-
公开(公告)号：CN112720487A
公开(公告)日：2021-04-30
申请号：CN202011545707.2
申请日：2020-12-23
摘要： 本申请属于工业机器人技术领域，具体涉及一种基于自适应动态力平衡的机械臂抓取方法和系统。其中的方法包括：获取目标物体的目标点云信息，通过凹包轮廓检测算法检测得到边缘轮廓信息，基于边缘轮廓信息和机械臂末端执行器两指间距离，建立目标物体的可抓取区域模型；按照预设的规则生成矩形滑框，利用最小二乘直线拟合对每一矩形滑框内左右两边的凸顶点集合进行直线拟合，基于拟合得到的两条直线间的夹角确定目标物体的可抓取位置；确定目标物体左侧边缘、右侧边缘在第一坐标轴上坐标的平均值，当平均值之差小于预设阈值时，机械臂根据可抓取位置对目标物体进行抓取。本申请方法实施简单快捷，具有较强的实时性，可准确可靠地抓取目标物体。
-
公开(公告)号：CN112720487B
公开(公告)日：2022-03-22
申请号：CN202011545707.2
申请日：2020-12-23
摘要： 本申请属于工业机器人技术领域，具体涉及一种基于自适应动态力平衡的机械臂抓取方法和系统。其中的方法包括：获取目标物体的目标点云信息，通过凹包轮廓检测算法检测得到边缘轮廓信息，基于边缘轮廓信息和机械臂末端执行器两指间距离，建立目标物体的可抓取区域模型；按照预设的规则生成矩形滑框，利用最小二乘直线拟合对每一矩形滑框内左右两边的凸顶点集合进行直线拟合，基于拟合得到的两条直线间的夹角确定目标物体的可抓取位置；确定目标物体左侧边缘、右侧边缘在第一坐标轴上坐标的平均值，当平均值之差小于预设阈值时，机械臂根据可抓取位置对目标物体进行抓取。本申请方法实施简单快捷，具有较强的实时性，可准确可靠地抓取目标物体。
-
公开(公告)号：CN107341823A
公开(公告)日：2017-11-10
申请号：CN201710415745.8
申请日：2017-06-06
申请人： 东北大学
IPC分类号： G06T7/33
CPC分类号： G06T7/337 , G06T2207/10012
摘要： 本发明公开了一种基于特征融合的最小分支立体匹配方法，能够有效解决弱纹理区域、不连续区域、遮挡区域的误匹配问题，提高立体匹配精度。最小分支结构首次利用梯度信息构建有向图聚合匹配代价，构建最小分支后图像被分割成若干区域，图像被分割成区域的过程不需要设置任何参数，不仅分割过程自然，而且可以有效地区分图像中的纹理区域，提高了立体匹配准确性。基于特征融合的初始匹配代价计算改善了弱纹理区域和不连续区域的误匹配问题，基于四个方向寻找未遮挡点的左右一致性检测，有效改善了遮挡区域的误匹配问题，进一步提高了立体匹配的准确性。
-
-
公开(公告)号：CN107273804A
公开(公告)日：2017-10-20
申请号：CN201710351391.5
申请日：2017-05-18
申请人： 东北大学
CPC分类号： G06K9/00362 , G06K9/00744 , G06K9/6256 , G06K9/6269 , G06N3/08
摘要： 一种基于支持向量机和深度特征的行人识别方法，包括如下步骤：制作训练样本，包括设定姿态下和采集的真实场景视频中的正样本与负样本。该行人特征描述子主要分为两部分，一部分用来刻画局部深度信息的变化特征，另一部分用来刻画局部深度信息的大小特征；对得到的训练样本使用LibSVM选取RBF核作为SVM的核函数针对深度信息特征来对行人分类器进行训练；根据分类器在运动目标区域以滑动窗口的方式检测运动目标区域中的行人，使用非极大值抑制的办法来剔除冗余的检测窗口，输出行人检测图像。本方法使用深度特征描述子作为SVM的特征向量进行行人识别，在保证实时性的同时，能够有效减缓相互遮挡、相互粘连等情况，提高了行人识别的准确率。
-
公开(公告)号：CN107341822B
公开(公告)日：2019-11-08
申请号：CN201710416336.X
申请日：2017-06-06
申请人： 东北大学
IPC分类号： G06T7/32
摘要： 本发明公开了一种基于最小分支代价聚合的立体匹配方法。所述的最小分支构建于有向图，有向图的方向是由图像像素点的梯度信息决定的。在最小分支构建完成后，输入图像被分割成很多碎片，碎片的大小和强度信息能够有效的区分图像的强弱纹理区域，再根据碎片的大小和相似性将最可能处于同一视差下的碎片连接在一起，最后在所建立的完整最小分支结构上执行代价聚合步骤。基于最小分支的代价聚合方法保留了更多的图像自然信息，使得代价聚合结果更加准确，从而有效的提高了立体匹配的精度。
-
公开(公告)号：CN107341823B
公开(公告)日：2019-08-09
申请号：CN201710415745.8
申请日：2017-06-06
申请人： 东北大学
IPC分类号： G06T7/33
摘要： 本发明公开了一种基于特征融合的最小分支立体匹配方法，能够有效解决弱纹理区域、不连续区域、遮挡区域的误匹配问题，提高立体匹配精度。最小分支结构首次利用梯度信息构建有向图聚合匹配代价，构建最小分支后图像被分割成若干区域，图像被分割成区域的过程不需要设置任何参数，不仅分割过程自然，而且可以有效地区分图像中的纹理区域，提高了立体匹配准确性。基于特征融合的初始匹配代价计算改善了弱纹理区域和不连续区域的误匹配问题，基于四个方向寻找未遮挡点的左右一致性检测，有效改善了遮挡区域的误匹配问题，进一步提高了立体匹配的准确性。
-
-
公开(公告)号：CN107341822A
公开(公告)日：2017-11-10
申请号：CN201710416336.X
申请日：2017-06-06
申请人： 东北大学
IPC分类号： G06T7/32
摘要： 本发明公开了一种基于最小分支代价聚合的立体匹配方法。所述的最小分支构建于有向图，有向图的方向是由图像像素点的梯度信息决定的。在最小分支构建完成后，输入图像被分割成很多碎片，碎片的大小和强度信息能够有效的区分图像的强弱纹理区域，再根据碎片的大小和相似性将最可能处于同一视差下的碎片连接在一起，最后在所建立的完整最小分支结构上执行代价聚合步骤。基于最小分支的代价聚合方法保留了更多的图像自然信息，使得代价聚合结果更加准确，从而有效的提高了立体匹配的精度。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.028 秒)
