针对飞行机器人巡检的海量电力杆塔图像,以电力杆塔和架空电力线路巡检飞行机器人间的相对位置关系为先验信息,估计电力杆塔在飞行机器人巡检拍摄得到图像中的位置范围.然后利用这个位置范围作为可变型部件模型(deformable model part,D...
详细信息
针对飞行机器人巡检的海量电力杆塔图像,以电力杆塔和架空电力线路巡检飞行机器人间的相对位置关系为先验信息,估计电力杆塔在飞行机器人巡检拍摄得到图像中的位置范围.然后利用这个位置范围作为可变型部件模型(deformable model part,DPM)检测区域的约束,从而精确快速定位电力杆塔的位置.实验结果表明:通过飞行机器人巡检获取的视频图像进行测试,验证了融合地理位置信息后的可变型部件模型的方法(GI-DPM)的有效性,提高了电力杆塔的检测速度.
在城市环境下,车载自组织网络(Vehicular Ad Hoc Network,VANET)具有拓扑结构复杂、变化快、车辆节点的移动速度较高,且节点运动轨迹受道路形状限制等特点,给VANET路由协议的设计带来了很大困难。本文提出了一种改进VANET路由协议-...
详细信息
在城市环境下,车载自组织网络(Vehicular Ad Hoc Network,VANET)具有拓扑结构复杂、变化快、车辆节点的移动速度较高,且节点运动轨迹受道路形状限制等特点,给VANET路由协议的设计带来了很大困难。本文提出了一种改进VANET路由协议--基于车流密度检测的AFC(Auxiliary forwarding center)路由协议。算法做了以下两点改进,改进之一:在网络场景路口位置铺设辅助转发中心-AFC,用来弥补移动节点转发数据包时,容易在路口位置产生数据分组传输中断的缺陷,并为此设计了完备的数据分组转发机制,以确保数据分组按照既定路由沿街道向前传递;算法改进之二:在改进之一的基础上,主要针对在路由选择过程中由于道路车辆分布不均匀,导致所选择的最短路径中包含不连通的、不可达路径的问题,本文借鉴了一种基于AP(Access Point)的车流密度检测机制,主要根据车流密度检测结果,从符合车流密度条件的道路中选择源、目的车辆间的最短路径,作为路由信息加入到数据分组包头信息中。\n 本文采用网络仿真软件NS2(Network Simulator Version2)对研究成果进行仿真。通过仿真结果对比普通网络和在路口设置AFC网络,以及两者在引入车流密度检测机制前后的网络数据传输性能,结果表明:基于AFC的路由协议在保证了数据包端到端时延不增大的前提下,提高了数据分组交付率,同时车流密度检测机制的引入,使得VANET在数据传输方面表现出更好的性能。因此,在车载自组织网络中,本文研究的算法可以提供更好的数据传输性能。
暂无评论