-
公开(公告)号:CN118484415A
公开(公告)日:2024-08-13
申请号:CN202410484721.8
申请日:2024-04-22
申请人: 中国科学院自动化研究所 , 湖南大学
摘要: 本发明涉及转接设备技术领域,提供一种传感器转接件及传感器转接装置。上述的传感器转接件,包括第一中间件和多个第二中间件,第一中间件包括多个处理器芯片和多个第一接口模块;每个第二中间件包括转串口模块、第二接口模块和接口,接口用于与传感器连接,接口的种类为多种,以支持传感器通过多种通信协议与第二中间件通信连接;转串口模块用于将传感器与第二中间件连接时的多种通信协议转换为统一的通信协议;第二接口模块与第一接口模块相适配,第二接口模块与第一接口模块可拆卸连接。上述的传感器转接件,可将不同的通信协议自动转换为统一的通信协议,从而不需要人工手动配置,实现了传感器转接件即插即用。
-
公开(公告)号:CN118848998A
公开(公告)日:2024-10-29
申请号:CN202411347391.4
申请日:2024-09-26
申请人: 湖南大学
摘要: 本发明公开了一种基于贝叶斯交互基元的双臂机器人技能学习方法,搭建双臂机器人技能学习平台,以控制双臂机器人和采集数据;通过遥操作对双臂机器人进行示教,采集专家示教数据;建立贝叶斯交互基元学习框架,使用基函数拟合示教轨迹;通过多传感器获取当前状态的多模态数据,采用序列对齐和动态捕捉的方法进行时空推理,得到当前状态的相位,贝叶斯交互基元根据当前相位输出双臂机器人未来动作序列的后验分布;每个时间步都根据当前和历史输出的动作序列的相应动作进行加权平均后执行,直到完成相位估计任务。技能学习效率高、示教方式简单易行、技能学习效果优异,有效解决了双臂机器人技能发育慢、双臂操作协同性差、操作流畅性低的问题。
-
公开(公告)号:CN118796316A
公开(公告)日:2024-10-18
申请号:CN202411266450.5
申请日:2024-09-11
申请人: 湖南大学
IPC分类号: G06F9/448 , G06F40/186
摘要: 本发明公开了一种智能控制器的多传感器接入与数据管理微架构系统,通用处理模块用于支持系统初始化、单例模式和多类型数据处理;配置文件解析模块用于接收用户配置指令对使用的传感器进行针对性配置,将配置信息按照不同的功能或模块进行组织;应用程序接口模块用于通过API函数对传感器应用接口进行抽象,实现传感器应用的开发;抽象数据封装模块通过一种抽象数据封装方法实现对同类型传感器的数据格式的统一描述和封装;工厂自动注册模块使用抽象类累定义工厂的基本结构,通过模板方法来封装工厂的创建过程。简化了传感器应用的开发过程,能够更轻松地集成、操作和管理多样性的传感器设备,保持了系统的高度灵活性和可适应性。
-
公开(公告)号:CN114821014B
公开(公告)日:2024-06-21
申请号:CN202210534762.4
申请日:2022-05-17
申请人: 湖南大学
IPC分类号: G06V10/25 , G06V10/32 , G06V10/74 , G06V10/764 , G06V10/80 , G06V10/82 , G06V10/56 , G06N3/0464 , G06N3/08 , G06N3/0475 , G06N3/045 , G06N3/094
摘要: 本发明公开了一种基于多模态多任务对抗学习的目标检测识别方法及装置,该方法将整个模型分成了特征提取阶段、区域提案阶段和多任务目标检测阶段三个部分。在特征提取阶段,采用多模态特征融合的方法,对输入数据的RGB图像和语义图像进行特征提取,使模型对于图像中目标的位置信息更加敏感,同时还增强了目标语义信息的提取;区域提案阶段用以生成随机窗口和提案框作为下阶段的输入;在多任务目标检测阶段中,采用多任务学习的方法,通过联合训练三个辅助任务来提高主任务的检测精度。对于目标检测网络,引入了对抗学习的思想,加入两个对抗式生成网络,用来生成多样式样本,提高模型的鲁棒性。
-
公开(公告)号:CN117400269B
公开(公告)日:2024-04-12
申请号:CN202311716182.8
申请日:2023-12-14
申请人: 湖南大学
IPC分类号: B25J9/16
摘要: 本发明公开了一种基于双向采样和虚拟势场引导的机械臂路径规划方法,定义栅格地图并确定机械臂末端的初始点和目标点在栅格地图中的初始点和目标点,将栅格地图中的初始点和目标点分别设置为初始随机树和目标随机树的根节点,对两颗随机树采用双向随机树导向策略进行采样并交替进行扩展,并对扩展后产生的节点执行碰撞检测并处理,得到两颗随机树在每次扩展后各自对应的节点,根据预设的终止检测阈值以及扩展次数判断是否满足随机树扩展的终止条件,若满足终止条件,则输出栅格地图中从初始点到目标点的初始路径并优化,得到规划出的机械臂路径。该方法可有效解决现有机械臂路径规划过程中冗余采样点过多、避障随机性高、规划时间较长等技术问题。
-
公开(公告)号:CN114089779B
公开(公告)日:2024-03-19
申请号:CN202111407640.0
申请日:2021-11-24
申请人: 湖南大学
IPC分类号: G05D1/495 , G05D1/46 , G05D101/10 , G05D109/20
摘要: 本发明公开了一种GPS拒止环境下空中机器人视觉自主控制方法及系统,包括:摄像头模块实时采集周围环境图像并发送至计算机模块,计算机模块根据周围环境图像和预设的参考图像得到单应性矩阵并发送至姿态控制器;姿态控制器根据单应性矩阵和预设的虚拟控制误差函数得到第一控制误差和姿态误差控制变量,将第一控制误差发送至计算机模块;计算机模块根据第一控制误差和预设的速度估计误差函数实时估计自身速度并发送至姿态控制器;姿态控制器根据实时估计的自身速度、预设的误差控制式、预设的空中机器人的动态方程、第一控制误差和姿态误差控制变量得到姿态控制量,根据姿态控制量控制空中机器人的自主飞行。
-
公开(公告)号:CN117454672A
公开(公告)日:2024-01-26
申请号:CN202311776355.5
申请日:2023-12-22
IPC分类号: G06F30/20 , G06T7/30 , G06T17/20 , G06F30/17 , G06F111/04
摘要: 本发明公开了一种基于曲面装配约束的机器人作业余量计算方法,获得机身点云X与蒙皮点云Y;基于装配飞机机身点云X提取待装配边界序列点云E;将待装配边界序列点云E与待装配蒙皮点云Y进行最小余量匹配,搜索最近邻匹配对,建立最小余量方差约束的优化误差方程;根据机身点云X建立蒙皮微形变方程,在局部形变上限约束下,联合优化可微点云匹配方程;利用可微匹配方程的梯度方程和海瑟矩阵计算下一步优化方向的旋转矩阵及平移向量;计算优化后的误差,若小于预设误差阈值或者迭代次数大于预设迭代次数总数则输出结果,得到当前匹配后的边界,供给铣削作业机器人去除加工余量,得到最终装配曲面。改善了装配工序,计算高效,具有极高的可用性。
-
公开(公告)号:CN116758497A
公开(公告)日:2023-09-15
申请号:CN202310279707.X
申请日:2023-03-21
申请人: 湖南大学
摘要: 本发明提供了一种基于无人系统的激光点云三维目标检测方法包括如下步骤:步骤S1:获取基于无人系统的激光点云数据集,对所述激光点云数据集进行预处理,将预处理后的激光点云数据集按照预设比例1:1分为训练集和测试集;步骤S2:构建基于无人系统的激光点云三维目标检测模型;步骤S3:将所述训练集输入至所述激光点云三维目标检测模型,得到训练好的激光点云三维目标检测模型;步骤S4:将所述测试集输入至所述训练好的激光点云三维目标检测模型,得到三维目标检测结果。本发明所提出的动态边缘卷积模块与自适应特征融合网络具有更加丰富与精细的特征表示,提高激光点云三维目标检测的精度。
-
公开(公告)号:CN116680030A
公开(公告)日:2023-09-01
申请号:CN202310669792.0
申请日:2023-06-07
申请人: 湖南大学
IPC分类号: G06F9/451 , G06F9/445 , G06F9/448 , G06N3/0464 , G06N3/08
摘要: 本发明公开了一种自主学习训练可视化系统及其方法,系统包括可视化模块和封装库,可视化模块包括若干个具有不同功能的可视化子模块,封装库包括网络结构封装库,通过程序调用网络结构封装库,从网络结构封装库中预设的若干个深度神经网络中选取目标网络,从若干个具有不同功能的可视化子模块中选取目标可视化子模块,通过选取的目标可视化子模块对选取的目标网络进行可视化,得到目标网络的可视化结果。该方法可以方便快捷得到各种可视化结果,增强深度学习算法的可解释性,实现神经网络的组态浏览与分析。
-
公开(公告)号:CN115542338B
公开(公告)日:2023-04-18
申请号:CN202211518994.7
申请日:2022-11-30
申请人: 湖南大学
IPC分类号: G01S17/86 , G01S7/48 , G06V10/82 , G06V10/62 , G06V10/774 , G06T7/246 , G06T7/277 , G06N3/042 , G06N3/082
摘要: 一种基于点云空间分布映射的激光雷达数据的学习方法,包括:S1、构建目标激光雷达点云数据集,对任意带标注激光雷达点云数据集和目标激光雷达点云数据集进行线束空间分析;S2、将任意带标注激光雷达点云数据集所在空间坐标系变换至目标激光雷达点云数据集所在空间坐标系;S3、对坐标系变换后的任意带标注激光雷达点云数据集进行序列化处理;S4、计算三维空间非共线三点近似平面与激光雷达线束的交点以完成映射;S5、利用带标注的映射数据集训练关于点云目标检测的任意深度学习模型;S6、设计多目标跟踪器对序列信息进行更新实现结果的优化。本发明易操作、效率高,具有良好的鲁棒性,减少了不同类型数据集差异带来的影响。
-
-
-
-
-
-
-
-
-