产品详细介绍含主控制器套装 1套、遥控接收套装1套、马达套装3套、伺服器套装 1套、碰撞开关套装1套、行程开关套装1套、车轮套装1套、齿轮套 1套、五金件套装1套、工具套装1套、扎带1包

智能交通是关键在于两方面：智能道路与智能车辆。前者主要目的在于规范 交通秩序，提升道路的通行能力；后者的使命是通过发展通过驾驶辅助系统，最 终实现车辆的无人驾驶。 针对智能道路，团队研发了电子警察。通过装配在城市交通路口的智能一体 相机，电子警察自动抓拍车辆闯红灯和变道等违章行为，通过治理违章规范驾驶 行为。其核心技术在于基于计算机视觉的嵌入式车辆运动分析系统。团队与智能 相机厂商合作，开发了基于达芬奇（DaVinci）平台的嵌入式电子警察产品，并 已成功上市销售数百套。 针对智能车辆，团队研发了交通标识自动识别系统。通过车载视觉智能分析 系统，提前主动定位并识别交通标识，规避违章驾驶。团队与国内领先的无人车 研发机构合作，已参加数届中国智能车未来挑战赛（IVFC）,获得了交通标识识 别第一名及总成绩第三名的成绩，并得到了中央电视台等机构的好评。

一、项目简介 随着科技进步和社会需求的发展，机器人手/臂除了工业生产，也越来越多用于服务人类的其它各个领域，这必然会使机器人承担比工业中更加多样的操作任务，面临更加多变的工作环境。因此，国内外对非结构自然环境下、具备自主操作能力的机器人的研究十分重视。当前，具备视觉感知能力的机器人已被公认为机器人发展的主流趋势，将视觉与机器人操作相融合，是对人类行为的模拟，由此产生的视觉伺服控制方法为机器人自主操作能力的实现带来了新的思路，代表了机器人的先进控制技术，也是促进机器人智能化发展的一个重要驱动。可以预见，未来的视觉系统将会成为机器人名副其实的眼睛，视觉伺服技术在机器人自主操作中将具有不可替代的作用。 视觉伺服利用视觉传感器提供的环境信息对机器人运动进行实时反馈控制，涉及机器人机械几何设计、运动学和动力学、自动控制理论、计算机视觉图像处理和摄像机标定等,是智能机器人领域中具有重要理论意义的研究课题之一。迄今为止，机器人手/臂的视觉伺服方法在太空遥操作、机器人手术、水果采摘、工业装配、焊接、抓取以及微操作等方面得到越来越多的应用。然而，现阶段可实际应用的方案主要面向特定的标定环境、模型参数已知，机器人操作是编码定式的，不具备模型未知条件下的自主操作能力，特别是当面向未来的刚-柔-软体共融机器人时，其柔型结构造成的运动模型及参数的变化与不确定性，必然使现有确定模型的研究方法失效。因此，无模型（目标几何模型，手眼标定模型，机器人运动模型）、非结构环境下的自适应操作对机器人提出了新挑战，是机器人手臂(尤其柔型手臂)视觉伺服控制研究的难点与前沿问题，不断深入对非结构环境下、无模型的机器人手/臂视觉伺服控制的研究具有重要的理论和现实意义。 在非结构自然环境下使机器人像人一样协调自适应操作是当今机器人研究领域的一项尚未实现但又令人感兴趣的研究工作。从理论上看，非结构自然环境下实现机器人柔性操作，就当前研究依靠单一的控制器设计是困难的。因此，本项目借鉴人的手眼协调操作是自适应学习过程，涉及智能进化和行为优化，将随机动态规划理论，结合约束规则与最优化控制，探索一种变参手眼关系，实现机器人在非结构自然环境下的自适应操作。 二、前期研究基础 研究团队一直致力于机器人视觉反馈控制的研究。在基础理论研究上，针对无标定视觉伺服控制方案与设计，均提出了一些新型方法，有扎实的理论基础和知识积累，并不断跟踪和深入在无模型视觉伺服控制的方面研究和前沿问题。目前，已经着手在无模型视觉伺服的可靠性、稳定性控制方面做了充分的探索工作：针对机器人无标定全局稳定操作问题，研究了一种鲁棒卡尔曼滤波(RKF)合作Elman神经网络(ENN)的全局稳定视觉伺服控制方法；提出了一种基于网络辅助尔曼滤波状态估计的无标定视觉伺服方法，提高伺服系统的鲁棒性。同时，立足机器人发展前沿，建立了多模特征深度学习抓取系统，在无结构环境下实现了机器人智能抓取与定位。 已发表的与项目相关的主要论文有： [1] 仲训杲,徐敏,仲训昱,彭侠夫.基于多模特征深度学习的机器人抓取判别方法.自动化学报,2016,7(42), pp:1022-1029. (EI) [2] Xungao Zhong, Xunyu Zhong and Xiafu Peng. Robots Visual Servo Control with Features Constraint Employing Kalman-Neural-Network Filtering Scheme. Neurocomputing, 2015, 151(3), pp:268-277 (SCI)  [3] Xungao Zhong, Xunyu Zhong and Xiafu Peng. Robust Kalman FilteringCooperated Elman Neural Network Learning forVision-Sensing-Based RoboticManipulation with Global Stability. Sensors, 2013, 10(13), pp:13464-13486. (SCI) [4] Xungao Zhong, Xiafu Peng, Xunyu Zhongand Lixiong Lin. Dynamic Jacobian Identification Based on State-Space for Robot Manipulation. Applied Mechanics andMaterials, vols. 475-476 (2014)pp: 675-679.(EI) [5] Xungao Zhong, Xiafu Peng, Xunyu Zhong and Xueren Dong. Multi-Channel with RBF Neural Network Aggregation Based on Disparity Space for Color Image Stereo Matching. IEEE 5th International Conference on Advanced Computational Intelligence (ICACI), 10(2012) PP:620-625. (EI) [6]XUNGAO ZHONG, XIAFU PENG, XUNYU ZHONG. NEURAL-BAYESIAN FILTERING BASED ON MONTE CARLO RESAMPLING FOR VISUAL ROBUST TRACKING. Journal of Theoretical and Applied Information Technology, 2013, 2(50), pp: 490-496. [7] Xungao Zhong, Xiafu Peng and Xunyu Zhong. Severe-Dynamic Tracking Problems Based on Lower Particles Resampling. TELKOMNIKA Indonesian Journal of Electrical Engineering. 2014, 12(6), pp:4731-4739. [8] Xunyu Zhong, Xungao Zhong and Xiafu Peng. Velocity-Change-Space-based Dynamic Motion Planning for Mobile Robots Navigation. Neurocomputing. 2014, 143(11), pp:153-163. (SCI) [9] Xunyu Zhong, Xungao Zhong, Xiafu Peng. VCS-based motion planning for distributed mobile robots: collision avoidance and formation. Soft Computing,2016,5(20), pp: 1897-1908. (SCI) [10] 仲训杲,徐敏, 仲训昱, 彭侠夫. 基于雅可比预测的机器人无模型视觉伺服定位控制, 控制与决策, 已在线发表, 2018. [11] 仲训杲,徐敏, 仲训昱, 彭侠夫. 基于图像的机器人非标定视觉反馈控制全局定位方法, 厦门大学学报(自然科学版), 已录用, 2018. 三、应用技术成果 （一）基于多模特征深度学习的机器人抓取判别 研究了多模特征深度学习及其在机器人智能抓取判别中的应用，该方法针对智能机器人抓取判别问题, 研究多模特征深度学习与融合方法. 该方法将测试特征分布偏离训练特征视为一类噪化, 引入带稀疏约束的降噪自动编码 (Denoising auto-encoding, DAE), 实现网络权值学习; 并以叠层融合策略, 获取初始多模特征的深层抽象表达, 两种手段相结合旨在提高深度网络的鲁棒性和抓取判别精确性. 实验采用深度摄像机与 6 自由度工业机器人组建测试平台, 对不同类别目标进行在线对比实验. 结果表明, 设计的多模特征深度学习依据人的抓取习惯, 实现最优抓取判别, 并且机器人成功实施抓取定位, 研究方法对新目标具备良好的抓取判别能力. （二）无标定视觉伺服解决方案及其机器人操作应用 研究了无标定视觉伺服方法及其在机械臂任务操作中的应用。首先提出视觉伺服目标：假设机器人或者摄像节的模型参数未知或者部分未知，视觉伺服的目标是使用摄像节作为传感器，引导机械臂运动，使当前图像特征收敛到期望图像特征，从而完成定位或者跟踪的任务。 手眼协调关系描述。关节图像雅克比矩阵定量描述了机械臂关节变化引起图像特征变化，它是关节-图像映射的局部线性化矩阵。 建立图像雅克比的在线估计器。将关节图像雅克比矩阵的每一个元素作为辅助系统的状态，建立辅助系统的状态方程；摄像机提取到的图像特征作为测量值，建立辅助系统的观测方程。根据Kalman滤波器理论，我们设计了对关节图像雅克比的在线实时估计算法。 构建基于图像矩的目标函数。为了避免传统的基于点特征的缺陷，例如点特征的标记、提取与匹配过程复杂且通用性较差问题。构建基于图像矩的图像特征向量完成视觉伺服任务，来提高视觉伺服系统的稳定性和可靠性。 四、合作企业 厦门万久科技股份有限公司是一家集销售、软件研发、技术服务、加工技术整合为一体的高新技术企业。目前公司的经营范围涉及CNC软件开发及数控系统销售、CNC控制零件销售及专业维修；工艺优化、机台升级与技术改造、工程配电与软件优化、专用机控制系统开发、多轴机的设计与开发、机台精度检测与校正优化服务等。公司是国际知名生产制造企业——富士康的产品供应商和技术服务商。    

现代高速计算机的计算能力已达到惊人的程度，但计算机视觉系统却无法指导诸如过马路之类对  人来说非常简单的视觉任务。本成果模拟人眼选择性关注视觉场景中显著变化区域的模式，提出一种  图像中不同区域视觉显著程度的检测方法，从而达到提高计算机图像分析效率的目的。

本发明公开了面向大规模图像视觉特征的多维倒排索引与快速检索算法，包括：利用图像的视觉特征训练增强型残差量化所需的多层码书，并利用所训练的码书构建多维倒排索引；根据已训练完成的码书，对图像视觉特征进行量化和编码，同时根据计算得到的编码将其插入到倒排索引中对应的倒排列表；利用查询图像视觉特征对所构建的多维倒排索引进行查询，获得查询候选集；利用自适应超球体过滤对查询候选集进行优化，对过滤后的查询结果排序，从而完成图像视觉特征的检索。本发明的方法通过对图像特征进行量化和编码，提高图像特征的量化效率；利用所生

MarsCat火星仿生猫是大象机器人自主研发的世界首款AI仿生机器猫。作为一款结合「AI技术」与「仿生设计」的未来型产品，MarsCat火星仿生猫兼具科学与技术魅力，致力于成为一款「家庭机器人」，一个可以陪伴你、给你惊喜的宠物机器人。 MarsCat火星仿生猫满足多个场景需求，包括商业展示、高端酒店客居陪伴、医院康复、科学研究等；支持个性化定制服务，可满足特殊功能的需求开发，也可基于仿生学、机器人学、人工智能技术进行相关行业的解决应用方案。 产品特性 开源编程 四核树莓派软件编程，可二次开发 提供Python、OpenCV开源接口 展示服务 配套完整的解决方案，商业吸睛神器 充电桩/猫碗/猫窝皆可选，设施完备 定制开发 自主选择，支持用户定制服务 满足特殊功能的个性化开发需求 应用场景 MarsCat满足多个场景需求，包括商业展示、高端酒店客居陪伴、医院康复、科学研究等；支持个性化定制服务，可满足特殊功能的需求开发，也可基于仿生学、机器人学、人工智能技术进行相关行业的解决应用方案。 海内外各大媒体竞相报道 联系我们：深圳市大象机器人科技有限公司 官网：https://www.elephantrobotics.com淘宝官方旗舰店：https://shop504055678.taobao.com/?spm=a1z10.1-c-s.0.0.2b0e58e7PY8UhV电话：+86 (0755) 8696 8565/+86 181 2384 1923地址：深圳市福田区华强北电子科技大厦D座智方舟国际智能硬件创新中心D403 D504 D505

本系统是一款专为中小学音乐教师设计的备授课一体化软件。它深度融合了备课与授课两大核心环节，通过配套的海量音乐教学资源，旨在有效降低教师的备课难度，全面提升课堂教学质量。 备课模块：灵活高效，资源随心 备课模块为教师提供了一个功能强大且易于操作的创作平台，让音乐课件的制作变得前所未有的简单。 混合编辑与排版：支持五线谱、简谱、图像、音频、视频、动画、文本、表格、图形等多种元素的混合编辑。教师可以在一个课件中创建任意数量的页面，自由组合，满足多样化的教学设计需求。 智能乐谱生成： 乐器指法谱：可一键在五线谱或简谱上方生成口风琴、竖笛、陶笛、葫芦丝等多种小乐器的指法参照谱，方便器乐教学。 节奏参照谱：支持生成独立的节奏谱，并与主曲谱上下混合排版，强化节奏教学。 简谱与五线谱对照：支持在五线谱上方生成简谱参照，或在简谱上方生成五线谱参照，实现两种记谱法的同步教学与转换。 专业乐谱编辑： 五线谱编辑：提供音符组输入、和弦输入及符尾自动调整等专业功能。 简谱编辑：支持便捷地添加减时线等操作。 完备符号库：内置齐全的乐谱符号库（谱表、谱号、调号、拍号等）和丰富的乐谱标注符号库（演奏记号、强弱标记、速度术语等）。 智能辅助功能： 歌词处理：具备歌词智能对齐和自动添加带声调拼音的功能，并能自动识别多音字。 图文混排：可自由输入文本、插入图形和表格，并支持将任何乐谱符号、音符等元素拖入文本框或表格中，自定义其颜色与大小。 无缝对接办公软件：所有音符及乐谱片段均可复制为透明背景，直接粘贴到PPT或WORD中，与文档背景完美融合，方便教师制作美观的教案与课件。 授课模块：互动演示，生动课堂 备课模块制作的课件可一键无缝切换至授课模块，为课堂带来生动、专业的互动演示体验。 动态播放与展示： 多种播放模式：支持旋律、节奏、唱名、试唱、哼唱、范唱、伴唱等七种播放模式，并可在同一界面内自由切换，满足不同教学环节的需求。 精准播放控制：支持通过点击曲谱或歌词的任意位置来设定播放范围，可跨小节、跨段落播放，甚至精确到单个音符。 同步高亮显示：播放时，曲谱上的音符、歌词与屏幕上的虚拟音乐键盘会同步高亮，帮助学生实现音谱同步、视听结合。 灵活的课堂调整： 指法谱动态更新：在授课时，当教师修改曲谱的调号，上方的小乐器指法参照谱会自动随之改变，极大方便了课堂上的即兴移调教学。 音乐元素变更：可随时变更播放的调式和速度，以适应不同的教学情境。 课件再编辑：支持在授课过程中直接修改五线谱或简谱的音符、歌词，修改后的课件可立即播放试听。 丰富的教学工具： 歌词显隐：支持一键显示或隐藏歌词，方便学生在学会歌曲后进行背唱练习。 3D索引：对于包含多个页面的课件，可通过3D索引画面快速定位，提升授课效率。 集成白板工具：内置笔迹、板擦等高效白板工具，方便教师直接在课件上进行圈点标注。 多媒体支持：支持插入并播放视频、动画及音频文件，其中MP3、WAV格式音频支持变速、变调播放。 完备的音乐教学资源 系统内置了丰富且专业的音乐教学资源库，为教师的日常教学提供坚实后盾。 专业符号库：包含齐备的乐谱符号库与乐谱标注符号库。 海量知识库：拥有超过20万字的音乐知识库，涵盖乐理、中西方乐器、中国音乐（民乐、曲艺、戏曲）、西方音乐及名曲名家等内容。 丰富图库：提供不少于50个基本图形和200个装饰图库。 配套乐谱课件：提供与主流音乐课本配套的可播放乐谱课件。 云端资源共享：接入音乐资源网络云平台，持续更新和扩充教学资源。 资源便捷调用：所有教学资源均可快速复制并粘贴至PPT课件或WORD教案中。

成果介绍人脸图像分析研究不仅能丰富和发展图像处理与分析的理论和方法，而且在教育、医疗、公安等社会服务以及公共安全等行业中具有重要的应用价值。基于人脸视觉特征的表情、身份以及亲属关系识别是当前人脸图像分析研究的前沿课题，而光照和人脸姿态变化等因素对人脸视觉特征提取与建模的影响则成为当前该研究面临的主要瓶颈。开展鲁棒人脸视觉特征的提取、建模与识别研究，突破现有研究的局限性，能显著推动人脸图像分析的研究进展，进一步满足国家在社会服务与公共安全等领域中的需求。技术创新点及参数1、 突破局部二值模式编码的视觉特征描述算子的局限性，提出局部三值模式编码的视觉特征描述算子，提出解决场景光照变化干扰以及高斯噪声干扰的图像处理一般性方法。2、 率先提出基于区域协方差矩阵的非正面表情特征描述方法，提出基于高斯混合模型和最小贝叶斯错误率估计的异方差鉴别分析方法，建立基于高斯混合模型的多视角表情识别理论。3、 率先提出基于人类学和遗传学的“父母—子女”亲属关系鉴别方法，提出以父母年轻时面部图像为桥梁的“父母—子女”亲属关系鉴别的子空间迁移学习理论和方法。4、 提出人脸视觉特征提取和识别的多流形鉴别分析理论，提出双子空间鉴别分析的增量式算法，突破双子空间鉴别分析方法的计算瓶颈。市场前景本项目围绕人脸图像中的表情、身份以及亲属关系识别等科学问题，深入开展鲁棒人脸视觉特征的提取、建模与识别的理论和方法研究，重点解决视觉场景中光照与人脸姿态变化下的鲁棒人脸视觉特征的提取与建模问题

本发明公开了一种智能视觉监控检索中提取目标运动轨迹特征的方法，包括以下步骤：获取目标运动轨迹，以二维空间坐标序列对目标运动轨迹进行描述；根据描述目标运动轨迹的二维空间坐标序列，计算描述每次采样中目标运动方向的水平分量和垂直分量；将每次采样中目标的二维空间坐标和描述每次采样中目标运动方向的纵向斜率和横向斜率合并组成每次采样中目标的流矢量；以流矢量序列对目标运动轨迹进行描述；读取预先建立的参考矢量集合；计算描述目标运动轨迹的流矢量序列到各参考矢量的距离作为该目标运动轨迹的特征向量。本发明方法使用流矢量序列描述目标运动轨迹并提取特征向量，可以在轨迹描述中同时包含位置和方向信息，避免了测量误差。