-
公开(公告)号：CN113538967B
公开(公告)日：2022-07-12
申请号：CN202110678047.3
申请日：2021-06-18
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种十字路口场景下的车路协同装置及方法。通过多组摄像头组、激光雷达和定位模块组成的信息采集部分采集车辆行人数据，借助图像会对物体的类型进行识别，结合点云信息框选出不同类型的物体并记录坐标，然后转化为以路口为原点建立的三维坐标系中，得到物体同一坐标系下的大小和位置信息，再计算各个物体之间的相对位置和相对方向，然后转化为预警信息，最后通过通信模块将信息发送给车载端。本方法实现了十字路口复杂路况的分解、分析，方便了驾驶员调取所需的路况信息以做出安全、高效的决策，实现车路协同，同时可以用于道路管理部门进行道路交通的大数据分析以改善道路交通的管理。
-
公开(公告)号：CN114676005A
公开(公告)日：2022-06-28
申请号：CN202210263087.6
申请日：2022-03-17
Applicant: 杭州电子科技大学
IPC: G06F11/22
Abstract: 本发明公开了一种基于JTAG的FPGA图像分类加速器测试方法，包括如下步骤：S10、将测试图片转换成若干个mif文件；S11、控制JTAG向FPGA图像分类加速器板卡分多次传输测试图像；S12、每张测试图像分类完成后从FPGA板卡获取分类标签，将分类结果写入本地文件；S13、根据所述写有分类结果的本地文件与测试数据集标准结果进行对比，统计分类准确率。采用上述技术方案，提高FPGA图像分类加速器测试电路部署效率，免去使用复杂的通信接口与协议，同时降低加速器板卡的硬件需求，提高测试的效率。由于FPGA板卡均带有JTAG接口，因此无需其他通信接口就能快速搭建卷积神经网络加速器数据集测试平台，从而减少了存储和寄存器资源的消耗，同时测试效率有明显的提升。
-
公开(公告)号：CN113977609A
公开(公告)日：2022-01-28
申请号：CN202111427478.9
申请日：2021-11-29
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于双臂移动机器人的自动打菜系统。本发明包括：订单处理模块、图像数据采集模块、打菜点预测模块、双机械臂抓取模块以及移动模块。本方法实现了双臂移动机器人自动识别菜品种类并定位、打菜点位姿预测并挖取、双臂协同倒菜、自动出餐等功能。本发明采用深度相机采集图像数据，通过投票特征算法实现打菜点的预测，采用主从模式控制双臂之间的协调操作。本发明具有高灵活性、高精度、操作简单、环境适应性强等优点。大大减小了餐厅、食堂等工作人员的工作量，有助于餐厅工作效率的提高，具有广泛的市场需求。
-
公开(公告)号：CN113538967A
公开(公告)日：2021-10-22
申请号：CN202110678047.3
申请日：2021-06-18
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种十字路口场景下的车路协同装置及方法。通过多组摄像头组、激光雷达和定位模块组成的信息采集部分采集车辆行人数据，借助图像会对物体的类型进行识别，结合点云信息框选出不同类型的物体并记录坐标，然后转化为以路口为原点建立的三维坐标系中，得到物体同一坐标系下的大小和位置信息，再计算各个物体之间的相对位置和相对方向，然后转化为预警信息，最后通过通信模块将信息发送给车载端。本方法实现了十字路口复杂路况的分解、分析，方便了驾驶员调取所需的路况信息以做出安全、高效的决策，实现车路协同，同时可以用于道路管理部门进行道路交通的大数据分析以改善道路交通的管理。
-
公开(公告)号：CN112782594A
公开(公告)日：2021-05-11
申请号：CN202011551732.1
申请日：2020-12-24
Applicant: 杭州电子科技大学
IPC: G01R31/382
Abstract: 本发明公开了考虑内阻的数据驱动算法估算锂电池SOC的方法。该发明方法首先使用试验设备对锂离子电池进行充放电试验，测量电池在不同工作状态下的电压、电流、温度以及内阻数据，并对得到的数据进行预处理。接着搭建一个双向GRU网络，经过处理的数据一部分作为训练集来训练网络，另一部分则作为测试集来评估网络性能。最后为了提高所构建网络性能，使用NAG算法对双向GRU网络进行优化。构建好的双向GRU‑NAG网络输入为电池的电压、电流、温度和内阻，输出为电池的剩余电量，有着估算速度快，过程简单的优点，是一种数据驱动的电池剩余电量估算模型。
-
Patent Agency Ranking
公开(公告)号：CN112084890A
公开(公告)日：2020-12-15
申请号：CN202010847228.X
申请日：2020-08-21
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于GMM和CQFL的多尺度识别交通信号标志的方法。本发明通过GMM聚类得到先验框尺寸作为网络的参数参与训练；将待训练图像输入神经网络中，网络会提取出输入图像不同尺度的特征图，并为五个不同尺度的特征图分配相应个数的先验框。再通过上采样和特征融合，最后输出五个不同尺度的预测结果。通过CQFL计算损失函数值后再进行迭代训练可以更新模型参数，得到最终模型；识别时将待识别图像输入最终模型，得到图像相应位置上的识别结果。通过GMM聚类提高了网络的识别速度和识别精度；通过CQFL解决了数据样本少导致识别效果差的问题；通过多尺度预测和先验框分配策略，解决了交通信号标志太小，难以检测的问题。
-
公开(公告)号：CN107398903B
公开(公告)日：2020-06-30
申请号：CN201710787000.4
申请日：2017-09-04
Applicant: 杭州电子科技大学
IPC: B25J9/16
Abstract: 本发明提供一种工业机械手臂执行端的轨迹控制方法，该方法包括获取工业机械手臂执行端的机械结构参数，根据机械结构参数确定雅克比矩阵并初始网格化精度ε；根据加工要求确定工业机械手臂执行端的运动轨迹；根据雅克比矩阵计算操作空间k+1时刻的参考位置变量以操作空间k+1时刻的参考位置变量为参数对目标函数进行约束二次优化逼近，求得k+1时刻实际操作空间位置变量Xk+1和k时刻关节空间的输入控制量uk；工业机械手臂执行端根据k+1时刻实际操作空间位置变量Xk+1和k时刻关节空间的输入控制量uk进行轨迹运动。
-
公开(公告)号：CN111292261A
公开(公告)日：2020-06-16
申请号：CN202010055138.7
申请日：2020-01-17
Applicant: 杭州电子科技大学 , 浙江华叉搬运设备有限公司
Abstract: 本发明涉及一种基于多传感器融合的集装箱检测及锁定方法。实际工业环境中需要利用叉车对搬运设备对集装箱搬运。自动搬运首先需要对集装箱及底部角件的位置进行定位，再操纵搬运设备对集装箱进行锁定、抬升，最后将集装箱搬运到目的地。传统的检测锁定方法通过人工进行锁定效率低、人工成本高。本发明通过多传感器采集不同的环境信息，通过神经网络检测出集装箱在图像中的位置，再通过主成分分析法粗略估计集装箱正面姿态，直至靠近集装箱后，再对其姿态进行精细化估计，最后将集装箱锁定。
-
公开(公告)号：CN111190422A
公开(公告)日：2020-05-22
申请号：CN202010055139.1
申请日：2020-01-17
Applicant: 杭州电子科技大学 , 浙江华叉搬运设备有限公司
Abstract: 本发明涉及一种集装箱搬运机器人轨迹控制方法。在现有的自动化搬运设备中，往往采用一台搬运机器人对集装箱进行搬运，由于搬运设备体积较大，且其转弯半径较大，运动不灵活，不适合在狭小空间范围内使用。本发明采用了两台搬运设备对集装箱进行搬运，控制系统会实时接收相机采集到的机器人行进路线上的车道线信息，然后根据接收到的车道线信息进行高速的运算，计算出各个轮子的速度和打角，实现对搬运机器人的轨迹控制。该方法采用了两台搬运设备，搬运设备体积相对较小，其转弯半径较小，运动灵活。此外，由于两台搬运设备往往呈对称结构分布于集装箱前后侧，因此在计算出一台设备的轨迹控制策略后便可以方便得出另一台搬运设备的轨迹控制策略。
-
公开(公告)号：CN110930306A
公开(公告)日：2020-03-27
申请号：CN201911031488.3
申请日：2019-10-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开一种基于非局部感知的深度图超分辨率重建网络构建方法，目前越来越多的场景应用需要高质量高分辨率的深度图片，传统的深度图像超分辨方法在效果和速度都不如基于卷积神经网络的方法。但由于卷积的特性，大部分的超分辨卷积神经网络框架都只能利用深度图像的局部信息，然而图像的非局部信息对图像的重建十分重要。本发明充分发掘了深度图像的局部和非局部信息，帮助深度图像进行超分辨率重建。并且利用递归学习和残差学习的思想，减轻了卷积神经网络的负担，控制了网络的参数，提升了深度图像的重建效果。
-
-
-
-
-
-
-
-
-
Search Results
193
records
(took 0.029 seconds)
