買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉四川吉利學(xué)院申請的專利基于深度學(xué)習(xí)的目標(biāo)協(xié)同控制方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120370719B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-29發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510864673.X，技術(shù)領(lǐng)域涉及：G05B13/04；該發(fā)明授權(quán)基于深度學(xué)習(xí)的目標(biāo)協(xié)同控制方法及系統(tǒng)是由祝小梅;邱龍飛;何昌亮;趙珊;陳艷梅設(shè)計研發(fā)完成，并于2025-06-26向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于深度學(xué)習(xí)的目標(biāo)協(xié)同控制方法及系統(tǒng)在說明書摘要公布了：本發(fā)明提供一種基于深度學(xué)習(xí)的目標(biāo)協(xié)同控制方法及系統(tǒng)，通過多視角圖像采集裝置獲取目標(biāo)區(qū)域?qū)崟r視覺數(shù)據(jù)，利用深度學(xué)習(xí)模型進行物體特征識別與分類，生成包含類別標(biāo)識和邊界坐標(biāo)的特征分布數(shù)據(jù)，采用空間校準(zhǔn)算法將二維特征映射為三維坐標(biāo)系數(shù)據(jù)，結(jié)合位姿解算輸出空間位置及姿態(tài)角度參數(shù)，根據(jù)物體物理屬性參數(shù)生成包含路徑規(guī)劃、末端執(zhí)行器姿態(tài)調(diào)整及自適應(yīng)夾持力度的控制指令，驅(qū)動操作裝置完成精準(zhǔn)抓取動作，由此通過動態(tài)多視角感知、三維空間建模與物理屬性驅(qū)動的閉環(huán)控制，有效解決了傳統(tǒng)視覺系統(tǒng)在復(fù)雜場景下的特征缺失、定位誤差及操作剛性等問題，顯著提升了非結(jié)構(gòu)化環(huán)境中目標(biāo)操作的精度與適應(yīng)性。

本發(fā)明授權(quán)基于深度學(xué)習(xí)的目標(biāo)協(xié)同控制方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種基于深度學(xué)習(xí)的目標(biāo)協(xié)同控制方法，其特征在于，所述方法包括： 通過圖像采集裝置獲取目標(biāo)區(qū)域的實時多視角圖像數(shù)據(jù)，所述實時多視角圖像數(shù)據(jù)包含待操作物體的視覺特征信息； 調(diào)用實時識別模型對所述實時多視角圖像數(shù)據(jù)進行物體特征識別，得到所述待操作物體的特征分布數(shù)據(jù)，所述特征分布數(shù)據(jù)包括所述待操作物體的類別標(biāo)識信息和邊界區(qū)域坐標(biāo)信息； 對所述特征分布數(shù)據(jù)進行校準(zhǔn)處理，生成所述待操作物體在三維空間坐標(biāo)系下的坐標(biāo)數(shù)據(jù)； 基于所述坐標(biāo)數(shù)據(jù)執(zhí)行三維位姿解算處理，得到所述待操作物體的位姿參數(shù)集合，所述位姿參數(shù)集合包含所述待操作物體的空間位置參數(shù)及姿態(tài)角度參數(shù)； 根據(jù)所述位姿參數(shù)集合及所述類別標(biāo)識信息對應(yīng)的物體物理屬性參數(shù)生成控制指令，驅(qū)動操作執(zhí)行裝置完成所述待操作物體的的物體抓取動作，所述控制指令包括路徑控制信號、末端執(zhí)行器姿態(tài)控制信號及基于所述類別標(biāo)識信息的夾持力度控制信號； 所述調(diào)用實時識別模型對所述實時多視角圖像數(shù)據(jù)進行物體特征識別，得到所述待操作物體的特征分布數(shù)據(jù)，包括： 通過所述實時識別模型中的多層級膨脹卷積網(wǎng)絡(luò)對所述實時多視角圖像數(shù)據(jù)進行并行多尺度特征提取，生成包含不同分辨率特征圖的多層級特征集合，其中，每一層級的膨脹卷積核的膨脹率根據(jù)對應(yīng)輸入圖像分辨率的倒數(shù)動態(tài)調(diào)整以匹配物體尺寸變化； 將所述多層級特征集合輸入所述實時識別模型中的跨層級特征金字塔，通過雙線性插值對低層級大感受野特征圖進行分辨率提升，使其尺寸與高層級小感受野特征圖對齊，并對齊后的特征圖執(zhí)行逐通道加權(quán)融合，生成融合全局語義與局部細(xì)節(jié)的增強特征圖； 對所述增強特征圖施加通道維度注意力加權(quán)和空間維度注意力加權(quán)，得到加權(quán)后的特征圖，其中，通道注意力權(quán)重通過全局平均池化后的兩層全連接網(wǎng)絡(luò)生成，空間注意力權(quán)重通過單層卷積核的空間壓縮特征生成； 將加權(quán)后的特征圖沿通道維度劃分為全局分類分支和局部分割分支，其中，全局分類分支通過全局最大池化降維后輸入多層感知機分類器，輸出所述待操作物體的類別標(biāo)識信息及對應(yīng)置信度，并過濾置信度低于動態(tài)閾值的類別標(biāo)識信息； 所述局部分割分支通過轉(zhuǎn)置卷積層恢復(fù)至原始輸入圖像分辨率后輸入邊界坐標(biāo)回歸器，生成初始邊界框的歸一化坐標(biāo)參數(shù)，并采用基于交并比閾值的非極大值抑制算法消除空間重疊的冗余邊界框； 將過濾后的類別標(biāo)識信息與抑制后的歸一化邊界框坐標(biāo)按空間網(wǎng)格區(qū)域進行匹配關(guān)聯(lián)，輸出所述特征分布數(shù)據(jù)。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人四川吉利學(xué)院，其通訊地址為：641400 四川省成都市東部新區(qū)成簡大道二段123號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。