一种用在体育场景分析中的检测跟踪系统与方法

    公开(公告)号:CN118941592A

    公开(公告)日:2024-11-12

    申请号:CN202411016906.2

    申请日:2024-07-26

    摘要: 本发明公开了一种用在体育场景分析中的检测跟踪系统与方法,涉及多目标检测跟踪领域,所述系统包括摄像头模块、目标检测模块、外观特征提取模块、预测模块、运动相机补偿模块、高分匹配模块、位置特征提取模块、低分匹配模块、更新模块、轨迹维护模块。所述方法包括:步骤1、捕捉视频图像数据;步骤2、生成预测框;步骤3、识别运动员的位置信息,生成高分检测框和低分检测框;步骤4、提取运动员的外观特征;步骤5、计算检测框和轨迹之间的相似性并进行贪婪匹配;步骤6、提取低分检测框的位置特征;步骤7、计算检测框和轨迹之间的相似性并进行匹配;步骤8、对轨迹的卡尔曼滤波参数进行更新;步骤9、对轨迹的外观特征进行更新。

    一种基于Petri网建模的实时异常检测系统与方法

    公开(公告)号:CN118642443A

    公开(公告)日:2024-09-13

    申请号:CN202410751674.9

    申请日:2024-06-11

    IPC分类号: G05B19/418

    摘要: 本发明公开了一种基于#imgabs0#网建模的实时异常检测系统与方法,涉及工业自动化和过程控制领域,所述系统包括混合#imgabs1#网建模模块、异常检测模块和实时异常检测模块;混合#imgabs2#网建模模块包括混合#imgabs3#网,混合#imgabs4#网定义为#imgabs5#,#imgabs6#为库所的集合,#imgabs7#为变迁的集合,#imgabs8#为当前节点的前节点,#imgabs9#为当前节点的后续节点,#imgabs10#代表当前节点是离散节点还是连续节点,#imgabs11#代表每个库所中的资源数量,#imgabs12#为初始标记,即给每个库所的#imgabs13#赋一个初始值;异常检测模块负责检测异常情况,异常情况包括控制策略异常和#imgabs14#液位传感器异常;实时异常检测模块获取库所的实时状态,与异常检测模块检测出的异常情况进行实时对比,判断异常情况,输出异常告警。

    一种基于去噪扩散模型的物品抓取方法

    公开(公告)号:CN118024253A

    公开(公告)日:2024-05-14

    申请号:CN202410295945.4

    申请日:2024-03-14

    IPC分类号: B25J9/16 B25J15/08

    摘要: 本发明公开了一种基于去噪扩散模型的物品抓取方法,涉及机器人技术领域,包括:S100、场景点云数据处理;S200、正向过程的加噪网络训练;S300、点云数据补全;S400、物体抓取模拟;S500、特征聚合;S600、聚合特征加噪;S700、特征热图抓取;S800、最终抓取姿态矩阵计算。本发明实现了用于平行夹爪的六自由度多样性抓取姿势的生成,提高了抓取的成功率和准确性、多样性。

    一种基于二维码的调整操作平行度的装置与方法

    公开(公告)号:CN117283534A

    公开(公告)日:2023-12-26

    申请号:CN202311006715.3

    申请日:2023-08-10

    IPC分类号: B25J9/08 B25J9/16 B25J5/00

    摘要: 本发明公开了一种基于二维码的调整操作平行度的装置,涉及机器人技术领域,包括AGV模块、机械臂模块、末端模块、视觉信息处理模块、通信模块和总控模块。本发明还公开了一种基于二维码的调整操作平行度的方法,包括S100、构建地图;S200、放置二维码;S300、粗调观测姿态;S400、细调观测姿态;S500、调整操作平行度。本发明具有稳定性高、自适应强、适用范围广、泛化性强、效果显著等特点,能够更加高效地满足复杂场景的需求。

    一种基于稀疏识别的间歇反应过程预测控制方法

    公开(公告)号:CN117193101A

    公开(公告)日:2023-12-08

    申请号:CN202311254264.5

    申请日:2023-09-26

    IPC分类号: G05B19/042

    摘要: 本发明公开了一种基于稀疏识别的间歇反应过程预测控制方法,涉及过程控制领域,所述方法包括以下步骤:步骤1、记录间歇反应过程中的生产数据,包括生产数据的批次数I、变量数J以及每一批次的采样点总数K,其中,变量数J=nx+nu,nx为状态个数,nu为控制输入个数,并对生产数据进行阶段分割;步骤2、基于SINDY和FNN建立间歇反应过程的混合模型;步骤3、设计模型预测控制器,将步骤2建立的混合模型作为模型预测控制器中的预测模型;步骤4、基于误差触发机制在线更新混合模型,并采用移动窗口误差度量Eh来表示混合模型在t=tk时刻的预测精度。设定误差限Et,如果满足Eh>Et,则进行混合模型的在线更新。

    一种基于形态学图像处理的闭环抓取检测方法

    公开(公告)号:CN114193446B

    公开(公告)日:2023-04-25

    申请号:CN202111383213.3

    申请日:2021-11-22

    摘要: 本发明公开了一种基于形态学图像处理的闭环抓取检测方法,涉及图像处理、深度学习以及机器人抓取控制领域,包括以下步骤:步骤1、对公开抓取检测数据集Cornell中的深度图像进行预处理;步骤2、利用形态学知识对深度图像进行分割,对深度图像中的目标物体进行凸包运算,分割出凸包中独立于目标物体的不连续区域;步骤3、搭建抓取检测网络,抓取检测网络包括卷积神经网络和闭环反馈网络;步骤4、将公开抓取检测数据集Cornell的数据分为训练集和测试集;步骤5、将公开抓取检测数据集Cornell的数据输入抓取检测网络进行训练和测试,将抓取检测网络进行改进;步骤6、将经过改进的抓取检测网络用于实际机械臂上,测试抓取效果并对抓取检测网络进行改进。