摘要：针对移动机器人在大范围室内环境的定位难题,提出了一种基于圆柱特征的全局定位方法。首先,设计一种参数化地图,采用随机采样一致性算法和几何模型分割出地图中的圆柱点云,利用栅格地图描述环境中稳定人工构筑物的分布。其次,采用轻量级二进制文件记录圆柱和地物分布。然后,基于圆柱独特的几何特性(离群性、对称性和显著性),提出一种实时LiDAR点云圆柱分割方法。最后,设计两种位姿求解策略:第一种是启发式搜索,在地图与实时数据中搜索出最佳匹配圆柱,进而分别解算平移量和旋转量;第二种是优化求解,利用圆柱之间的拓扑关系构建约束条件并计算最优位姿。为验证所提方法的可行性,采用16线激光雷达在大厅、走廊及混合场景3种典型室内环境进行全局定位和回环检测实验。实验结果表明,该方法可有效实现典型空旷室内环境中机器人的全局定位,可达到90%的定位成功率以及0.073 m定位误差,部分数据可达到毫米级定位精度,最快速度在100 ms内,位置识别性能达到主流方法水平。该方法基本满足实际应用中自动驾驶对全局定位的精度和效率要求。

摘要：工业互联网背景下的移动边缘计算(Mobile Edge Computing,MEC)通过在靠近终端的位置部署边缘服务器,将计算任务卸载到工业网络边缘,以满足任务实时响应和终端节能的需求.由于工业场景复杂性和环境动态性,卸载决策需要在满足任务时延需求的同时尽可能降低系统成本,为此提出了一个基于深度确定性策略梯度(Deep Deterministic Policy Gradient,DDPG)的工业任务卸载策略.首先构建了一个端边协同的智能工厂MEC系统模型,以降低任务总时延和系统能耗为目标,将卸载问题转化为混合整数非线性规划问题,然后设计采用DDPG算法来得到最优卸载决策,提高服务质量,最大化节约系统成本.仿真结果表明,该策略在降低时延、系统能耗和成本方面比其他方法更优.

摘要：增量式运动恢复结构(ISfM)已成为无人机影像三维重建的关键技术。然而,大数据量、大重叠度和高分辨率的无序无人机影像导致的匹配对检索代价大、迭代优化误差累积和效率低的问题,使其难以满足大场景ISfM处理需求。本文提出联合全局描述子和图索引的无人机影像并行化SfM方法。针对影像特征数量大、影像检索编码本尺寸增加导致的匹配对检索效率低的问题,设计了联合全局描述子和图索引的高效影像检索方法,从而加速影像匹配。针对分块并行化SfM子场景合并存在同名点搜索效率低、内存消耗大、合并解算精度低的问题,设计了基于按需匹配图和双向重投影误差的子场景合并方法,实现无人机影像的并行化SfM重建。利用不同场景、不同采集方式获取的真实无人机影像进行试验,结果表明本文方法能够实现36~108倍加速比的匹配对检索,ISfM重建效率达到30倍加速,且相对定向和绝对定向精度与传统方法相当。

摘要：相机自检校直接决定无人机影像空三的精度。沿输电线路走廊采集的长航带结构无人机影像是一种典型的退化配置,对其自检校容易出现“碗状”效应。为解决该问题,传统方法往往依赖较多控制点,而提出的自检校方法仅需一个控制点。首先研究经典物理模型和最新的数学模型;然后在增量式SfM(structure from motion)框架下,设计了一种联合无人机影像相机检校参数初始化和高精度差分全球导航卫星系统(global navigation satellite system,GNSS)位置信息辅助的相机自检校方法。利用两个实验区域不同采集模式下的4组无人机电力走廊影像进行无控制约束以及单个控制点约束的相机自检校实验。结果表明,提出的相机自检校策略在无控制点约束时,可以有效缓解长航带结构空三的“碗状”效应,减轻模型的弯曲程度,提高自检校空三的绝对精度;单个控制点约束自检校时,水平和高程精度均优于0.06 m。与当前主流开源和商业软件对比,该算法能够得到相当或更高精度。

摘要：离散数学是计算机大类专业核心课程,通过离散事务与状态的表示与分析,旨在培养学生的抽象思维、缜密概括和逻辑推理能力。然而,离散数学的知识体系各自独立,知识点相互孤立,课程缺少计算机领域的具体应用案例,课程教师往往以传授知识讲解课程内容为主,导致学生无法掌握离散数学的内涵。基于此,在分析离散数学学习者心理特征的基础上,遵循“以学生为中心”的教学理念,引入建构主义教学理论和协作学习理论,从课内教学和课外学习两个层面,设计课堂教学策略和课外小组协作学习策略,并通过案例展示课程教学的呈现形式,设计学习目标、组织策略及实施案例。通过对比实验分析可知,该教学方法能够有效提高学习者兴趣,教学效果较好。

摘要：针对高等工程教育的内涵式发展需要建立高质量人才培养体系所面临的一系列教学问题,提出从培养方案设计开始强化工程教育“学生中心、产出导向、持续改进”理念,改革现有方案设计的方法,结合武汉大学2023版培养方案修订工作的开展,阐述如何将工程教育认证的思想方法充分运用在方案修订过程中,并验证方案的有效性,目的是适应工程教育内涵式发展需要,进一步推动教学水平提升。

摘要：人工智能技术的发展给人们的生活带来了极大的便利,自然语言处理技术在其中发挥着重要作用.基于Transformer神经网络架构的聊天生成预训练转换器(chat generative pre-trained transformer,ChatGPT),具有强大的语言理解和文本生成能力,可以根据用户输入的信息和问题,快速生成高度匹配用户意图的响应,其精度和反应速度相当出色.本文结合人工智能技术应用于工业领域的特征,介绍了 ChatGPT在众多自然语言处理任务中展现出的非凡能力,展望了 ChatGPT在工业应用中研发设计、生产运维和经营管理等环节的应用可能性,列举了当前ChatGPT应用于工业领域存在多方面限制,并提出改进方向,以便更好地满足工业应用的需要.

摘要：针对数字图像处理及应用实验教学的需要,结合当下图像处理技术的热点应用,利用虚拟仿真技术、交互操作等信息化手段进行实验教学,设计并开发了数字图像处理及应用虚拟仿真实验教学平台。实验教学平台包含交通标志数字图像处理、图像分类、图像识别、视频处理、自动驾驶应用等5个虚拟仿真实验教学资源,共13个交互实验步骤。该平台特色显著、虚实结合,达到了良好的教学效果,为“新工科”背景下的虚拟仿真实验教学提供有益的参考。

摘要：面向虚拟介入手术导丝导管三维定位需求,针对狭窄脑血管等对更小体积传感器的要求,提出了单线圈接收端的电磁定位新模型。基于电磁学理论和几何学原理,设计了三正交线圈组阵列的电磁场发射端,以及比现有感应器尺寸更小的单线圈接收端。基于毕奥-萨伐尔定律实现了接收端到线圈组几何中心的距离计算,并基于球交点公式实现了接收端的空间坐标求解。设计了两轮精度提升算法进一步减小误差,选择优化的发射端线圈组拓扑并拟合修正距离计算值。通过在COMSOL Multiphysics多物理仿真平台的实验和脑血管介入的应用实例,验证了新模型0.05 cm的定位精度和29 Hz的定位频率,为小型高精度电磁定位传感器制造提供了理论基础。

摘要：软件系统是一个复杂的人工制品,类之间的交互关系对软件质量有着潜在影响,如软件缺陷的级联传播效应就是一个典型.如何准确预测软件系统中类之间合理关系,优化设计结构是软件质量保障的一个开放问题.从软件网络观的视角,综合考虑软件系统中类与类之间关系(外部图),以及每个类内部方法之间关系(内部图),将软件系统抽象成一个图中图结构的软件网络,并在此基础上提出一种基于图中图卷积神经网络的类交互关系预测方法.首先对每个类内部图进行卷积得到类节点的初始特征,再通过外部图的卷积更新类节点的表征向量,最后通过计算类节点对的评估值进行交互预测.根据在6个Java开源项目上的实验结果显示,图中图结构有助于提高软件系统结构的表征能力,且所提方法与常规网络嵌入方法相比,AUC值和AP值的平均增长率超过5.5%.与此同时,和两种同行方法相比,AUC值和AP值的平均增长率分别在9.36%和5.22%以上.