在分析现有相关技术的基础上,提出了一种基于边缘计算的分簇(Ad hoc On-demand Distance Vector,AODV)路由新算法.通过对传统的以最小跳数为基础的AODV路由协议进行优化,综合考虑车辆节点能量,车辆行驶速度的信息,结合车对车(Vehicle to...
详细信息
在分析现有相关技术的基础上,提出了一种基于边缘计算的分簇(Ad hoc On-demand Distance Vector,AODV)路由新算法.通过对传统的以最小跳数为基础的AODV路由协议进行优化,综合考虑车辆节点能量,车辆行驶速度的信息,结合车对车(Vehicle to Vehicle,V2V)以及车对路(Vehicle to Road,V2R)的通信模式,在路边单元RSU中添加边缘服务器,使用分簇的方法,簇内车辆节点使用V2V通信模式,簇间车辆节点使用V2V与V2R相结合的通信模式来进行路由的选择.仿真结果表明,该算法在高速移动车辆自组织网络中提高了路由的选择效率,降低了链路因高速移动而导致断开重新建立链接带来的网络拓扑控制开销.
针对ORB(Oriented FAST and Rotated BRIEF)算法中的Steer BRIEF描述子只通过比较两个像素点的灰度信息来决定0/1编码,容易产生特征点误匹配现象,本文提出基于像素密度(pixel density)的ORB特征描述子算法,利用两幅图像中相同区域的某...
详细信息
针对ORB(Oriented FAST and Rotated BRIEF)算法中的Steer BRIEF描述子只通过比较两个像素点的灰度信息来决定0/1编码,容易产生特征点误匹配现象,本文提出基于像素密度(pixel density)的ORB特征描述子算法,利用两幅图像中相同区域的某一特征点邻域空间内像素密度的相似性原理,通过比较两个像素点的密度信息来决定0/1编码,计算误匹配率,验证了density-ORB算法在图像模糊、压缩、光照变化、视角变化等条件下的鲁棒性.实验结果表明,该算法减少了特征点的误匹配个数,特征点误匹配率比ORB算法降低了2.80%.
暂无评论