-
公开(公告)号：CN116700278A
公开(公告)日：2023-09-05
申请号：CN202310793427.0
申请日：2023-06-30
Applicant: 浙江大学 , 浙江钱塘机器人及智能装备研究有限公司
IPC: G05D1/02
Abstract: 本发明属于AGV运动控制技术领域，公开了一种偏心双舵轮AGV低能耗转向与运动误差补偿方法，适用于对角布置的偏心双舵轮AGV底盘的精确运动控制。本发明根据逆运动学最优求解控制AGV低能耗转向，并对转向误差进行补偿，根据给定AGV运动方向θ，速度V，以及角速度W，求解出两个舵轮的运动参数，包括舵向角R1,R2和线速度W1,W2，并且所求得舵向角R1,R2为最小转动量，具有转动能耗最优的特点；同时由于偏心舵轮在转动时受底盘自重及地面摩擦影响，无法原地转动，本发明根据舵轮转动量对行走电机进行补偿，满足偏心舵轮原地转动的需求。本发明为偏心舵轮的AGV底盘提供了低能耗转向与运动误差补偿方法。
-
公开(公告)号：CN116700292A
公开(公告)日：2023-09-05
申请号：CN202310859468.5
申请日：2023-07-13
Applicant: 浙江大学 , 浙江钱塘机器人及智能装备研究有限公司
IPC: G05D1/02
Abstract: 本发明涉及移动机器人自主探索建图领域，提供一种机器人自主探索方法、设备和存储介质。本发明解决了现有自主探索方法内存消耗大、导航目标不坚定、探索效率低下等问题。该方法包括同步定位与建图、前向探索点搜索、前向探索点裁剪、前向探索点决策、自主导航等步骤。其中，前向探索点搜索具有区域偏向性，能够节省内存消耗。此外，本发明中还设计了衡量当前决策与前次决策一致性的方法，综合考虑了全局，使得机器人的前向探索点决策更加坚定，反复摇摆现象减少。本发明缩短了探索轨迹长度，提高了探索效率，并节约了内存开销，使其能够运行到低成本的硬件中。
-
公开(公告)号：CN110515303A
公开(公告)日：2019-11-29
申请号：CN201910879532.X
申请日：2019-09-17
Applicant: 余姚市浙江大学机器人研究中心 , 浙江大学
Abstract: 本发明公开了一种基于DDQN的自适应动态路径规划方法,解决了不同环境下的路径规划问题。本发明主要分为两个部分，第一部分先利用多个障碍物分布不同的地图训练神经网络，直到定义的损失函数不再减小或者减小到一定范围。第二个部分利用训练完成的神经网络在没有经过训练的全新地图上找到最优策略，实现端到端的路径规划。本发明对于不同的地图具有一定的适应性，经过一次训练后可以快速实现从不同的地图任意位置到指定的终点之间决策出一条最优路径。
-
公开(公告)号：CN113793397B
公开(公告)日：2023-11-03
申请号：CN202110871983.6
申请日：2021-07-30
Applicant: 浙江大学 , 余姚市浙江大学机器人研究中心
IPC: G06T11/60 , G06N3/0475 , G06N3/094 , G06N3/0455 , G06N3/084
Abstract: 本发明属于计算机视觉领域，公开了一种基于改进WGAN的服装属性编辑方法。该方法可以基于现有服装属性生成新的服装属性，达到智能化服装辅助设计的目标。相对于原始WGAN网络，本发明对生成器的解码网络增加了跨连接的残差结构。残差结构可以提升梯度流通性，融合浅层特征，缓解梯度消失问题；其次，在WGAN原始损失函数的基础上，本发明在重建损失上增加了L2范数项,其主要优势在于使梯度更加平滑，可以缓解梯度消失和梯度爆炸问题。通过对网络结构以及损失函数的优化，使得WGAN拥有比之前更优秀的效果。本发明具有端到端快速生成、生成属性多、效果好的特点。
-
公开(公告)号：CN112507845A
公开(公告)日：2021-03-16
申请号：CN202011391611.5
申请日：2020-12-02
Applicant: 余姚市浙江大学机器人研究中心 , 浙江大学
Abstract: 本发明公开了一种基于CenterNet与深度关联矩阵的行人多目标跟踪方法，首先采用CenterNet来提取输入图片中的行人特征，并以矩形框的形式检测出行人在输入图片中的位置，然后计算每个矩形框的中心，在CenterNet网络各阶段中提取出中心对应的特征，再将提取的特征拼接构建特征关联矩阵，再采用深度亲和力网络DAN对提取的特征进行压缩与关联匹配，进而实现复杂场景下行人多目标的跟踪。本发明是一种兼具高性能与高效率的行人多目标跟踪技术，其采用检测与Id关联匹配共享特征提取网络，联合训练的创新模式，降低效率的同时保障了较高的跟踪精度。
-
Patent Agency Ranking
公开(公告)号：CN111497868A
公开(公告)日：2020-08-07
申请号：CN202010276828.5
申请日：2020-04-09
Applicant: 余姚市浙江大学机器人研究中心 , 浙江大学
Abstract: 本发明公开了一种基于BN方法和LSTM网络的汽车传感器故障分类方法。由于汽车内部系统的复杂以及保证汽车安全运行，需要使用在线过程监控方法对汽车运行过程进行实时监控确保汽车运行安全。该方法利用了汽车过程数据具有时序性特征，将LSTM网络应用于汽车故障诊断，引入BN方法使网络在训练过程中不同层之间维持相同的数据分布，利用Adam优化算法得到参数的最优值。最后使用混淆矩阵分析故障分类效果。相比于其他方法，本发明使用BN-LSTM网络应用于汽车传感器故障分类，有效利用了汽车过程数据具有时序性特点，提高了故障分类的准确率。
-
公开(公告)号：CN110515303B
公开(公告)日：2022-09-09
申请号：CN201910879532.X
申请日：2019-09-17
Applicant: 余姚市浙江大学机器人研究中心 , 浙江大学
Abstract: 本发明公开了一种基于DDQN的自适应动态路径规划方法,解决了不同环境下的路径规划问题。本发明主要分为两个部分，第一部分先利用多个障碍物分布不同的地图训练神经网络，直到定义的损失函数不再减小或者减小到一定范围。第二个部分利用训练完成的神经网络在没有经过训练的全新地图上找到最优策略，实现端到端的路径规划。本发明对于不同的地图具有一定的适应性，经过一次训练后可以快速实现从不同的地图任意位置到指定的终点之间决策出一条最优路径。
-
公开(公告)号：CN112507845B
公开(公告)日：2022-06-21
申请号：CN202011391611.5
申请日：2020-12-02
Applicant: 余姚市浙江大学机器人研究中心 , 浙江大学
Abstract: 本发明公开了一种基于CenterNet与深度关联矩阵的行人多目标跟踪方法，首先采用CenterNet来提取输入图片中的行人特征，并以矩形框的形式检测出行人在输入图片中的位置，然后计算每个矩形框的中心，在CenterNet网络各阶段中提取出中心对应的特征，再将提取的特征拼接构建特征关联矩阵，再采用深度亲和力网络DAN对提取的特征进行压缩与关联匹配，进而实现复杂场景下行人多目标的跟踪。本发明是一种兼具高性能与高效率的行人多目标跟踪技术，其采用检测与Id关联匹配共享特征提取网络，联合训练的创新模式，降低效率的同时保障了较高的跟踪精度。
-
公开(公告)号：CN110471274A
公开(公告)日：2019-11-19
申请号：CN201910741986.0
申请日：2019-08-12
Applicant: 余姚市浙江大学机器人研究中心 , 浙江大学
IPC: G05B13/02
Abstract: 本发明公开了一种基于动态邻域和全面学习的离散统一粒子群算法的机械零件加工流水线调度方法，包括如下步骤：读入机械零件加工的操作时间；种群初始化；计算每个粒子的适应值并排序；更新粒子邻域内最优位置，个体最优位置，全局最优位置，学习项；基于动态邻域和全面学习的离散统一粒子群优化的全局搜索；基于精英学习策略的局部搜索；每隔一定次数对种群重新分组；全局最优解更新停滞时重组学习项。本发明改进了基于动态邻域和全面学习的统一粒子群优化在生产调度领域的局限性，克服了标准粒子群优化对参数过于依赖以及容易陷入局部最优的缺陷，具有搜索精度高、收敛速度快等特点。且该方法适用范围较广，可推广到制造业和流程工业等领域。
-
公开(公告)号：CN113793397A
公开(公告)日：2021-12-14
申请号：CN202110871983.6
申请日：2021-07-30
Applicant: 浙江大学 , 余姚市浙江大学机器人研究中心
Abstract: 本发明属于计算机视觉领域，公开了一种基于改进WGAN的服装属性编辑方法。该方法可以基于现有服装属性生成新的服装属性，达到智能化服装辅助设计的目标。相对于原始WGAN网络，本发明对生成器的解码网络增加了跨连接的残差结构。残差结构可以提升梯度流通性，融合浅层特征，缓解梯度消失问题；其次，在WGAN原始损失函数的基础上，本发明在重建损失上增加了L2范数项,其主要优势在于使梯度更加平滑，可以缓解梯度消失和梯度爆炸问题。通过对网络结构以及损失函数的优化，使得WGAN拥有比之前更优秀的效果。本发明具有端到端快速生成、生成属性多、效果好的特点。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.049 seconds)
