Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 湖南大学毛建旭获国家专利权

湖南大学毛建旭获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉湖南大学申请的专利基于互信息估计特征解缠的双机器人协同三维目标识别方法和系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN121267936B

龙图腾网通过国家知识产权局官网在2026-03-20发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202511824394.7,技术领域涉及:B25J9/16;该发明授权基于互信息估计特征解缠的双机器人协同三维目标识别方法和系统是由毛建旭;贺振宇;易俊飞;王耀南;张辉;谢核;刘彩苹;彭伟星;余俊龙;陶梓铭;贺文斌设计研发完成,并于2025-12-05向国家知识产权局提交的专利申请。

基于互信息估计特征解缠的双机器人协同三维目标识别方法和系统在说明书摘要公布了:本发明公开了一种基于互信息估计特征解缠的双机器人协同三维目标识别方法和系统,包括:采集飞机制造场景的三维点云数据,并获取实时位姿信息,进行预处理得到数据集;构建点云协同识别模型,通过特征提取模块分别提取双机器人点云的智能体特征,输入特征解缠与融合模块并行映射至共享特征空间和独特特征空间,得到共享特征与独特特征;基于互信息估计分别约束共享特征间的互信息下界和独特特征间的互信息上界,将解缠后的特征融合为智能体融合特征;最后通过分类与回归模块输出三维目标识别结果,经训练、验证与测试后部署至机器人边缘计算设备。实现复杂制造环境中高精度、鲁棒的三维目标识别,有效提升双机器人协同作业的感知能力与整体效率。

本发明授权基于互信息估计特征解缠的双机器人协同三维目标识别方法和系统在权利要求书中公布了:1.基于互信息估计特征解缠的双机器人协同三维目标识别方法,其特征在于,所述方法包括以下步骤: S100:构建双机器人协同三维感知平台,利用搭载于双机器人的激光雷达扫描并按照作业任务采集飞机制造大范围场景的三维点云数据,同时获取双机器人的实时位姿信息,基于实时位姿信息将双机器人采集的点云数据统一至同一世界坐标系下,对统一坐标系后的点云数据进行标注,并划分为训练集、验证集和测试集; S200:构建点云协同三维目标识别模型,模型包括多源点云特征提取模块、基于互信息估计的多智能体特征解缠与融合模块和协同三维目标分类与回归模块; S300:将训练集输入模型中的多源点云特征提取模块,分别提取双机器人点云数据的智能体特征; S400:将双机器人的智能体特征输入至模型中的基于互信息估计的多智能体特征解缠与融合模块,并行映射至一个共享特征空间和两个独特特征空间,得到共享特征与独特特征;基于互信息估计,分别计算共享特征间的互信息下界和独特特征间的互信息上界;将解缠后的共享特征与独特特征进行融合,生成用于识别任务的智能体融合特征; S400包括: S410:通过共享空间映射层将智能体特征、映射到共享特征空间,得到共享特征、; S420:通过互信息下界估计方法计算共享特征、之间的互信息下界估计量; S430:通过独特空间映射层将智能体特征、映射到不同的独特特征空间,得到独特特征、; S440:通过互信息上界估计方法计算独特特征、之间的互信息上界估计量; S450:基于互信息下界和上界估计量构建解缠损失函数,以实现共享特征与独特特征的解缠; S460:将双机器人的共享特征、与独特特征、输入基于注意力机制的特征融合模块,通过交叉注意力与多头自注意力进行特征交互与选择,再经拼接、池化操作与三维卷积融合,生成用于协同识别的智能体融合特征; S410具体为: ; ; 其中为多智能体共享空间映射层,为全连接层,为激活函数,为层归一化,、为智能体特征,、为共享特征; S420具体为: ; 其中为与之间的互信息,为互信息下界估计量,为间的互信息下界估计量,为一次前向计算参与估计的样本对数量,为可训练的判别函数,为的随机重排样本; S430具体为: ; ; 其中、是多智能体独特特征空间映射层,、为独特特征; S440具体为: ; ; ; ; 其中为与之间的互信息,为互信息上界估计量,为间互信息上界估计量,为一次前向计算参与估计的样本对数量,、分别为正样本对和负样本对的负平方误差项,为特征向量的维度,与分别为条件分布的均值向量和方差向量,与分别为估计与的可训练神经网络,为目标特征向量,和分别为条件分布的均值向量和方差向量在特征维度d上的第k个分量,为目标特征向量在特征维度d上的第k个分量; S500:将智能体融合特征并行输入至模型中的协同三维目标分类与回归模块,输出三维目标分类与回归结果;通过总损失函数更新模型参数,直至模型收敛; S600:利用验证集和测试集对训练后的模型进行验证和测试,并将最终模型部署至机器人的边缘计算设备,实现对大范围场景中目标的协同三维目标识别。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人湖南大学,其通讯地址为:410082 湖南省长沙市岳麓区麓山南路1号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。