摘要：针对传统人工势场法在路径规划中存在易陷入局部极小值点、障碍物附近目标点不可达以及固定步长下易发生碰撞的问题,提出一种基于分层监测域的自适应人工势场法(APFLMD)。设计了分层监测域模型,通过建立安全避障范围,实现无人驾驶车辆速度的自适应变化,以提高车辆的避障能力。为避免无人驾驶车辆陷入局部极小值点区域,利用路径点的聚集情况实现局部极小值点的检测。设计了等势圈切线点,并结合二次贝塞尔曲线对路径进行优化,且目标点位于斥力等势圈内部时,提出一种虚拟随机引导策略,以帮助车辆逃离局部极小值点。最后,在斥力场函数中添加距离因子以解决障碍物附近目标点不可达问题。仿真结果表明,在复杂环境下APFLMD算法相较于对比算法,可分别降低49.23%的车辆行驶时间、19.4%的路径长度和车辆能耗以及82.12%的路径平滑度。

摘要：针对水下多目标定位精度依赖采样间隔的问题,提出了将深度残差网络(ResNet)和分数傅里叶变换(FrFT)相结合的多目标定位算法(MLRF).首先,建立水下多目标定位仿真模型;其次,使用ResNet训练了一种适合多目标定位的网络;然后,对回波进行FrFT得到其频谱图,使用ResNet检测频谱峰值并计算目标个数;最后,设计了一个多目标定位算法来区分不同目标数据,并估计每个目标的位置和速度.通过仿真对比了信噪比(SNR)和锚节点数量对定位的影响.实验结果表明:MLRF算法的定位均方根误差随信噪比和锚节点数量的增加而减小,并在SNR为-5时均方误差在2 m以下.该方法受噪声影响较小,能够有效应对水下多目标定位问题,并有助于水下多目标跟踪的研究.

摘要：近年来,注意力机制广泛应用于图像超分辨率重建,极大地提高了重建网络的性能。为了更有效地利用注意力机制,提出一种基于自适应双分支的图像超分辨率重建算法。该算法设计的自适应双分支模块包括注意力分支和无注意力分支,通过自适应权重层动态平衡双分支的权重,舍弃冗余特征以使两个分支达到自适应平衡;其次,设计通道重组坐标注意力模块,通过通道重组的方式实现跨组特征交互,关注不同网络层特征之间的相关性;最后,设计双层残差聚合模块,构建两层嵌套的残差结构,提取残差块中的深层特征,更有效地提高网络的特征提取能力,提高重建图像的质量。在标准数据集上的大量实验验证了所提方法具有更好的重建效果。

摘要：目的 三维点云分类作为一项关键任务,在计算机视觉、机器人和自动驾驶等领域有着广泛的应用场景。现有的三维点云分类网络在使用边卷积进行局部特征提取时通常存在输入特征差异性小,空间结构信息提取、融合不充分等问题。针对上述问题,设计了一种结合空间结构卷积和注意力机制的点云分类网络。方法 首先,提出一种空间结构卷积,在边卷积的基础上引入邻接点之间的相对位置信息来降低输入特征相似性,而后从结构和位置两个角度分别进行特征编码,实现更具多样性的局部几何结构捕获。其次,设计了全局特征编码模块,从坐标信息中提炼全局特征信息,同时在网络中融合了注意力机制,用于关联局部和全局特征表示,有效保留了全局特征信息,实现全局特征的适应性调整。最后,将局部几何结构信息和全局位置信息进行有效的融合,获得更具代表性和差异性的特征表征。结果 设计实验在公开数据集ModelNet40上对提出的网络模型的性能进行评估,点云分类总体准确率和平均准确率分别达到93.0%和89.7%,具备良好的分类性能和预测效率。实验结果表明,空间结构卷积的使用有效增加了输入特征的多样性,位置和结构的单独编码有效提高了局部特征的表达能力。同时,提出的注意力加权方式在保留全局特征前提下实现了局部特征和全局特征的关联。结论 提出的网络有较强的细粒度特征提取能力,具有良好的分类性能。

摘要：随着智慧交通、云计算网络以及边缘计算网络的快速发展,车载终端与路基单元、中心云服务器之间的信息交互变得越发频繁。针对智慧交通云边端协同计算场景下如何高效地实现车路云一体化融合感知、群体决策以及各级服务器间对资源的合理分配问题,设计了基于云边端与智慧交通全面融合的网络架构。在该架构下,通过对任务类型的合理划分,再由各服务器对其进行选择性的缓存、卸载;在智慧交通云边端协同计算场景下,依次设计了一种对任务自适应的缓存模型、任务卸载时延模型、系统能量损耗模型、车载用户对服务质量不满意度评价模型、多目标优化问题模型,并给出了一种基于改进型非支配遗传算法的任务卸载决策方案。实验结果表明,文中方案能够有效降低任务卸载过程中所带来的时延和能耗,提高了系统资源利用率,给车辆用户带来更好的服务体验。

摘要：针对水质数据在时间维度的依赖关系以及水质监测站点在空间维度的依赖关系,基于海河流域天津段实际监测的历史水质数据,设计了有效提取时空特征的方法,提出一种融合图注意力网络(GAT)、双向长短期记忆网络(Bi-LSTM)以及残差块(ResBlock)的时空水质预测模型(GAT-BILSTM-Res).该模型首先通过GAT捕获水质监测站点之间的拓扑关系,建立空间相关性模型;同时通过Bi-LSTM捕捉水质监测数据的动态变化,并对时间相关性进行建模;然后将时空特征融合,输入残差块;最后使用全连接层对预测结果进行输出.实验结果表明,相较于基线模型,该模型能够实现6.6%~25.2%的性能提升.

摘要：针对复杂背景下道路裂缝分割方法存在的边缘细节易缺失、目标误判问题,提出双层卷积和多特征融合的路面裂缝分割网络。首先,采用U-Net网络为基础架构,设计双层卷积网络改进编码部分,增大感受野,提取丰富的上下文信息.其次,引入坐标注意力模块优化解码部分,进一步加强网络对裂缝边缘细节的学习.最后,将产生的多级特征反馈至特征融合模块,堆叠通道有效融合深层和浅层特征。此外,损失函数采用二值交叉熵损失和Dice损失函数相结合的方式,有效解决了背景大于裂缝像素点导致的样本不均衡问题。通过在CRACK500、CFD、Cracktree200公开数据集上的实验结果表明:该方法实现MIoU分别为76.8%、65.3%、53.0%,比现有方法MIoU平均提高3.5%,可以实现优异的道路裂缝自动分割效果.

摘要：随着人工智能时代的到来,智能机器人被广泛运用在各个领域中,其中分拣式机器人的运用最为广泛,由于其高效快速地完成现代生产生活中的分类工作,因此在工业生产和环境科学等领域都有其身影。通过分析快递行业分拣工作存在的问题,提出了用分拣机器人进行分拣工作的策略,利用Tensorflow框架建立CNN神经网络模型,通过Keras-YOLOV3算法实现将物体归类并生成带有分类以及置信度的锚框,设计了基于深度学习的产品分拣机器人,实现对工厂流水线零件的分类和通过摄像头识别工厂流水线生产零件并利用机械臂完成零件分类工作。

摘要：通过对中科方德与CentOS操作系统中的基础配置、宏定义和软件依赖包之间的异同分析,及基础环境要求、编译打包工具和软件源等移植基本需求的梳理工作,设计了移植环境及编译支持的配置方案,并根据CentOS操作系统中适配的SRPM文件,设计并编写了适配于中科方德国产操作系统的SPEC文件,完成了Ceph移植软件包的生成工作.针对不同国产操作系统的特点,总结了国产操作系统中Ceph的移植要点.部署测试及功能性测试结果表明,移植版Ceph功能完备,符合移植要求.

摘要：随着信息技术的快速发展和信息安全防护工作要求的不断提高,我国一些企事业单位正在逐步使用国产操作系统,在其上的打印管控已成为不可缺少的一部分,但目前适用于国产操作系统的打印系统尚未成熟.针对此问题,首先研究了通用Unix打印系统(common unix printing system,CUPS)原理,然后针对国产操作系统提出基于CUPS架构的打印系统,设计打印机驱动,并将设计的打印系统部署在国产操作系统中,实现了在国产中科方德操作系统上的打印管控.测试结果显示其效率高、体积小、方便快捷,具有较强的应用价值.