收集索道、轨道分选筛、输送带和收纳箱组成。基于采摘机器人直线平行开合型末端执行器在采摘果实的过程中完成果实大小的测量；果实落入收集索道后置入轨道分选筛，再由主控计算机控制沿轨道移动至相应输送带；打开分选筛的底盘，果实落入输送带传递至收纳箱。本发明用于平行夹指采摘机器人，使得采摘机器人在果实采摘过程中同时完成果实大小的分选，从而提升采摘机器人的功能性，并简化后续果实商品化的流程。
-
Patent Agency Ranking
公开(公告)号：CN108855969B
公开(公告)日：2020-11-06
申请号：CN201810571841.6
申请日：2018-06-04
Applicant: 常州大学
Abstract: 本发明公开一种用于Y形夹指采摘机器人的果实大小自动分选装置及流程。该装置由机器人末端执行器、收集索道、轨道分选筛、输送带和收纳箱组成。基于采摘机器人Y形夹指末端执行器在采摘果实的过程中完成果实大小的测量；果实落入收集索道后置入轨道分选筛，再由主控计算机控制沿轨道移动至相应输送带；打开分选筛的侧门，果实落入输送带传递至收纳箱。本发明用于Y形夹指采摘机器人，使得采摘机器人在果实采摘过程中同时完成果实大小的分选，从而提升采摘机器人的功能性，并简化后续果实商品化的流程。
-
公开(公告)号：CN119782679A
公开(公告)日：2025-04-08
申请号：CN202411816791.5
申请日：2024-12-11
Applicant: 常州大学
IPC: G06F17/16 , G01S3/14 , G06N3/0464
Abstract: 本发明涉及DOA估计技术领域，尤其涉及一种基于SE和CNN的DOA估计方法，包括：利用传感器阵列配置构建信号模型，获取阵列接收信号，并计算阵列接收信号协方差矩阵的采样估计值；将阵列接收信号协方差矩阵的采样估计值的对角线元素置零，得到采样估计协方差矩阵，得到采样估计协方差矩阵的实部、虚部和相位；构建SE‑CNN模型，以采样估计协方差矩阵的实部、虚部和相位为输入，离散化DOA的角度范围为标签，对SE‑CNN模型进行训练。本发明在复杂环境下利用深度学习技术提高DOA估计的精确度和鲁棒性。
-
公开(公告)号：CN118587662A
公开(公告)日：2024-09-03
申请号：CN202410639727.8
申请日：2024-05-22
Applicant: 常州大学
IPC: G06V20/54 , G06V20/52 , G06V20/70 , G06V10/26 , G06V40/20 , G06V10/62 , G06V10/44 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/042 , G06N3/0464 , G06N3/045 , G06N3/049 , G06N3/096 , G06N3/048
Abstract: 本发明涉及过马路意图预测领域，具体涉及一种基于多任务互导的可解释行人过马路意图预测方法及装置。方法包括：S1，将从观察帧中获取的目标行人的过往姿态序列X、场景语义分割图F及目标行人与其它交通对象之间的距离d编码、融合，得到目标行人的上下文约束姿态特征S；S2，基于目标行人的过往姿态序列X，利用上下文约束姿态特征S指导生成目标行人的未来姿态序列#imgabs0#S3，基于上下文约束姿态特征S及目标行人的未来姿态序列#imgabs1#预测行人过马路意图。本发明同时结合场景信息和行人未来姿态，可以更准确地行预测行人过马路意图，并实现可解释性。
-
公开(公告)号：CN116309452A
公开(公告)日：2023-06-23
申请号：CN202310269059.X
申请日：2023-03-20
Applicant: 常州大学
Abstract: 本发明涉及图像处理技术领域，尤其涉及一种基于机器视觉的晶圆圆心检测定位的方法，包括采集晶圆图像，并对图像进行灰度化处理；找到晶圆图像连通区域，并通过阀值去除连通区域中的噪声区域，得到去除噪声后的图像；利用改进通道注意力机制和空间注意力机制模块对去除噪声后的图像进行处理；采用Sobel算子联合Canny算子边缘检测方法对注意力机制下的输出图像进行处理；通过Hough直线检测从边缘检测后的输出中计算出边缘点；采用最小二乘法拟合边缘点获得晶圆圆心位置。本发明解决晶圆图像质量不高影响晶圆圆心定位精度的问题。
-
公开(公告)号：CN110197129B
公开(公告)日：2023-04-18
申请号：CN201910382084.2
申请日：2019-05-09
Applicant: 常州大学
Abstract: 本发明公开一种自然环境下果蔬生长形态视觉辨识方法，包括以下步骤：图像采集步骤：基于单目视觉实时采集果蔬图像；目标区域提取步骤：对采集的图像进行处理，提取出图像中连带遮挡枝叶的果蔬区域；其中，对采集的图像进行处理的方法为：采用掩膜基于区域的卷积神经网络对果蔬图像中的果蔬区域进行检测与语义分割；重叠形态辨识步骤：将果蔬分为单果形态果蔬和多果重叠形态果蔬；枝茎遮挡形态辨识步骤：将单果形态果蔬和多果重叠形态果蔬进一步细分为无枝茎遮挡单个果蔬、枝茎遮挡单个果蔬和无枝茎遮挡重叠果蔬、枝茎遮挡重叠果蔬。该方法可使得采摘机器人自动完成采集图像中不同生长形态果蔬的分类，为后续选用相应的采摘机制提供依据。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.023 seconds)
