-
公开(公告)号：CN115416021A
公开(公告)日：2022-12-02
申请号：CN202211029259.X
申请日：2022-08-24
申请人： 南京师范大学 , 南京中科煜宸激光技术有限公司
IPC分类号： B25J9/16
摘要： 本发明公开了一种基于改进阻抗控制的机械臂控制方法，包括：获取机械臂的当前位姿参数；根据当前位姿参数，计算出机械臂相关动力学参数及激励力矩矢量；根据机械臂相关动力学参数，计算出关节变量；根据关节变量，计算出误差力矩；利用冒泡排序对误差力矩设定阈值进行筛选；利用PID控制方法对筛选后的误差力矩值进行调整；根据机械臂角度的实验曲线，判断系统是否趋于稳定。本发明相较于传统的力/位混合控制的主动柔顺控制方法，采用改进的阻抗控制算法能够避免力矩在趋近期望值过程中产生远超过期望峰值阈值的情况，使机械臂实现较高精度的工作要求。
-
公开(公告)号：CN118466517A
公开(公告)日：2024-08-09
申请号：CN202410911034.X
申请日：2024-07-09
申请人： 南京师范大学
IPC分类号： G05D1/43 , G05D1/242 , G05D1/243 , G05D1/633 , G05D1/644 , G05D1/247 , G05D1/648 , G05D109/10
摘要： 本发明公开了一种基于可见性图构建的机器人路径规划方法，通过获取环境的点云数据，提取点云数据中的障碍物的轮廓特征点；并构建障碍物的封闭多边形；对顶点数量大于阈值的封闭多边形，消除其长度小于阈值的边，得到优化后的障碍物多边形；并根据障碍物多边形各顶点之间的可视关系构建可见性图；给定机器人起点和终点，在可见性图上通过双向A*路径规划算法搜索机器人从起点到终点的最短路径。通过设置阈值来控制复杂的大型多边形的顶点数量，充分考虑移动机器人真实环境中冗余节点过多的特点，提高移动机器人在大场景环境下路径规划计算效率，满足实时性要求，使得移动机器人平滑、快速躲避动态障碍物，应用前景广泛。
-
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。
-
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：CN118466517B
公开(公告)日：2024-10-15
申请号：CN202410911034.X
申请日：2024-07-09
申请人： 南京师范大学
IPC分类号： G05D1/43 , G05D1/242 , G05D1/243 , G05D1/633 , G05D1/644 , G05D1/247 , G05D1/648 , G05D109/10
摘要： 本发明公开了一种基于可见性图构建的机器人路径规划方法，通过获取环境的点云数据，提取点云数据中的障碍物的轮廓特征点；并构建障碍物的封闭多边形；对顶点数量大于阈值的封闭多边形，消除其长度小于阈值的边，得到优化后的障碍物多边形；并根据障碍物多边形各顶点之间的可视关系构建可见性图；给定机器人起点和终点，在可见性图上通过双向A*路径规划算法搜索机器人从起点到终点的最短路径。通过设置阈值来控制复杂的大型多边形的顶点数量，充分考虑移动机器人真实环境中冗余节点过多的特点，提高移动机器人在大场景环境下路径规划计算效率，满足实时性要求，使得移动机器人平滑、快速躲避动态障碍物，应用前景广泛。
-
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。
-
-
-
-
-
-
-
-
-
搜索结果
11 条记录 (耗时 0.047 秒)
