-
公开(公告)号：CN109086795A
公开(公告)日：2018-12-25
申请号：CN201810679354.1
申请日：2018-06-27
Applicant: 上海理工大学
IPC: G06K9/62
Abstract: 本发明涉及一种图像误匹配精确剔除方法，网格匹配统计约束能够快速的区分出设定大小的网格区域内的正确匹配对和错误匹配对，从而剔除错误匹配对保留正确的匹配对获得一个粗略匹配集；结合自提出的投影误差函数的改进对极约束模型能够再进一步剔除粗略匹配集中不符合改进对极约束模型的匹配对，从而获得优质的匹配集。该方法融合了网格匹配统计约束能够快速的区分出网格区域内的正确匹配对和错误匹配对，并进行剔除和改进的对极约束模型能够快速剔除不满足对极约束的匹配对的优点，从而能够获得优质的匹配对，用时更少，匹配准确度更高。该方法能够适应不同大小复杂的场景，方法应用于视觉同步定位与建图，三维重构以及视觉跟踪等领域都会有不错的效果。
-
公开(公告)号：CN108596074A
公开(公告)日：2018-09-28
申请号：CN201810354823.2
申请日：2018-04-19
Applicant: 上海理工大学
Abstract: 本发明公开了一种基于惯性传感器的人体下肢动作识别方法。首先利用内置加速度计和陀螺仪的惯性传感器收集人体膝关节处的加速度、角速度和角度信号；然后对信号使用时间窗法，让窗口随着时间不断的截取信号片段。针对信号本身存在的噪音问题，采用小波去噪法将其去除。接下来对截取后的信号片段采用傅立叶变换并将其系数作为特征值。最后采用支持向量机(SVM)的方法进行下肢动作的模型训练和路况识别。本方法的优势在于，使用一系列预处理和特征提取算法获得更加能表现动作行为的特征值，然后使用SVM识别人体下肢动作方式和路况，该方法不但减少模型的训练时间，而且提高了模型的识别速度和准确率。
-
公开(公告)号：CN108536144A
公开(公告)日：2018-09-14
申请号：CN201810313574.2
申请日：2018-04-10
Applicant: 上海理工大学
IPC: G05D1/02
Abstract: 本发明公开一种融合稠密卷积网络和竞争架构的路径规划方法，其中移动机器人从经验回放存储器中采样mini-batch个转换信息，并按照预设规则从两个融合路径规划网络中选择一个作为在线网络，另一个则作为目标网络；通过预测的在线动作值函数Q(s,a；w)和对应贪婪动作，获取预测的目标动作值函数的最大值；根据预测的目标动作值函数的最大值和预测的在线动作值函数计算当前时间步上的损失函数；根据损失函数利用随机梯度下降法更新在线网络权重w。本发明通过融合稠密卷积网络和竞争架构组成了一个更加轻盈的融合路径规划网络，简化了模型参数，降低了训练开支，还缩短了规划时间，在一定程度上满足高速路径规划的需要。
-
Patent Agency Ranking
公开(公告)号：CN108549856B
公开(公告)日：2021-04-30
申请号：CN201810285346.9
申请日：2018-04-02
Applicant: 上海理工大学
Abstract: 本发明涉及一种人体动作和路况识别方法，使用惯性传感器采集人体膝关节处x、y和z轴方向上的加速度、角度和角速度信号，并用小波包变换消除信号的抖动噪声和干扰；然后对时间窗内的信号进行快速傅里叶变换，提取其系数作为特征值；随后对特征进行主成分分析去除冗余信息；最后采用高斯混合模型和隐马尔可夫模型进行假肢（下肢）动作和路况识别。只需一个惯性传感器实现人体动作和路况识别，为智能假肢减少了制作成本和空间。本发明利用了GMM和HMM模型训练相互穿插计算，降低运算量，不仅比传统的识别方法运算量少，同时提高了人体行为和路况识别准确率和实时性。
-
公开(公告)号：CN108549856A
公开(公告)日：2018-09-18
申请号：CN201810285346.9
申请日：2018-04-02
Applicant: 上海理工大学
Abstract: 本发明涉及一种人体动作和路况识别方法，使用惯性传感器采集人体膝关节处x、y和z轴方向上的加速度、角度和角速度信号，并用小波包变换消除信号的抖动噪声和干扰；然后对时间窗内的信号进行快速傅里叶变换，提取其系数作为特征值；随后对特征进行主成分分析去除冗余信息；最后采用高斯混合模型和隐马尔可夫模型进行假肢（下肢）动作和路况识别。只需一个惯性传感器实现人体动作和路况识别，为智能假肢减少了制作成本和空间。本发明利用了GMM和HMM模型训练相互穿插计算，降低运算量，不仅比传统的识别方法运算量少，同时提高了人体行为和路况识别准确率和实时性。
-
公开(公告)号：CN107900990A
公开(公告)日：2018-04-13
申请号：CN201711078544.X
申请日：2017-11-06
Applicant: 上海理工大学
Abstract: 本发明涉及一种基于视觉的智能机械臂物体抓取移动工作台，包括三个支架、三个夹持装置、三个连接固定装置、主桌面、副桌面、可移动工作柜，三个支架分别位于可移动工作柜的主桌面的U型槽内，每个支架上固定连接一个夹持装置，副桌面通过连接装置固定到可移动工作柜的侧面上，可移动工作柜底部装有可移动底盘，可根据需求遥控底盘移动来调整工作台的位置。该移动工作平台不仅能够提高计算物体位置、大小、姿态和三维重建的精度，而且可以减少使用空间。工作平台能够根据用户需求通过遥控移动，并且不需要重新计算相机与机械臂之间的旋转矩阵和位移，减少在基于视觉的智能机械臂物体抓取过程中的工作量。
-
公开(公告)号：CN107900990B
公开(公告)日：2020-06-23
申请号：CN201711078544.X
申请日：2017-11-06
Applicant: 上海理工大学
Abstract: 本发明涉及一种基于视觉的智能机械臂物体抓取移动工作台，包括三个支架、三个夹持装置、三个连接固定装置、主桌面、副桌面、可移动工作柜，三个支架分别位于可移动工作柜的主桌面的U型槽内，每个支架上固定连接一个夹持装置，副桌面通过连接装置固定到可移动工作柜的侧面上，可移动工作柜底部装有可移动底盘，可根据需求遥控底盘移动来调整工作台的位置。该移动工作平台不仅能够提高计算物体位置、大小、姿态和三维重建的精度，而且可以减少使用空间。工作平台能够根据用户需求通过遥控移动，并且不需要重新计算相机与机械臂之间的旋转矩阵和位移，减少在基于视觉的智能机械臂物体抓取过程中的工作量。
-
公开(公告)号：CN109034193A
公开(公告)日：2018-12-18
申请号：CN201810640255.2
申请日：2018-06-20
Applicant: 上海理工大学
CPC classification number: G06K9/629 , G06K9/4647 , G06T7/262 , G06T7/269 , G06T2207/10016 , G06T2207/20056 , G06T2207/20068 , G06T2207/20081
Abstract: 本发明涉及一种多特征融合与尺度自适应核相关滤波跟踪方法，获取目标的初始信息；获取目标区域的融合梯度直方图FHOG特征和降维后的颜色属性CN特征；通过线性融合的方式，把获取的31维FHOG特征、降维后的2维CN特征加上1维的灰度特征，融合后总共34特征作为最终的特征图谱；在得到融合特征图谱的基础上，利用核相关滤波器预测目标的平移位置；在预测平移位置后，通过添加尺度滤波器来预测目标的尺度变化；在预测目标平移位置和尺度变化后，通过线性插值方法来更新两个滤波模板，进行跟踪，直到最后一帧。通过这种特征融合与尺度滤波器结合的方式，该方法在目标跟踪过程的外观变形、尺度变化、光照变化、背景相似干扰等情况下有很好的鲁棒性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.021 seconds)
