一种基于CNN与PSO的双目机器人障碍特征检测方法

发明专利有效专利

申请号：
CN202010646906.6
IPC分类号：G06K9/62;G06N3/00;G06N3/04;G06N3/08
申请日期：
2020-07-07
申请人：
金陵科技学院

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于CNN与PSO的双目机器人障碍特征检测方法
申请号	CN202010646906.6	申请日期	2020-07-07
法律状态	公开	申报国家	中国
公开/公告日	2020-10-20	公开/公告号	CN111797929A
优先权	暂无	优先权号	暂无
主分类号	G06K9/62 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06K 数据识别；数据表示；记录载体；记录载体的处理（印刷本身入B41J） G06K9/00 用于阅读或识别印刷或书写字符或者用于识别图形，例如，指纹的方法或装置（用于图表阅读或者将诸如力或现状态的机械参量的图形转换为电信号的方法或装置入G06K 11/00；语音识别入G10L 15/00）〔1，7〕 G06K9/62 应用电子设备进行识别的方法或装置〔3〕	IPC分类号	G;0;6;K;9;/;6;2;;;G;0;6;N;3;/;0;0;;;G;0;6;N;3;/;0;4;;;G;0;6;N;3;/;0;8查看分类表>
申请人	金陵科技学院	申请人地址	江苏省南京市江宁区弘景大道99号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	金陵科技学院	当前权利人	金陵科技学院
发明人	周洪成;李刚
代理机构	南京众联专利代理有限公司	代理人	蒋昱

摘要

本发明涉及一种基于CNN与PSO的双目机器人障碍特征检测方法。本发明利用机器人的多源图像数据(双目普通相机和深度相机)，首先对多源数据分别进行标定处理及尺寸调整等预处理；然后使用CNN分别对双目相机与深度相机采集数据源进行识别，得到障碍物尺寸、距离等特征。由于识别会出现误差，因此对两组数据的识别结构进行加权处理，使用PSO算法寻优，计算出两组数据的最优权值，提高障碍取特征检测的准确度。通过准确检测出障碍物的特征，便于机器人及时做出准确的反应。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供