-
公开(公告)号：CN118760151A
公开(公告)日：2024-10-11
申请号：CN202410730990.8
申请日：2024-06-06
申请人： 杭州智元研究院有限公司
IPC分类号： G05D1/43 , G05D1/242 , G05D1/65 , G05D1/633 , G05D1/644 , G05D1/693 , G05D1/692 , G05D1/648 , G05D109/10
摘要： 本发明公开了一种基于智能感知的无人车编队控制方法及系统，该方法包括：无人车配置网络，实现与上位机和其他无人车的通信，上位机为无人车编队设定期望队形、期望目标点；各无人车通过激光雷达采集点云信息，惯性测量单元采集累计运动信息，并确定定位信息；无人车基于点云信息获取周围环境中障碍物和同组其他无人车位置信息；基于事件驱动触发机制，根据障碍物位置信息和无人车位置信息实现编队控制，若遇到障碍物则触发队形变换进行避障控制，若无障碍物或者越过障碍物则无人车通过期望队形运动。本发明实现无人车编队中车辆运动的控制，使无人车编队能够在不同场景下做出最优队形变换选择。
-
公开(公告)号：CN118392160B
公开(公告)日：2024-09-24
申请号：CN202410850554.4
申请日：2024-06-28
申请人： 杭州智元研究院有限公司
摘要： 本发明涉及一种能够在线运行的多机器人协同地图构建方法及系统，包括步骤：多个机器人在场景移动，获取机器人姿态信息以及原始三维点云信息；单机器人对获取的数据进行处理得到当前机器人移动轨迹中的关键帧点云和位姿信息；基于每个机器人的关键帧点云进行回环检测，得到多个机器人间的回环信息；将多个机器人的局部位姿图和回环信息融合得到一个新的位姿图；使用非线性优化求解的方法得到多个机器人的相对位姿估计结果；对多个机器人的相对位姿估计结果进行拼接融合，进行全局一致的地图构建。本发明实现全局收敛的同时提高计算效率满足实时性，使机器人能够在复杂环境中实现全局收敛的位姿估计。
-
公开(公告)号：CN118583184A
公开(公告)日：2024-09-03
申请号：CN202411000552.2
申请日：2024-07-25
申请人： 杭州智元研究院有限公司
摘要： 本发明公开了一种复杂环境下考虑动态障碍物的智能体分层路径规划方法与系统，该方法包括：构建路径规划的环境地图模型；使用融合环境信息和JPS策略改进的A*算法，规划智能体全局层的最优路径；根据全局最优路径，使用矢量法进行关键点提取；根据提取后的关键路径点，使用TEB法进行优化；按照设立的局部规划层运动，在运动过程中进行障碍物检测，遇到障碍物时，使用基于全局信息改进的动态窗口法规划局部路径；循环迭代上述步骤，直至达到全局路径的终点。本发明有效解决了目前的规划算法耗时长、转折点较多、路径不平滑以及全局路径规划无法规划动态障碍物的问题，在保证智能体进行全局最优路径运动的同时进行动态避障。
-
公开(公告)号：CN118551909A
公开(公告)日：2024-08-27
申请号：CN202411000553.7
申请日：2024-07-25
申请人： 杭州智元研究院有限公司
IPC分类号： G06Q10/047 , G06N5/01 , G06F18/23213 , G06F18/25 , G01C21/34
摘要： 本发明公开了一种零散区域的多融合搜索方法及系统，该方法包括：获取零散区域的信息，并提取零散区域之间的多种度量值，基于多融合的度量标准将区域划分为区域簇；基于划分的区域簇信息，将问题抽象为旅行商问题，并创建相关的约束矩阵，采用动态规划求解区域簇的最优搜索策略；对于单一区域采用生成树策略进行区域覆盖，并采用可变的搜索起始点策略，基于三维A*算法的整体搜索路径，保证区域簇的最优搜索顺序和每个区域簇内区域的最短搜索路径，得到最终的搜索路径。本发明可以保证每一个零散的区域都可以被划分到合适的搜索任务里，能够在任务执行设备较少的情况下，以比较合理、耗时较短的情况下自动化完成搜索任务。
-
公开(公告)号：CN117857805A
公开(公告)日：2024-04-09
申请号：CN202311543616.9
申请日：2023-11-17
申请人： 杭州智元研究院有限公司
IPC分类号： H04N19/159 , H04N19/122 , H04N19/17 , H04N19/96
摘要： 本发明公开了一种基于编码单元的自适应阈值划分模式决策方法，该快速算法在编码单元划分过程中通过比较不划分模式的RDCost值和编码单元对应的阈值大小，来决策是否直接选用不划分模式作为编码单元的最优划分模式，若编码单元RDCost值小于阈值，则选择不划分模式作为该编码单元的最优划分模式，不再进行其他划分模式的计算选择；否则需要计算出所有可进行划分模式的RDCost，选择具有最小RDCost的划分模式作为最优划分模式。本发明专利提出的算法在全帧内模式下可以有效的降低编码复杂度，节省编码时间。
-
公开(公告)号：CN117389148A
公开(公告)日：2024-01-12
申请号：CN202311559661.3
申请日：2023-11-21
申请人： 杭州智元研究院有限公司
IPC分类号： G05B13/04 , B62D57/032
摘要： 本发明公开了一种轮腿运动紧耦合的四足轮腿控制方法及系统，包括：获取机器人躯干与腿部的当前状态；将目标状态与当前状态结合，构建轮腿紧耦合多刚体动力学非线性状态方程；基于目标状态优先级、机器人腿关节与轮毂电机扭矩对每个单独关节进行角度和转速求解，获取目标控制量，利用阻抗控制器，结合求解获取的目标控制量作为前馈，进行机器人腿关节与轮毂电机的运动控制；基于目标控制量和反馈状态，结合机器人腿部触地时电流的突变，判断机器人足端是否触地，获取足端触地状态，实现机器人状态的完整估计，用于下一个控制周期；本发明能够实现四足轮腿机器人的轮腿复合运动，提升了控制模型的精度与完整性、运动控制的鲁棒性。
-
公开(公告)号：CN117079163A
公开(公告)日：2023-11-17
申请号：CN202311079484.9
申请日：2023-08-25
申请人： 杭州智元研究院有限公司
IPC分类号： G06V20/17 , G06V10/82 , G06N3/0464 , G06V10/774 , G06N3/084 , G06V10/764 , G06V10/86 , G06V10/44
摘要： 本发明涉及一种基于改进YOLOX‑S的航拍图像小目标检测方法，包括采集航拍目标图像数据，构建数据集；进行基本图像预处理和Mosaic图像增强；进行融合坐标注意力机制的多尺度特征提取和基于双向特征金字塔网络的多尺度特征融合；进行神经网络训练，并计算损失函数，再进行模型更新；利用训练后的改进型YOLOX‑S网络模型进行检测推理。本发明的有益效果是：本发明融入更浅层级的特征图，可以得到更丰富的特征信息，从而提高检测精度；引入注意力机制，使网络能够更加关注目标特征信息，忽略背景信息的干扰，从而提高小目标的检测准确率和精度。
-
公开(公告)号：CN117078553A
公开(公告)日：2023-11-17
申请号：CN202311079491.9
申请日：2023-08-25
申请人： 杭州智元研究院有限公司
IPC分类号： G06T5/00 , G06V10/44 , G06V10/86 , G06N3/0464
摘要： 本发明涉及一种基于多尺度深度学习的图像去雾方法，包括构建包含有雾图像和清晰图像的数据集，并进行预处理；采用多尺度深度学习的方法来构建神经网络模型，从粗到细逐层进行建模；将有雾图像输入深度卷积神经网络模型，提取出不同尺度的特征图，其中包含了图像的局部和全局信息；将不同尺度的特征图融合起来；生成去雾图像。本发明的有益效果是：本发明采用多尺度融合，提高图像去雾的鲁棒性；将不同尺度的特征图融合起来，得到更为丰富的特征表示，从而提高了图像去雾的效果。
-
公开(公告)号：CN117011674A
公开(公告)日：2023-11-07
申请号：CN202311079488.7
申请日：2023-08-25
申请人： 杭州智元研究院有限公司
摘要： 本发明涉及一种基于多视角特征融合的复杂车辆识别方法，包括采集复杂车辆的各个视角的图像数据并细分类别；进行目标分割和预处理操作；根据同一目标的车辆图像进行随机组合，将获取的多视角图像作为数据集，进而生成训练数据集和测试数据集；用所述训练数据集训练预设的特征提取网络模型和特征融合网络模型；执行目标分割操作和预处理操作后的多张车辆图像经过特征提取网络模型，得到多个特征图；多个特征图经过特征融合网络模型，得到车辆图像的识别结果。本发明的有益效果是：本发明通过多视角综合提取特征并加以融合，有效提高识别的精度。
-
公开(公告)号：CN116977834A
公开(公告)日：2023-10-31
申请号：CN202311083233.8
申请日：2023-08-25
申请人： 杭州智元研究院有限公司
IPC分类号： G06V10/98 , G06V10/44 , G06V10/774 , G06V10/764 , G06V10/82 , G06N3/048
摘要： 本发明涉及一种开放条件下分布内外图像识别方法，包括图像数据采集，构建训练数据集，并进行原始图像预处理；神经网络特征提取；计算交叉熵损失；模型更新；模型特征提取；置信度判断；计算能量得分、相似度得分和异常分数；根据异常分数进行异常类型判断；输出识别结果。本发明的有益效果是：本发明在神经网络训练阶段，在保证分布内图像分类精度的前提下，通过添加线性层来降低特征维度，保存训练集的特征向量用于分布外异常检测。当识别新输入的图像时，利用训练完成的神经网络模型进行推理得到输入图像的特征向量，计算本发明设计的分布外得分函数，从而判断是否为分布外异常类型。
-
-
-
-
-
-
-
-
-
搜索结果
61 条记录 (耗时 0.053 秒)
