-
公开(公告)号：CN109434835B
公开(公告)日：2020-10-09
申请号：CN201811422370.9
申请日：2018-11-23
Applicant: 杭州电子科技大学
IPC: B25J9/16
Abstract: 本发明公开了一种基于低延迟输出反馈模型的机器人预测控制方法，本发明先通过观测器获得干扰机器人控制的噪声值，再结合传感器获得的输入值，预测出机器人的下一个系统状态值；对全体控制律的计算方法进行判断，在两种计算方式中选出最优方式，最后计算多模型加权系数；发明有更强的实时性，较大的降低了输出的延迟。并且通过对现有状态的分析，降低了噪声对系统的影响，对系统的预测控制更加稳定且有效。
-
公开(公告)号：CN111914852B
公开(公告)日：2023-10-03
申请号：CN202010494739.8
申请日：2020-06-03
Applicant: 杭州电子科技大学
IPC: G06V10/46 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于编解码结构的多模态显著性对象检测方法。本发明在已有的彩色图像算法模型的基础之上，将深度图像作为先验信息，补充到算法之中。本发明方法可分为两部分：一部分以彩色图像为输入，基于编解码结构的深度学习技术，实现显著性检测；另一部分用于处理深度图像，用轻量级的神经网络学习深度特征，并将特征信息补充到第一部分，从而提高整体模型的识别精度。本发明方法能够简单高效的利用深度图像，从中学习特征，增强算法的识别精度和稳定性，能够为现有部署的显著性检测算法提供快捷、低廉的更新手段。
-
公开(公告)号：CN111914852A
公开(公告)日：2020-11-10
申请号：CN202010494739.8
申请日：2020-06-03
Applicant: 杭州电子科技大学
Abstract: 本发明提供一种基于编解码结构的多模态显著性对象检测方法。本发明在已有的彩色图像算法模型的基础之上，将深度图像作为先验信息，补充到算法之中。本发明方法可分为两部分：一部分以彩色图像为输入，基于编解码结构的深度学习技术，实现显著性检测；另一部分用于处理深度图像，用轻量级的神经网络学习深度特征，并将特征信息补充到第一部分，从而提高整体模型的识别精度。本发明方法能够简单高效的利用深度图像，从中学习特征，增强算法的识别精度和稳定性，能够为现有部署的显著性检测算法提供快捷、低廉的更新手段。
-
公开(公告)号：CN109434835A
公开(公告)日：2019-03-08
申请号：CN201811422370.9
申请日：2018-11-23
Applicant: 杭州电子科技大学
IPC: B25J9/16
Abstract: 本发明公开了一种基于低延迟输出反馈模型的机器人预测控制方法，本发明先通过观测器获得干扰机器人控制的噪声值，再结合传感器获得的输入值，预测出机器人的下一个系统状态值；对全体控制律的计算方法进行判断，在两种计算方式中选出最优方式，最后计算多模型加权系数；发明有更强的实时性，较大的降低了输出的延迟。并且通过对现有状态的分析，降低了噪声对系统的影响，对系统的预测控制更加稳定且有效。
-
-
-
Search Results
4
records
(took 0.021 seconds)
