-
公开(公告)号：CN115129057B
公开(公告)日：2024-06-07
申请号：CN202210793053.8
申请日：2022-07-07
Applicant: 福州大学
Abstract: 本发明涉及一种基于通行效率评估的机器人分层式自主探索方法，包括以下步骤：步骤S1:获取待规划区域三维点云数据，并将环境区域划分为稀疏区域和稠密区域；步骤S2:基于待规划区域三维点云数据，进行区域通行效率评估；步骤S3:综合评估机器人探索代价和收益，利用稀疏区域点云信息进行自主探索全局规划，生成全局路径；步骤S4:根据机器人实时位置和机器人附近稠密区域的点云信息，进行局部路径规划，生成局部精细路径；步骤S5:连接全局路径和局部路径，生成自主探索有序路径点，并将处理结果存入列表中，以此实现分层式自主探索框架；步骤S6:对机器人探索过程中生成地图进行更新。本发明能够实现移动机器人自主探索未知环境并建立环境地图。
-
公开(公告)号：CN113397546B
公开(公告)日：2022-06-21
申请号：CN202110702914.2
申请日：2021-06-24
Applicant: 福州大学
Abstract: 本发明涉及一种基于机器学习和生理信号的情绪识别模型构建方法及系统。该方法包括：获取样本人群的多种生理数据，并构建第一样本数据集，而后提取各生理信号特征，预处理后得到第二样本数据集，并按预设比例分为训练集和验证集；选取分类机器学习模型为每种生理信号构造一级模型，将训练集作为输入进行训练，得到若干情绪识别模型；对每个情绪识别模型进行准确性分析，并计算不同模型之间的相关性，以及样本数据的稳定性，由此得到该情绪识别模型的融合权重；基于融合权重，结合所有情绪识别模型，构建综合预测模型。本发明有效提升了模型精度和泛化能力，能通过生理信号快速预测待测者的情绪状态，避免待测者主观因素对情绪判别的影响。
-
公开(公告)号：CN112801902B
公开(公告)日：2022-06-21
申请号：CN202110129493.9
申请日：2021-01-29
Applicant: 福州大学
Abstract: 本发明提供了一种基于改进生成对抗网络的交通图像去雾方法，包括步骤：建立交通图像去雾数据集；搭建基于混合注意力的生成器网络和多尺度判别器网络，并优化损失函数；使用建立的交通图像去雾数据集训练基于混合注意力的生成器网络和多尺度判别器网络；将需要去雾的图像输入至训练好的生成器网络中，得到去雾后的图像。本发明能够解决在对交通图像进行去雾时出现的颜色失真、细节丢失以及浓雾区域去雾效果不理想问题。
-
公开(公告)号：CN112767490B
公开(公告)日：2022-06-21
申请号：CN202110129307.1
申请日：2021-01-29
Applicant: 福州大学
Abstract: 本发明提供了一种基于激光雷达的室外三维同步定位与建图方法，包括步骤：利用激光雷达获取周围环境的完整点云数据；对点云数据进行预处理，去除离群点，并进行地面分割，提取地面点集合；分别从地面点集合和非地面点集合中提取边缘特征点和平面特征点；利用提取到的边缘特征点和平面特征点，通过点到边线和点到平面的扫描匹配，建立相邻两次扫描之间点云数据的关联，完成运动估计；将提取到的边缘特征点和平面特征点匹配到周围的点云图中，进一步优化位姿变换；利用回环检测算法减少累积漂移误差，实现位姿估计和地图构建。本发明能够实现准确性更高、鲁棒性更强的建图。
-
公开(公告)号：CN113505922A
公开(公告)日：2021-10-15
申请号：CN202110767902.8
申请日：2021-07-07
Applicant: 福州大学
Abstract: 本发明提出基于并行树搜索的桁架装配序列规划方法，包括以下步骤：步骤S1：根据目标桁架结构生成无向图，对各个杆件赋予相应的权重，存储于并行树搜索的主模式中；步骤S2：根据桁架结构建立若干个子模式及对应的根结点，各子模式分别扩展多叉树，逐层生成叶子结点；步骤S3：判断各子模式的最优解是否产生冲突，并由主模式中的判别机制进行选择决策；步骤S4：各子模式将得到的最优叶子结点信息返回主模式，主模式将已连接的杆件对应的序列号设置为不可读状态；步骤S5：子模式逐步扩展到无可扩展的杆件列表时，由主模式判断目标桁架结构是否被完全扩展，由此判断是否结束搜索程序；本发明能够快速有效的获取符合稳定性要求的桁架并行装配序列。
-
Patent Agency Ranking
公开(公告)号：CN112734291A
公开(公告)日：2021-04-30
申请号：CN202110101197.8
申请日：2021-01-26
Applicant: 福州大学
IPC: G06Q10/06 , G06Q50/04 , G06F16/901 , G06F16/903
Abstract: 本发明涉及一种基于树搜索的桁架装配序列规划方法，包括以下步骤:步骤S1:根据目标桁架结构生成桁架连接关系无向图；步骤S2:将桁架的杆实例化为多叉树的结点，并建立根结点，初始化多叉树；步骤S3:依据广度优先原则扩展该多叉树，从根结点开始逐层生成叶子结点，结点中依据稳定性计算公式求出相应的稳定性量化值；步骤S4:搜索扩展的叶子结点中最稳定的扩展方案进行回溯，并对多叉树剪枝；步骤S5:多叉树逐步退化为类似左偏树的结构，全部杆件均被扩展后得到最优的装配序列。本发明能够快速有效的获取符合稳定性要求的桁架装配序列。
-
公开(公告)号：CN112132857A
公开(公告)日：2020-12-25
申请号：CN202010991546.3
申请日：2020-09-18
Applicant: 福州大学
Abstract: 本发明提出动态环境混合视觉系统的动态物检测和静态地图重建方法，包括以下步骤；步骤S1：进行外参标定，获取全景相机和三维激光两传感器之间的坐标变换参数；步骤S2：将第t帧点云作为特征点投射到第t帧图像上，获取特征点的像素运动向量，并估算因小车运动而引起的特征点的人工运动向量来进行背景运动补偿，从而获得点云中动态点；步骤S3：对当前帧点云进行簇分割；步骤S4：利用点云数据中每个点索引唯一特性，结合动态点检测结果与分割结果，通过簇中动态点的占比进行判断，提取出动态物体；步骤S5：利用八叉树地图工具和该帧下的激光雷达里程计，对静态地图进行重建；本发明可鲁棒地、更为完整地进行动态物体提取和静态三维地图重建。
-
公开(公告)号：CN112069853A
公开(公告)日：2020-12-11
申请号：CN202010972706.X
申请日：2020-09-16
Applicant: 福州大学
Abstract: 本发明涉及一种基于深度学习的二维条码图像超分辨重建方法，采用生成模型G和判别模型D组成的网络作为二维条码图像重建的模型。对于生成模型G设计了残差密度块，并且去除了块内的批规范化操作BN。判别模型D采用深度卷积网络。本发明还引入了损失和EM距离对损失函数进行了优化。在建立的训练样本集下训练网络，训练完成后将需要进行超分辨重建的低分辨率二维条码图像输入到训练好的生成模型G中，生成模型G会输出相对应的超分辨率二维条码图像。本发明通过对网络模型的搭建和损失函数的优化，得到更优的网络结构，从而提高了低分辨率二维条码图像的超分辨重建的质量。
-
公开(公告)号：CN109087394A
公开(公告)日：2018-12-25
申请号：CN201810868057.1
申请日：2018-08-02
Applicant: 福州大学
Abstract: 本发明涉及一种基于低成本RGB-D传感器的实时室内三维重建方法，首先构建一系列面元的无序列表用于表示重建的三维场景；根据时间阈值将重建模型分为活动模型和非活动模型；由RGB-D传感器获取室内场景的深度图像和彩色图像，通过帧到模型的几何追踪和光度追踪的联合优化来获得最新帧的传感器位姿估计，从而完成室内场景的初步三维重建；为每一帧点云数据构建变形图，优化变形图来提高单帧模型表面的配准精度，进而进一步提高整体三维重建精度；最后，当传感器重新访问已重建区域时，通过构建相对约束集将活动模型和非活动模型进行强对齐的方法完成局部回环检测，最终得到完整、准确、高精度的室内场景三维模型。
-
公开(公告)号：CN113516682B
公开(公告)日：2023-08-11
申请号：CN202110775299.8
申请日：2021-07-08
Applicant: 福州大学
Abstract: 本发明涉及一种激光SLAM的回环检测方法，步骤1：获取单帧三维点云数据及其同步IMU信息；步骤2：将当前帧点云分割为个单元空间，将单元空间数据分别存入矩阵，以此构建第一描述符；将分割后的点云数据与IMU信息存入B向量，以此构建第二描述符；步骤3：用步骤2所述历史帧的第二描述符构建KDTree；步骤4：用第二描述符进行最近邻搜索，从KDTree中找出n个候选相似帧；将候选相似帧与当前点云根据第一描述符进行匹配，根据匹配结果是否符合阈值判断候选相似帧中是否存在闭环，若存在，得出当前帧与回环帧的相对旋转变化。本发明实现移动机器人在室外场景以及局部路段相似性程度高的场景中精度更高、鲁棒性更强的回环检测以及地图构建方法。
-
-
-
-
-
-
-
-
-
Search Results
51
records
(took 0.03 seconds)
