-
公开(公告)号：CN115946106A
公开(公告)日：2023-04-11
申请号：CN202210849153.8
申请日：2022-07-19
Applicant: 国网安徽省电力有限公司超高压分公司 , 国网安徽省电力有限公司 , 中国科学技术大学先进技术研究院
Inventor： 董翔宇 , 尚伟伟 , 樊培培 , 何浩源 , 刘之奎 , 汤新胜 , 朱涛 , 张飞 , 李腾 , 廖军 , 柯艳国 , 罗沙 , 谢佳 , 李卫国 , 景瑶 , 张俊杰 , 蒋晶晶 , 施雯 , 马欢
Abstract: 本发明实施例提供一种基于二级物体检测网络的多指灵巧手分拣规划方法及系统，属于机器人的控制技术领域。所述方法包括：采集并构建分拣数据集和微调数据集；采用所述分拣数据集和微调数据集训练预设的二级物体检测网络；获取待识别的目标物体的彩色图像和深度图像；将所述彩色图像输入所述二级物体检测网络中，以得到目标物体的边界框位置信息；根据所述边界框位置信息裁剪所述深度图像以得到表示单个物体的子深度图像；分别获取每个所述子深度图像的中心点深度值、像素点数量以及与其他边界框的重叠面积；按照中心点深度值、像素点数量以及重叠面积的优先级顺序对每个物体进行排序；采用多指灵巧手按照排序的结果依次抓取所述物体。
-
公开(公告)号：CN111702754B
公开(公告)日：2022-08-12
申请号：CN202010405461.2
申请日：2020-05-14
Applicant: 国网安徽省电力有限公司超高压分公司 , 国网安徽省电力有限公司
IPC: B25J9/16
Abstract: 本发明涉及机器人运动规划领域，公开了一种基于模仿学习的机器人避障轨迹规划方法及机器人。该方法包括构建训练数据集，建立预测路径点的神经网络，训练神经网络，生成避障轨迹。本发明能够以学习示教轨迹的方式，达到在未获知完整障碍物信息的情形下，对机器人的避障轨迹进行规划的目的。
-
公开(公告)号：CN115946106B
公开(公告)日：2024-09-24
申请号：CN202210849153.8
申请日：2022-07-19
Applicant: 国网安徽省电力有限公司超高压分公司 , 国网安徽省电力有限公司 , 中国科学技术大学先进技术研究院
Inventor： 董翔宇 , 尚伟伟 , 樊培培 , 何浩源 , 刘之奎 , 汤新胜 , 朱涛 , 张飞 , 李腾 , 廖军 , 柯艳国 , 罗沙 , 谢佳 , 李卫国 , 景瑶 , 张俊杰 , 蒋晶晶 , 施雯 , 马欢
Abstract: 本发明实施例提供一种基于二级物体检测网络的多指灵巧手分拣规划方法及系统，属于机器人的控制技术领域。所述方法包括：采集并构建分拣数据集和微调数据集；采用所述分拣数据集和微调数据集训练预设的二级物体检测网络；获取待识别的目标物体的彩色图像和深度图像；将所述彩色图像输入所述二级物体检测网络中，以得到目标物体的边界框位置信息；根据所述边界框位置信息裁剪所述深度图像以得到表示单个物体的子深度图像；分别获取每个所述子深度图像的中心点深度值、像素点数量以及与其他边界框的重叠面积；按照中心点深度值、像素点数量以及重叠面积的优先级顺序对每个物体进行排序；采用多指灵巧手按照排序的结果依次抓取所述物体。
-
公开(公告)号：CN110941988B
公开(公告)日：2023-06-13
申请号：CN201910963981.2
申请日：2019-10-11
Applicant: 国网安徽省电力有限公司超高压分公司 , 国网安徽省电力有限公司
IPC: G06V20/52 , G06V10/25 , G06V10/764
Abstract: 本发明实施方式提供一种火焰识别方法、系统以及用于识别火焰的神经网络，属于图像识别技术领域。所述方法包括：从图像中提取关于火焰的深度特征；根据火焰的颜色模型生成图像掩膜；根据图像掩膜在图像中形成多个火焰可能存在的区域，并在区域上形成多个矩形框；确定矩形框中是否存在物体；在确定存在物体的情况下对矩形框的尺寸进行修正；将修正后的矩形框映射到深度特征中的相应区域，进行下采样处理以得到特征向量；采用全连接层依据特征向量判断每个矩形框中是否存在火焰；在判断矩形框中存在火焰的情况下，修正矩形框；采用神经网络单元判断图像中是否存在火焰；在判断存在火焰的情况下，输出进一步修正后的矩形框作为识别的火焰的位置。
-
公开(公告)号：CN112070770B
公开(公告)日：2022-11-01
申请号：CN202010686222.9
申请日：2020-07-16
Applicant: 国网安徽省电力有限公司超高压分公司
Abstract: 本发明涉及机器人领域，公开了一种高精度三维地图与二维栅格地图同步构建方法，包括以下步骤：有序存储三维激光雷达扫描到的点云数据；分割地面点与非地面点并对非地面点采取聚类处理；在地面点与聚类后点云中提取高度、边缘、平面特征；利用边缘、平面特征点云配准，建立三维点云地图；对世界坐标系中点云进行高度特征提取，建立二维栅格地图。本发明提出了一种实时三维建图方法，并且基于导航机器人高度特征同步构建二维栅格地图，可直接运用于机器人的导航和定位场景中。
-
Patent Agency Ranking
公开(公告)号：CN115035404A
公开(公告)日：2022-09-09
申请号：CN202210541132.X
申请日：2022-05-17
Applicant: 国网安徽省电力有限公司超高压分公司 , 中国科学技术大学先进技术研究院
IPC: G06V20/10 , G06V10/26 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明实施例提供一种基于三维激光雷达构建语义地图的方法及系统，属于人工智能技术领域。所述方法及系统包括：建立点云语义分割的全卷积神经网络模型；采用大规模KITTI语义数据集与现场环境数据集训练所述全卷积神经网络模型；采用训练完成的所述全卷积神经网络根据采集信息生成对应的语义信息；采用SLAM方法根据所述语义信息和采集信息构建语义地图。该方法及系统能够高效生成语义地图。
-
公开(公告)号：CN111027541A
公开(公告)日：2020-04-17
申请号：CN201911120313.X
申请日：2019-11-15
Applicant: 国网安徽省电力有限公司检修分公司 , 国网安徽省电力有限公司
Abstract: 本发明提供一种基于可见光和热成像的火焰检测方法、系统及存储介质，属于视觉识别技术领域。所述火焰检测方法包括：获取现场的可见光图像；采用训练好的目标检测模型根据所述可见光图像确定火焰的位置以得到第一火焰检测区域；获取现场的红外热图像；采用自适应图像分割方法和朴素贝叶斯方法根据所述红外热图像确定火焰的位置以得到第二火焰检测区域；采用图像配准方法对所述可见光图像和所述红外热图像进行匹配计算；采用综合决策策略根据所述第一火焰检测区域、所述第二火焰检测区域以及所述匹配计算的结果确定现场是否发生火警。该火焰检测方法、系统及存储介质能够根据机器人拍摄的图像来确认现场是否发生火警并进一步得到发生火警的具体位置。
-
公开(公告)号：CN110941988A
公开(公告)日：2020-03-31
申请号：CN201910963981.2
申请日：2019-10-11
Applicant: 国网安徽省电力有限公司检修分公司 , 国网安徽省电力有限公司
Abstract: 本发明实施方式提供一种火焰识别方法、系统以及用于识别火焰的神经网络，属于图像识别技术领域。所述方法包括：从图像中提取关于火焰的深度特征；根据火焰的颜色模型生成图像掩膜；根据图像掩膜在图像中形成多个火焰可能存在的区域，并在区域上形成多个矩形框；确定矩形框中是否存在物体；在确定存在物体的情况下对矩形框的尺寸进行修正；将修正后的矩形框映射到深度特征中的相应区域，进行下采样处理以得到特征向量；采用全连接层依据特征向量判断每个矩形框中是否存在火焰；在判断矩形框中存在火焰的情况下，修正矩形框；采用神经网络单元判断图像中是否存在火焰；在判断存在火焰的情况下，输出进一步修正后的矩形框作为识别的火焰的位置。
-
公开(公告)号：CN111702754A
公开(公告)日：2020-09-25
申请号：CN202010405461.2
申请日：2020-05-14
Applicant: 国网安徽省电力有限公司检修分公司 , 国网安徽省电力有限公司
IPC: B25J9/16
Abstract: 本发明涉及机器人运动规划领域，公开了一种基于模仿学习的机器人避障轨迹规划方法及机器人。该方法包括构建训练数据集，建立预测路径点的神经网络，训练神经网络，生成避障轨迹。本发明能够以学习示教轨迹的方式，达到在未获知完整障碍物信息的情形下，对机器人的避障轨迹进行规划的目的。
-
公开(公告)号：CN116810798A
公开(公告)日：2023-09-29
申请号：CN202311007095.5
申请日：2023-08-10
Applicant: 中国科学技术大学 , 国网安徽省电力有限公司
Abstract: 本发明公开了一种绳索机器人的电机与关节角度转换修正及运动学标定方法，旨在获得绳索牵引柔性机器人的准确运动学模型。该方法包括：基于数值拟合方法与时序神经网络进行误差补偿的方法获取准确电机与关节角度转换关系；基于最少运动学参数误差模型并结合人工神经网络，提出了一种考虑运动学参数误差与绳索弹性等非几何因素影响的运动学标定方法。该方法针对绳索牵引柔性机器人由于绳索所带来的模型不确定性，在基于机器人实际物理模型的同时，结合了数据驱动的神经网络方法。相比机器人名义运动学模型以及常规刚性机器人运动学标定方法，本发明能够获取更加准确和符合实际的机器人运动学模型。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.067 seconds)
