-
公开(公告)号：CN108615246A
公开(公告)日：2018-10-02
申请号：CN201810356282.7
申请日：2018-04-19
Applicant: 浙江大承机器人科技有限公司
Abstract: 本发明公开了一种提高视觉里程计系统鲁棒性和降低算法计算消耗的方法，包括：步骤1：采用视觉里程计系统，通过图像传感器采集图像，获得帧p，初始化MatchBufp为空集合；步骤2：判定MatchBufp-1是否为空，如是，设置相机位姿Twc为0，执行步骤6，如否，执行步骤3；步骤3：计算帧p-1与帧p之间的相对位姿Tlc；步骤4：计算帧p在地图中的相机位姿Twcp，并构建MatchBufp；步骤5：更新FilterBuf，并判定帧p是否为关键帧；步骤6：构建新的关键帧Knew，并加入到SetK中；步骤7：使用特征匹配初始化新的三维点。本发明基于图像传感器的实时地图构建和自定位系统，该系统在实现精确鲁棒的构图和定位的同时，减小系统计算资源消耗。
-
公开(公告)号：CN108507579B
公开(公告)日：2020-04-21
申请号：CN201810307437.8
申请日：2018-04-08
Applicant: 浙江大承机器人科技有限公司
IPC: G01C21/20
Abstract: 本发明公开了一种基于局部粒子滤波的重定位方法，包括：步骤1：用户操作机器人在工作环境下进行地图构建。步骤2：开启定位导航模式，启动重定位。步骤3：生成随机初始位姿集合。步骤4：更新粒子滤波器。步骤5：判定粒子滤波器输出是否满足初始定位需求。步骤6：计算实际观测与地图间的偏差。本发明避免用户直接接触机器人底层部件，降低用户操作门槛，提高用户体验，采用上述技术方案使得机器人应用层面可以更加友好的与底层模块进行交互。
-
公开(公告)号：CN108614552A
公开(公告)日：2018-10-02
申请号：CN201810307947.5
申请日：2018-04-08
Applicant: 浙江大承机器人科技有限公司
IPC: G05D1/02
CPC classification number: G05D1/0217 , G05D1/0274
Abstract: 本发明公开了一种基于离散位姿的路径规划方法，包括以下步骤：步骤1：将关键帧转化为顶点，将关键帧集合SetK中的每一个关键帧Ki加入到顶点集合SetV中；步骤2：计算边集合SetE({E1...,Ei...,Em})，Ei包含信息{Vc1,Vc2,C}，其中，Vc1与Vc2为SetK中的任意两个不相同的顶点，C表示两个顶点相连的代价；步骤3：给定目标位置，并进行路径规划。本发明基于离散位姿的路径规划方法，给定基于关键帧的地图，在该地图进行快速路径规划，并尽可能使规划后的路径靠近关键帧，解决了基于离散位姿的路径规划，保证机器人使用本发明可以运行的稳定可靠。
-
公开(公告)号：CN108614552B
公开(公告)日：2021-01-12
申请号：CN201810307947.5
申请日：2018-04-08
Applicant: 浙江大承机器人科技有限公司
IPC: G05D1/02
Abstract: 本发明公开了一种基于离散位姿的路径规划方法，包括以下步骤：步骤1：将关键帧转化为顶点，将关键帧集合SetK中的每一个关键帧Ki加入到顶点集合SetV中；步骤2：计算边集合SetE({E1...,Ei...,Em})，Ei包含信息{Vc1,Vc2,C}，其中，Vc1与Vc2为SetK中的任意两个不相同的顶点，C表示两个顶点相连的代价；步骤3：给定目标位置，并进行路径规划。本发明基于离散位姿的路径规划方法，给定基于关键帧的地图，在该地图进行快速路径规划，并尽可能使规划后的路径靠近关键帧，解决了基于离散位姿的路径规划，保证机器人使用本发明可以运行的稳定可靠。
-
公开(公告)号：CN108648219A
公开(公告)日：2018-10-12
申请号：CN201810307418.5
申请日：2018-04-08
Applicant: 浙江大承机器人科技有限公司
Abstract: 本发明提供了一种基于双目的障碍物与可行区域检测方法，包括：步骤1：标定双目系统；步骤2：通过视觉SLAM算法构建环境地图；步骤3：进行点云拼接；步骤4：将Setw进行降采样，并将点云转到移动底盘坐标系下；步骤5：在转换后的Setw中提取地面，得到可行区域Settraversable；步骤6：在Settraversable中提取障碍物区域，得到障碍物区域Setobs。本发明在视觉SLAM系统构建完成环境地图的基础上，进一步结合双目匹配算法，得到大范围场景点云。该点云包含场景的连续位姿信息，同时由于多帧融合，有效提高点云精度，减少噪声，并进一步在融合后的点云中检测障碍物与可行区域，实现了基于双目的障碍物与可行区域检测。
-
Patent Agency Ranking
公开(公告)号：CN108647583A
公开(公告)日：2018-10-12
申请号：CN201810356283.1
申请日：2018-04-19
Applicant: 浙江大承机器人科技有限公司
Abstract: 本发明公开了一种基于多目标学习的人脸识别算法训练方法，包括以下步骤：随机初始化神经网络参数，使用基于人脸身份的损失函数以及基于人脸特征点位置约束的损失函数，以最小化学习目标对深度卷积网络进行训练；当对人脸身份的预测准确率达到阈值后，计算基于人脸特征类内距离的损失函数和基于人脸特征类间距离的损失函数，并对每一个样本使用基于人脸身份的损失函数及人脸特征点位置约束的损失函数计算；基于人工设置权重，对各损失函数进行加权，得到总的损失函数，并基于总的损失函数实现反向传播，实现对网络参数的更新，当准确率稳定后，停止网络训练，得到训练好的人脸识别模型。
-
公开(公告)号：CN108648219B
公开(公告)日：2022-02-22
申请号：CN201810307418.5
申请日：2018-04-08
Applicant: 浙江大承机器人科技有限公司
Abstract: 本发明提供了一种基于双目的障碍物与可行区域检测方法，包括：步骤1：标定双目系统；步骤2：通过视觉SLAM算法构建环境地图；步骤3：进行点云拼接；步骤4：将Setw进行降采样，并将点云转到移动底盘坐标系下；步骤5：在转换后的Setw中提取地面，得到可行区域Settraversable；步骤6：在Settraversable中提取障碍物区域，得到障碍物区域Setobs。本发明在视觉SLAM系统构建完成环境地图的基础上，进一步结合双目匹配算法，得到大范围场景点云。该点云包含场景的连续位姿信息，同时由于多帧融合，有效提高点云精度，减少噪声，并进一步在融合后的点云中检测障碍物与可行区域，实现了基于双目的障碍物与可行区域检测。
-
公开(公告)号：CN108647583B
公开(公告)日：2022-02-22
申请号：CN201810356283.1
申请日：2018-04-19
Applicant: 浙江大承机器人科技有限公司
Abstract: 本发明公开了一种基于多目标学习的人脸识别算法训练方法，包括以下步骤：随机初始化神经网络参数，使用基于人脸身份的损失函数以及基于人脸特征点位置约束的损失函数，以最小化学习目标对深度卷积网络进行训练；当对人脸身份的预测准确率达到阈值后，计算基于人脸特征类内距离的损失函数和基于人脸特征类间距离的损失函数，并对每一个样本使用基于人脸身份的损失函数及人脸特征点位置约束的损失函数计算；基于人工设置权重，对各损失函数进行加权，得到总的损失函数，并基于总的损失函数实现反向传播，实现对网络参数的更新，当准确率稳定后，停止网络训练，得到训练好的人脸识别模型。
-
公开(公告)号：CN108615246B
公开(公告)日：2021-02-26
申请号：CN201810356282.7
申请日：2018-04-19
Applicant: 浙江大承机器人科技有限公司
Abstract: 本发明公开了一种提高视觉里程计系统鲁棒性和降低算法计算消耗的方法，包括：步骤1：采用视觉里程计系统，通过图像传感器采集图像，获得帧p，初始化MatchBufp为空集合；步骤2：判定MatchBufp‑1是否为空，如是，设置相机位姿Twc为0，执行步骤6，如否，执行步骤3；步骤3：计算帧p‑1与帧p之间的相对位姿Tlc；步骤4：计算帧p在地图中的相机位姿Twcp，并构建MatchBufp；步骤5：更新FilterBuf，并判定帧p是否为关键帧；步骤6：构建新的关键帧Knew，并加入到SetK中；步骤7：使用特征匹配初始化新的三维点。本发明基于图像传感器的实时地图构建和自定位系统，该系统在实现精确鲁棒的构图和定位的同时，减小系统计算资源消耗。
-
公开(公告)号：CN108507579A
公开(公告)日：2018-09-07
申请号：CN201810307437.8
申请日：2018-04-08
Applicant: 浙江大承机器人科技有限公司
IPC: G01C21/20
Abstract: 本发明公开了一种基于局部粒子滤波的重定位方法，包括：步骤1：用户操作机器人在工作环境下进行地图构建。步骤2：开启定位导航模式，启动重定位。步骤3：生成随机初始位姿集合。步骤4：更新粒子滤波器。步骤5：判定粒子滤波器输出是否满足初始定位需求。步骤6：计算实际观测与地图间的偏差。本发明避免用户直接接触机器人底层部件，降低用户操作门槛，提高用户体验，采用上述技术方案使得机器人应用层面可以更加友好的与底层模块进行交互。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.03 seconds)
