-
公开(公告)号：CN114425773B
公开(公告)日：2024-03-26
申请号：CN202111368871.5
申请日：2021-11-18
申请人： 南京师范大学
摘要： 本发明公开了一种基于深度学习及龙芯派的对弈机器人系统及其对弈方法，该方法包括：拍摄棋盘状态图像，送入棋盘检测网络检测棋盘信息，并根据棋盘信息进行对弈人行棋状态判断；将输出的棋盘信息，转换成FEN码送入自升级云端决策网络，决策后给出行棋指令；将给出的行棋指令变换成三维坐标的移动指令，根据三维坐标的移动指令，利用机械臂移动逆运算算法，控制机械臂抓取和移动棋子。本发明通过系统可自主判断对弈人是否结束行棋，大大增强了人机交互性，自升级云端决策网络，提高决策速度，也通过自升级方法不断提高决策质量，具有人机对弈交互性高，行棋决策速度快、水平高，可支持的人机对弈系统体积小巧及便于移动携带的优点。
-
公开(公告)号：CN114147704B
公开(公告)日：2023-09-22
申请号：CN202111367940.0
申请日：2021-11-18
申请人： 南京师范大学
IPC分类号： B25J9/16
摘要： 本发明公开了一种基于深度视觉与增量闭环的机械臂精准定位及抓取方法，包括：识别待抓取的物体位置，获取待抓取物体的机械臂空间坐标；通过逆运动学解析算法，将机械臂空间坐标信息转换为机械臂舵机的角度信息；获得含有待抓取物体的目标图像；对目标图像中的待抓取物体进行形心位置计算；判断待抓取物体形心是否在深度摄像头中心线上，若不在，则通过待抓取物体的形心位置来计算增量；将增量作为反馈信号输送到逆运动学解析算法，得到更新后的待抓取物体的机械臂空间坐标，驱动机械臂抓取物体。本发明同时兼顾了传感器的设备价格与机械臂执行效率，机械臂的定位准确度和抓取物体的成功率都有显著的提高。
-
公开(公告)号：CN115984852A
公开(公告)日：2023-04-18
申请号：CN202211683160.1
申请日：2022-12-27
申请人： 南京师范大学
IPC分类号： G06V30/14 , G06V30/148 , G06V30/18 , G06V20/50 , G06V20/62 , G06V10/82 , G06N3/047 , G06N3/048 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/084
摘要： 本发明公开了一种基于优化参数和China‑chess‑net的棋子目标定位和识别方法，包括：采集多张完整象棋棋盘的图像，得到象棋数据集；搭建和训练China‑chess‑net网络结构，得到象棋识别模型；使用卷积神经网络优化参数的改进Canny边缘检测算法和BP神经网络优化参数的改进霍夫圆检测定位算法，对棋盘图像中的棋子进行定位并且保存棋盘中的棋子图片和位置信息；将卷积神经网络优化参数的改进Canny边缘检测算法和BP神经网络优化参数的改进霍夫圆检测定位算法与China‑chess‑net识别算法融合，得到每个棋子的位置信息和类别信息。本发明具有训练数据量极少，检测棋子位置和类别精度极高，摄像头实时检测速度快，适应复杂灯光环境等优点，可用于人工智能，圆形目标物体的检测，中国象棋人机对弈等方面。
-
公开(公告)号：CN114425773A
公开(公告)日：2022-05-03
申请号：CN202111368871.5
申请日：2021-11-18
申请人： 南京师范大学
摘要： 本发明公开了一种基于深度学习及龙芯派的对弈机器人系统及其对弈方法，该方法包括：拍摄棋盘状态图像，送入棋盘检测网络检测棋盘信息，并根据棋盘信息进行对弈人行棋状态判断；将输出的棋盘信息，转换成FEN码送入自升级云端决策网络，决策后给出行棋指令；将给出的行棋指令变换成三维坐标的移动指令，根据三维坐标的移动指令，利用机械臂移动逆运算算法，控制机械臂抓取和移动棋子。本发明通过系统可自主判断对弈人是否结束行棋，大大增强了人机交互性，自升级云端决策网络，提高决策速度，也通过自升级方法不断提高决策质量，具有人机对弈交互性高，行棋决策速度快、水平高，可支持的人机对弈系统体积小巧及便于移动携带的优点。
-
公开(公告)号：CN116520849A
公开(公告)日：2023-08-01
申请号：CN202310626073.0
申请日：2023-05-30
申请人： 南京师范大学
IPC分类号： G05D1/02
摘要： 本发明公开了一种基于双层数据结构的机器人实时最优轨迹规划方法，包括：获取机器人周围环境信息，提取障碍物边缘特征点并转化为一组封闭的多边形，连接可见性边形成局部可视图；对动态障碍物直接消除可见性边缘并重新连接可见性边缘再合并到全局层，并找到起点到终点的最短路径；同时分解横、纵向运动轨迹并对轨迹进行建模，将得到的最短路径转化为时间参数化轨迹，利用代价函数选择合适的控制点并计算各个轨迹的成本，获取局部最优轨迹，并以此作为局部层；检验局部最优轨迹的合理性，通过全局层获取到全局最优轨迹。本发明能够实现移动机器人在未知环境下找到最优行驶轨迹，具有实时性良好、低成本运算、运行效率高的优点。
-
公开(公告)号：CN114429445A
公开(公告)日：2022-05-03
申请号：CN202111318512.9
申请日：2021-11-09
申请人： 南京师范大学
摘要： 本发明公开了一种基于MAIRNet的PCB缺陷检测与识别方法，包括：采集PCB模板图像与待检测图像，构建数据集，并且划分成测试集图像和训练集图像；检测是否存在元器件缺失的情况，最终输出缺失元器件定位信息并在待检测图像中进行标注；输出对于极性元器件的定位情况、色环电阻种类及定位信息和焊点缺陷类别及定位信息；输出裁剪后的PCB极性元器件待检测图像与模板图像，构建一种PCB元器件极性判别方法，输出元器件极性接插情况；对获取的信息进行汇总显示。本发明能够检测识别出PCB表面常见的元器件缺失、元器件极性接插错误、焊点缺陷等问题，输出缺陷区域的位置信息、类别信息，并能够对色环电阻类别进行检测与识别，与人工检测的方式相比具有显著优势。
-
公开(公告)号：CN115223080A
公开(公告)日：2022-10-21
申请号：CN202210831695.2
申请日：2022-07-15
申请人： 南京师范大学
IPC分类号： G06V20/40 , G06V10/25 , G06V10/26 , G06V10/42 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于非局部特征聚合神经网络的目标分割方法，包括：采集目标视频，提取视频的原始分帧图像，得到小样本数据集；搭建非局部特征聚合神经网络模型，训练非局部特征聚合神经网络模型得到目标分割网络；再次采集目标视频，计算图像中每个目标的分割质量评估分数；根据分割质量评估分数判断图像质量，低质量图像继续训练，保留高质量图像中目标轮廓关键点；通过BAS‑DP轻量化算法优化目标轮廓关键点，得到目标分割结果。本发明具有精度高、训练数据量少、环境适应性强和分割效果好的优点。
-
公开(公告)号：CN115220448A
公开(公告)日：2022-10-21
申请号：CN202210831716.0
申请日：2022-07-15
申请人： 南京师范大学
IPC分类号： G05D1/02
摘要： 本发明公开了一种基于稀疏化可视图的机器人快速路径规划方法，其特征在于，包括：针对激光雷达采集得到的点云信息，通过PCL点云库进行点云降采样得到稀疏点云；将得到的稀疏点云使用空洞网格结构进行存储，并且将稀疏点云平面投影得到二值图像，进行图像模糊得到模糊图像；将模糊图像进行轮廓点的提取，得到障碍物的轮廓特征点，并将障碍物的轮廓特征点进行过滤；通过过滤后的障碍物的轮廓特征点构建可视图；使用双向BFS搜索寻找最优路径，并且在路径规划的过程中，剔除障碍物。本发明算法运行速度快，具有良好的实时性；缩短了构建地图和路径规划所需要的时间，同时减少了机器人在未知环境中探索造成的空间浪费，具有抗复杂环境干扰性强等优点。
-
公开(公告)号：CN114429584A
公开(公告)日：2022-05-03
申请号：CN202111318533.0
申请日：2021-11-09
申请人： 南京师范大学
IPC分类号： G06V20/10 , G06V10/22 , G06V10/26 , G06V10/774 , G06V10/764 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于类别损失和差值检测的多目标小物体识别方法，包括如下步骤：采集棋盘初始图像，标定棋盘图像坐标，根据坐标分割棋盘图像；对分割后的棋盘图像进行预处理，使用搭建好的深度学习网络模型对处理后的图像进行分类，将分类结果转换为棋局信息；采集棋盘图像P1，棋手进行一步行棋后，再次采集棋盘图像P2；根据棋盘图像P1和棋盘图像P2，采用差值检测方法对行棋的起点和终点进行合理性判断，更新棋局信息。本发明实现了对中国象棋从开局到每一步行棋的检测识别，具有速度快、鲁棒性高等优点，且受光线影响较小，并且可扩展至其他棋类的检测，在中国象棋对弈人机交互、普及人工智能方面具有重要意义。
-
公开(公告)号：CN114147704A
公开(公告)日：2022-03-08
申请号：CN202111367940.0
申请日：2021-11-18
申请人： 南京师范大学
IPC分类号： B25J9/16
摘要： 本发明公开了一种基于深度视觉与增量闭环的机械臂精准定位及抓取方法，包括：识别待抓取的物体位置，获取待抓取物体的机械臂空间坐标；通过逆运动学解析算法，将机械臂空间坐标信息转换为机械臂舵机的角度信息；获得含有待抓取物体的目标图像；对目标图像中的待抓取物体进行形心位置计算；判断待抓取物体形心是否在深度摄像头中心线上，若不在，则通过待抓取物体的形心位置来计算增量；将增量作为反馈信号输送到逆运动学解析算法，得到更新后的待抓取物体的机械臂空间坐标，驱动机械臂抓取物体。本发明同时兼顾了传感器的设备价格与机械臂执行效率，机械臂的定位准确度和抓取物体的成功率都有显著的提高。
-
-
-
-
-
-
-
-
-
搜索结果
10 条记录 (耗时 0.017 秒)
