融合A*与改进灰狼算法的巡检机器人路径规划方法

    公开(公告)号:CN113296520B

    公开(公告)日:2023-07-14

    申请号:CN202110575692.2

    申请日:2021-05-26

    IPC分类号: G05D1/02

    摘要: 本发明为融合A*与改进灰狼算法的巡检机器人路径规划方法,该方法包括以下内容:创建环境地图,运行A*算法,确定可行栅格节点的评价函数F(n)值;单独设置一个矩阵存放F(n)的数据,直到进行灰狼初始化之前,该矩阵的地址不能释放;比较起始点周围所有可行栅格的评价函数F(n)值,将评价函数F(n)值自大到小排列,并且将F(n)值前三位可行栅格初始化为狼群的α狼、β狼、γ狼,其余可行栅格作为ω狼;运行改进灰狼算法,更新位置向量及拓展节点,遍历至终止点后,输出最优路径。该方法将灰狼算法的寻优机制与传统A*算法结合,一定程度上改善了传统A*算法在路径长度过长以及机器人运行过程中转折角度过大的问题。

    基于SHOT和ICP算法的无序抓取中的三维姿态估计方法

    公开(公告)号:CN111784770A

    公开(公告)日:2020-10-16

    申请号:CN202010595948.1

    申请日:2020-06-28

    摘要: 本发明涉及基于SHOT和ICP算法的无序抓取中的三维姿态估计方法,该方法用于无序抓取过程中的物体位姿估计,以SHOT粗匹配方法为ICP精配准提供良好的初始位置,SHOT算法中M矩阵的构建,特征值分解,进而构建局部参考系;计算对应参考系下的拓扑特征,并将结果保存在直方图中,再对模型和场景点云对应的特征提取结果进行霍夫变换,剔除错误点对,解算得到最终的粗配准姿态估计结果;ICP算法最近点的寻找,协方差矩阵的构建以及使目标函数最小化的旋转矩阵和平移向量的求解,解决了传统ICP应用于由于工件反光,采集到存在孔洞的点云时,配准精度下降的问题。

    一种基于多层特征金字塔的点云3D物体检测方法

    公开(公告)号:CN113920498B

    公开(公告)日:2024-05-24

    申请号:CN202111193973.8

    申请日:2021-10-13

    摘要: 本发明为一种基于多层特征金字塔的点云3D物体检测方法,该检测方法包括以下内容:在VoteNet网络的基础上,同样是以点云作为输入,在PointNet++骨干网络上产生多层特征金字塔来获得多个点云特征层,这些点云特征层分别配备一个投票模块,获得深度霍夫投票的同时也将其映射到同一个特征空间,然后进行特征融合形成投票簇。通过多层特征的获取以及多层特征信息的合理使用,提高对不同尺寸的物体检测的鲁棒性和准确率。在所搭建的特征金字塔的最下面一层,同时也是点的数量最多的一层进行前背景点分割,根据前背景的得分判定属于该点属于前景点还是背景点,来得到前景点,进一步地提取了这些前景点的特征,来减小杂乱的背景点对检测结果的干扰。

    基于深度学习的迭代6D位姿估计方法及装置

    公开(公告)号:CN114119999B

    公开(公告)日:2024-05-14

    申请号:CN202111456493.6

    申请日:2021-12-02

    发明人: 陈鹏 郑逐隧

    摘要: 本发明为基于深度学习的迭代6D位姿估计方法及装置,该方法对3D‑2D关键点对应关系提取网络的输出进行编码处理,将3D‑2D关键点对应关系提取网络的输出编码为位姿粗估计网络的输入格式;然后输入到利用MLP、池化层、全连接层搭建的位姿粗估计网络中,从而结合为一个整体网络,能直接输出物体6D姿态,形成了端到端的6D物体位姿估计网络,6D物体位姿估计网络的损失函数为能够直接反映解算物体6D位姿参数的函数;利用正交迭代算法用于对6D物体位姿估计网络输出的6D姿态参数进行优化。本发明解决了当存在许多异常值时基于PnP算法计算目标姿态耗时长、可重复性差的问题,提高了位姿估计的效率及位姿估计的鲁棒性和准确性。

    融合A*与改进灰狼算法的巡检机器人路径规划方法

    公开(公告)号:CN113296520A

    公开(公告)日:2021-08-24

    申请号:CN202110575692.2

    申请日:2021-05-26

    IPC分类号: G05D1/02

    摘要: 本发明为融合A*与改进灰狼算法的巡检机器人路径规划方法,该方法包括以下内容:创建环境地图,运行A*算法,确定可行栅格节点的评价函数F(n)值;单独设置一个矩阵存放F(n)的数据,直到进行灰狼初始化之前,该矩阵的地址不能释放;比较起始点周围所有可行栅格的评价函数F(n)值,将评价函数F(n)值自大到小排列,并且将F(n)值前三位可行栅格初始化为狼群的α狼、β狼、γ狼,其余可行栅格作为ω狼;运行改进灰狼算法,更新位置向量及拓展节点,遍历至终止点后,输出最优路径。该方法将灰狼算法的寻优机制与传统A*算法结合,一定程度上改善了传统A*算法在路径长度过长以及机器人运行过程中转折角度过大的问题。

    过载继电器可靠性试验装置

    公开(公告)号:CN100354641C

    公开(公告)日:2007-12-12

    申请号:CN200410094147.8

    申请日:2004-12-31

    IPC分类号: G01R31/327 G01R31/00

    摘要: 本发明涉及一种过载继电器可靠性试验装置,由硬件与软件组成,软件部分由运行参数显示与修改模块、文件处理模块、试验运行控制模块组成;硬件部分包括由显示器、主机、键盘构成的计算机、触点状态检测电路、试品试验控制电路、试验电流产生电路,计算机通过总线接口分别与触头状态检测电路、试品试验控制电路、试验电流产生电路相连,触点状态检测电路、试品试验控制电路、试验电流产生电路分别与试品相连。本装置可以实现试验电流的自动调节、自动稳流,还能自动完成整个过载继电器可靠性试验,实现试验数据的自动记录和故障数据的自动记录,并能实现自动屏蔽故障试品。

    一种六自由度位姿估计数据集自动采集系统

    公开(公告)号:CN115719377A

    公开(公告)日:2023-02-28

    申请号:CN202211482124.9

    申请日:2022-11-24

    摘要: 本发明实施例公开了一种六自由度位姿估计数据集自动采集系统,包括数据采集平台及数据处理设备;数据采集平台用于利用深度相机拍摄目标场景的RGBD图像序列;数据处理设备内安装有数据标注软件算法,用于对目标场景的RGBD图像序列进行处理,对目标物体进行三维重建,得到三维模型,并基于三维模型自动标注出目标场景中物体的分割掩膜信息和六自由度位姿信息。本发明能够自动对深度相机采集到的RGB‑D图像序列中场景物体的位姿信息、分割掩膜信息和物体的三维模型信息进行标注,由此获得的数据集可以供基于深度学习的机器人抓取神经网络模型进行训练和测试。

    基于SHOT和ICP算法的无序抓取中的三维姿态估计方法

    公开(公告)号:CN111784770B

    公开(公告)日:2022-04-01

    申请号:CN202010595948.1

    申请日:2020-06-28

    摘要: 本发明涉及基于SHOT和ICP算法的无序抓取中的三维姿态估计方法,该方法用于无序抓取过程中的物体位姿估计,以SHOT粗匹配方法为ICP精配准提供良好的初始位置,SHOT算法中M矩阵的构建,特征值分解,进而构建局部参考系;计算对应参考系下的拓扑特征,并将结果保存在直方图中,再对模型和场景点云对应的特征提取结果进行霍夫变换,剔除错误点对,解算得到最终的粗配准姿态估计结果;ICP算法最近点的寻找,协方差矩阵的构建以及使目标函数最小化的旋转矩阵和平移向量的求解,解决了传统ICP应用于由于工件反光,采集到存在孔洞的点云时,配准精度下降的问题。

    一种三维可控定向降解的医用金属材料及其制备方法

    公开(公告)号:CN116942894A

    公开(公告)日:2023-10-27

    申请号:CN202310958413.X

    申请日:2023-08-01

    IPC分类号: A61L27/04 A61L27/40 A61L27/50

    摘要: 本发明为一种三维可控定向降解的医用金属材料及其制备方法。该金属材料具有内外层状包覆结构;内外层金属间为界面层;外层金属材料表面还具有分区域差异化微纳结构层,所述的分区域差异化微纳结构层沿纵向一端至另一端分布有n个单元腐蚀区(n=1~5),每个单元腐蚀区沿纵向依次为诱导腐蚀区域→稳定腐蚀区域→最终腐蚀区域。所述内层金属材料为Mg、Mg合金、Zn或Zn合金,所述外层金属材料为Mg、Mg合金、Zn、Zn合金、Fe或Fe合金。本发明所制备的三维可控定向降解的金属材料可应用于生物体的组织修复领域,包括骨科、心血管科等领域的修复,满足了不同植入环境的需求。

    一种基于多层次聚类的脑部肿瘤图像分割方法

    公开(公告)号:CN114612459A

    公开(公告)日:2022-06-10

    申请号:CN202210279239.1

    申请日:2022-03-21

    摘要: 本发明为一种基于多层次聚类的脑部肿瘤图像分割方法,该方法包含以下内容:采集有肿瘤的脑部肿瘤核磁共振图像数据,作为脑部肿瘤原始图像,同时获取该图像的肿瘤区域掩膜;利用多层次聚类分割图像,包括预处理模块、特征提取模块、层次聚类分割模块、肿瘤区域选取模块;所述特征提取模块对滤波后的脑部肿瘤图像进行特征提取,以滤波后的脑部肿瘤图像本身像素值、3×3邻域像素均值、5×5邻域像素均值、灰度共生矩阵的能量、灰度共生矩阵的均值、Tamura中的对比度与粗糙度这七个指标为滤波后的脑部肿瘤图像的每个像素点构建特征向量,所有像素的特征向量构成一个特征矩阵。本发明结合了SAP聚类方法和DP聚类优点,在运算速度上超过了AP算法。