检索结果-内蒙古大学图书馆

计算机工程与应用 2025年第5期61卷 233-240页

作者：苗思琦杜煜严超徐成孙慧荟北京联合大学北京市信息服务工程重点实验室北京100101 北京联合大学机器人学院北京100101

实时性语义分割由于其轻量化的网络和较快的推理速度在智能驾驶的道路场景中具有重要的应用价值。为解决道路场景中小目标信息丢失和细节被上下文淹没问题,提出了并行双分支结构的DDRPNet模型。设计了PAPPM模块融合不同尺度的语义边缘特... 详细信息

实时性语义分割由于其轻量化的网络和较快的推理速度在智能驾驶的道路场景中具有重要的应用价值。为解决道路场景中小目标信息丢失和细节被上下文淹没问题,提出了并行双分支结构的DDRPNet模型。设计了PAPPM模块融合不同尺度的语义边缘特性,增强对边界信息的建模能力。在低分辨率分支的1/16、1/32和1/64分辨率特征图后加入坐标注意力机制,以捕获不同尺度下的位置信息和通道信息,填补小目标信息丢失问题。算法在Cityscapes数据集上以46.3 FPS的实时性表现达到了mIoU为76.28%的准确性;在CamVid数据集以95.2 FPS的实时性表现达到了mIoU为73.2%的准确性。实验结果表明,该模型在精度和速度上达到良好平衡,语义分割性能显著提升,在智能驾驶领域有潜在应用前景。

关键词：实时性语义分割双分支结构坐标注意力机制智能驾驶

来源：评论

学校读者我要写书评

暂无评论

改进分层合作A*的无人机交通管理中路径规划

引用

计算机工程与应用 2025年第6期61卷 361-368页

作者：陈明何宁宏晨肖明明景竑元北京联合大学北京市信息服务工程重点实验室北京100101 北京联合大学智慧城市学院北京100101 北京联合大学机器人学院北京100101

针对无人机交通管理中飞行前冲突探测与解脱问题,表示为一种新的多智能体路径规划扩展模型,提出一种连续时间分层合作A*(continuous-time hierarchical cooperative A*,CHCA*)算法。面向连续时间,智能体在度量空间中的位置之间以最大速... 详细信息

针对无人机交通管理中飞行前冲突探测与解脱问题,表示为一种新的多智能体路径规划扩展模型,提出一种连续时间分层合作A*(continuous-time hierarchical cooperative A*,CHCA*)算法。面向连续时间,智能体在度量空间中的位置之间以最大速度持续移动;考虑智能体的大小形状,以空间是否覆盖判定智能体冲突;优化搜索启发值计算。实验表明,CHCA*单次路径规划成功率高于CCBS,适合大规模智能体路径规划求解;在日本仙台2030无人机空运预测模型上仿真实验表明,对于一天内32887个随机请求,CHCA*算法规划成功率可达96%。

关键词：多智能体路径规划(MAPF) 无人机交通管理(UTM) 改进分层合作A*算法冲突探测冲突解脱连续时间

来源：评论

学校读者我要写书评

暂无评论

基于GSegFormer的无人机图像密集小目标语义分割方法

引用

飞行力学 2025年

作者：刘炟龙浩张明瑜北京联合大学北京市信息服务工程重点实验室北京联合大学机器人学院

针对现有模型经过多次下采样处理，遗漏小目标特征，对密集小目标分割效果有限，以及目标在不同距离下尺度差异大造成的分割能力不足等问题，提出了一种改进的基于门控注意力的语义转换器模型（GSegFormer）网络。设计了多尺度低损特征... 详细信息

针对现有模型经过多次下采样处理，遗漏小目标特征，对密集小目标分割效果有限，以及目标在不同距离下尺度差异大造成的分割能力不足等问题，提出了一种改进的基于门控注意力的语义转换器模型（GSegFormer）网络。设计了多尺度低损特征融合网络融合编码器提取的多尺度特征，包括串联门控注意力（CGAM）模块和多尺度目标特征融合（MTFF）模块。CGAM模块动态处理语义特征并抑制影响详细信息的特征，从而提高对小目标的分割精度。MTFF模块对4个不同尺度的特征上采样后进行拼接，在CGAM之前冻结权重参数，从而加速训练。在AeroScapes和ISPRS Vaihingen数据集上进行了试验，与主流方法的定量分析和比较表明，GSegFormer对密集小目标有更理想的分割性能，更适合于航拍影像小目标分割任务。

关键词：无人机级联门控注意力特征融合语义分割

来源：评论

学校读者我要写书评

暂无评论

无锚框目标检测模型特征任务不对齐研究

引用

计算机工程与应用 2023年第11期59卷 151-159页

作者：郝帅征刘宏哲北京联合大学北京市信息服务工程重点实验室北京100101 北京联合大学机器人学院北京100101

通常的目标检测模型由分类任务和回归任务构成。由于不同的任务驱动因素,模型中头部对应的这两个任务分支网络对来自同一输入图片、同一个实例的特征具有不同的敏感性。这就造成了检测模型对于相同位置的特征、分类效果和回归效果相差... 详细信息

通常的目标检测模型由分类任务和回归任务构成。由于不同的任务驱动因素,模型中头部对应的这两个任务分支网络对来自同一输入图片、同一个实例的特征具有不同的敏感性。这就造成了检测模型对于相同位置的特征、分类效果和回归效果相差巨大的问题,也就是任务特征不对齐的问题。但是通用的目标检测后处理办法,仅以分类分数作为非极大抑制过程的标准,带来了大量回归质量较差、但置信度很高的检测结果。对现代化的无锚框网络展开不对齐问题的研究分析,将问题进一步拆解为尺度层级上的不对齐和空间位置上的不对齐。提出了参数量代价最小的解决方案:使用可变形卷积模块对检测模型头部网络的感受野进行微调,使用考虑样本点对齐效果的标签分配机制进行对齐样本点的挖掘,创新性地解决了上述两个子问题。进一步的详细实验和对比分析证明了该工作的有效性和实用性,以及对不同特征提取骨干网络的鲁棒性。

关键词：目标检测深度学习无锚框检测器标签分配机制

来源：评论

学校读者我要写书评

暂无评论

基于自身运动约束的RGB-D动态SLAM算法

引用

计算机工程与应用 2025年第8期61卷 173-182页

作者：张志铭张军刘元盛王子钰赵玉洁北京市信息服务工程重点实验室北京100101 北京联合大学机器人学院北京100101 北京联合大学城市轨道交通与物流学院北京100101

针对视觉SLAM(simultaneous localization and mapping)算法在动态环境下容易出现重定位失败的问题,提出了一种基于自身运动约束的动态SLAM算法。采用YOLOv5s初步区分前景与背景特征点,仅利用背景特征点进行位姿初始化;利用IMU位姿信息... 详细信息

针对视觉SLAM(simultaneous localization and mapping)算法在动态环境下容易出现重定位失败的问题,提出了一种基于自身运动约束的动态SLAM算法。采用YOLOv5s初步区分前景与背景特征点,仅利用背景特征点进行位姿初始化;利用IMU位姿信息不受动态环境影响的特性,计算每个特征点的自身运动约束值;根据背景特征点的特征约束结果设计了动态概率模型,自适应确定当前帧特征点约束的动态阈值,去除动态特征点并更新相机位姿。使用仿真数据集和真实环境数据集进行了实验验证。实验结果表明,在仿真数据集中,该方法能去除沿极线运动的特征点,相较于Dyna-SLAM,在均方根误差和标准差两项指标的提升率为87.81%和83.17%,相较于AirDos提升率分别为51.62%和41.91%。真实动态环境中重定位能力强于Dyna-SLAM,较AirDos无明显精度提升但运行速度提升29.48%。

关键词：动态环境视觉SLAM 多传感器融合 IMU预积分

来源：评论

学校读者我要写书评

暂无评论

一种基于改进GAN的行人轨迹预测算法

引用

计算机应用与软件 2025年第3期42卷 238-243页

作者：谢龙洋张军刘元盛王子钰北京联合大学北京市信息服务工程重点实验室北京100101 北京联合大学机器人学院北京100101

为准确预测出行人未来轨迹,提出一种基于改进GAN的行人轨迹预测模型。该模型以观察者相机运动状态向量、行人姿态信息及行人历史轨迹作为输入;在注意力模块中,采用运动注意力机制来衡量观察者相机运动对行人轨迹的影响,采用姿态注意力... 详细信息

为准确预测出行人未来轨迹,提出一种基于改进GAN的行人轨迹预测模型。该模型以观察者相机运动状态向量、行人姿态信息及行人历史轨迹作为输入;在注意力模块中,采用运动注意力机制来衡量观察者相机运动对行人轨迹的影响,采用姿态注意力机制提取人体姿态中的隐藏特征,并采用交互注意力机制来建模行人之间的社交交互;通过生成对抗网络获取预测轨迹。实验验证表明,所提出的模型精度高于目前已有算法。

关键词：生成对抗网络注意力机制人体姿态社交交互

来源：评论

学校读者我要写书评

暂无评论

基于ACVAE-MPPO算法的端到端自动驾驶算法研究

引用

计算机工程与应用 2024年

作者：于康鸿张军刘元盛北京市信息服务工程重点实验室北京联合大学北京联合大学机器人学院北京联合大学

由于道路类型的多样性、交互实体的众多以及环境的复杂性，在城市环境中实现高效的自动驾驶是当今自动驾驶技术研究的重点和挑战之一。端到端强化学习在自动驾驶应用中，面临表征模型提取特征能力不足和决策模型学习特征间历史联系困难... 详细信息

由于道路类型的多样性、交互实体的众多以及环境的复杂性，在城市环境中实现高效的自动驾驶是当今自动驾驶技术研究的重点和挑战之一。端到端强化学习在自动驾驶应用中，面临表征模型提取特征能力不足和决策模型学习特征间历史联系困难问题，这些限制影响了算法在复杂城市环境中的决策性能。针对上述问题，提出ACVAE-MPPO算法。为了解决特征提取精度低问题，在变分自编码器（VAE）中加入坐标卷积层，使用判别器进行辅助训练，形成辅助训练坐标卷积变分自编码器（ACVAE）最终提升特征提取的精度；为了增强决策模型提取历史特征能力，在近端策略优化算法（PPO）中引入长短期记忆网络，形成记忆近端策略优化算法（MPPO），使PPO能记忆和有效利用时序信息，提升决策准确性。将两个模型结合形成ACVAE-MPPO算法。Carla仿真器的实验结果表明，ACVAE-MPPO算法能展现出更强的决策能力，实现更稳定且成功率更高的驾驶策略。

关键词：变分自解码器近端策略优化算法深度强化学习自动驾驶

来源：评论

学校读者我要写书评

暂无评论

面向智能驾驶的行人多目标跟踪算法研究

引用

计算机工程与应用 2023年第15期59卷 206-213页

作者：闫晨阳刘宏哲徐成李学伟北京联合大学北京市信息服务工程重点实验室北京100101 北京联合大学机器人学院脑与认知智能北京实验室北京100101

多目标跟踪(multi-object tracking,MOT)是智能驾驶场景中的一个研究热点,大多数现代MOT网络遵循“逐检测跟踪”范式,跟踪目标的轨迹关联是其中一个急需解决的热点问题。针对场景混乱以及意外的遮挡造成的对象重叠往往会导致遗漏检测,... 详细信息

多目标跟踪(multi-object tracking,MOT)是智能驾驶场景中的一个研究热点,大多数现代MOT网络遵循“逐检测跟踪”范式,跟踪目标的轨迹关联是其中一个急需解决的热点问题。针对场景混乱以及意外的遮挡造成的对象重叠往往会导致遗漏检测,进而增加了数据关联的难度等问题,提出融合注意力机制和无锚框检测的智能驾驶多目标跟踪算法PDTNet。将金字塔分割注意力模块融入深层聚合网络,提高多尺度特征的表示能力;设计一个简单Re-identification模块,将由无锚框检测器获得的目标检测与已有的跟踪轨迹相结合进行多步匹配,实现强鲁棒性的多目标跟踪。实验结果表明,在MOT16、MOT17数据集和BUUISE数据集上验证了算法的有效性,提高了多目标跟踪的检测准确率、关联准确率以及跟踪总精度等,在智能驾驶多目标跟踪场景中有很大应用。

关键词：多目标跟踪智能驾驶注意力机制深层聚合网络

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLOv4的小目标行人检测算法

引用

计算机工程 2023年第2期49卷 296-302,313页

作者：王程刘元盛刘圣杰北京联合大学北京市信息服务工程重点实验室北京100101 北京联合大学机器人学院北京100101

行人检测在无人驾驶环境感知领域具有重要应用。现有行人检测算法多数只关注普通大小的行人目标,忽略了小目标行人特征信息过少的问题,从而造成检测精度低、应用于嵌入式设备中实时性不高等情况。针对该问题,提出一种小目标行人检测算法... 详细信息

行人检测在无人驾驶环境感知领域具有重要应用。现有行人检测算法多数只关注普通大小的行人目标,忽略了小目标行人特征信息过少的问题,从而造成检测精度低、应用于嵌入式设备中实时性不高等情况。针对该问题,提出一种小目标行人检测算法YOLOv4-DBF。引用深度可分离卷积代替YOLOv4算法中的传统卷积,以降低模型的参数量和计算量,提升检测速度和算法实时性。在YOLOv4骨干网络中的特征融合部分引入scSE注意力模块,对输入行人特征图的重要通道和空间特征进行增强,促使网络学习更有意义的特征信息。对YOLOv4颈部中特征金字塔网络的特征融合部分进行改进,在增加少量计算量的情况下增强对图像中行人目标的多尺度特征学习,从而提高检测精度。在VOC07+12+COCO数据集上进行训练和验证,结果表明,相比原YOLOv4算法,YOLOv4-DBF算法的AP值提高4.16个百分点,速度提升27%,将该算法加速部署在无人车中的TX2设备上进行实时测试,其检测速度达到23FPS,能够有效提高小目标行人检测的精度及实时性。

关键词：无人驾驶小目标行人深度可分离卷积 scSE注意力模块特征金字塔网络

来源：评论

学校读者我要写书评

暂无评论

S-Raft:一种增强拜占庭和崩溃容错的Raft算法

引用

计算机应用研究 2025年第3期42卷 687-692页

作者：王壮徐成代松银刘宏哲李学伟北京联合大学北京市信息服务工程重点实验室北京100101 北京联合大学机器人学院(人工智能学院) 北京100101

传统的Raft共识算法在私有链中因其简洁和崩溃容错而得到广泛应用,但无法解决拜占庭节点恶意行为导致的诸多问题。在深入分析现有研究成果的基础上,提出了一种基于Raft的增强拜占庭和崩溃容错的共识算法:S-Raft(Stability-Raft),以解决... 详细信息

传统的Raft共识算法在私有链中因其简洁和崩溃容错而得到广泛应用,但无法解决拜占庭节点恶意行为导致的诸多问题。在深入分析现有研究成果的基础上,提出了一种基于Raft的增强拜占庭和崩溃容错的共识算法:S-Raft(Stability-Raft),以解决拜占庭节点在选举中伪造身份、投票分裂以及非法替换领导者等核心问题。引入故障心跳日志机制,通过广播故障信息阻止拜占庭节点获得多数选票;实施选举超时周期优化策略,以应对投票分裂问题;提出节点稳定性评估算法,结合连续性惩罚和时间衰减因子,准确评估节点稳定性,减少因频繁故障引发的通信冗余。实验结果显示,与Raft和PBFT等算法相比,S-Raft算法在拜占庭容错能力上取得了显著提升,同时保持了较高的吞吐量和较低的共识时延。因此,S-Raft算法具有良好的拜占庭和崩溃容错能力。

关键词： Raft PBFT 共识算法区块链拜占庭

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：