公开(公告)号：CN114842384B

公开(公告)日：2024-05-31

申请号：CN202210476817.0

申请日：2022-04-30

Applicant: 南京邮电大学

Inventor： 周亮 ,  李昂 ,  李沛林 ,  陈顺 ,  曹宇 ,  楼婧蕾 ,  倪守祥 ,  陈亚男 ,  陈建新 ,  魏昕

IPC: G06V20/40 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种面向6G的触觉模态信号重建方法，此重建方法包括，采集数据样本，构建包含视频和触觉模态信号的数据集；通过利用两种模态信号间的语义关联性，基于深度学习构建具有内在语义关联驱动下的跨模态信号重建模型；使用数据集对跨模态信号重建模型进行训练，直至重建信号质量满足要求或偏差无法继续优化；本发明中为面向6G跨模态应用场景，构建包括视频和触觉的模态数据集VisTouch；基于深度学习技术将具有语义关联性的视频模态信号重建为触觉模态信号；为提升信号重建质量，利用对抗损失与均方误差损失这两类损失函数作为目标函数，并基于VisTouch进行训练，验证了该重建方法的准确性。

公开(公告)号：CN117848360A

公开(公告)日：2024-04-09

申请号：CN202311172867.0

申请日：2023-09-12

Applicant: 南京邮电大学

Inventor： 汪志成 ,  李昂 ,  陈亚男 ,  李沛林 ,  倪守祥 ,  潘睿诚 ,  赵士翔 ,  黄天羿 ,  周亮

IPC: G01C21/34

Abstract: 本发明涉及一种基于轨迹平滑优化的无人车混合轨迹规划方法，包括：优化传统A*算法的搜索临域和代价函数，减少A*算法搜索临域，改进启发函数H(n)的权重，实现其自适应调整；优化传统A*算法的路径平滑度，利用一种关键点选取策略，保留必要的路径节点，得到只具有关键点全局路径，完成全局路径规划，得到一条节点少、平滑度高的路径；结合环境模型中的未知障碍物信息和改进的A*算法得到的全局路径规划节点，选择起点之后的节点依次作为改进的DWA算法中临时目标点，改进的DWA算法从起点开始不断向临时目标点行进，到达临时目标点之后更新临时目标点，直到到达终点。本发明既能实现全局最优路径规划，又能躲避随机障碍物，完成复杂环境中的动态路径规划。

公开(公告)号：CN117249842A

公开(公告)日：2023-12-19

申请号：CN202311172499.X

申请日：2023-09-12

Applicant: 南京邮电大学

Inventor： 汪志成 ,  李昂 ,  陈亚男 ,  李沛林 ,  倪守祥 ,  潘睿诚 ,  赵士翔 ,  黄天羿

IPC: G01C21/34

Abstract: 本发明涉及一种基于轨迹平滑优化的无人车混合轨迹规划方法，包括：优化传统A*算法的搜索临域和代价函数，减少A*算法搜索临域，改进启发函数H(n)的权重，实现其自适应调整；优化传统A*算法的路径平滑度，利用一种关键点选取策略，保留必要的路径节点，得到只具有关键点全局路径，完成全局路径规划，得到一条节点少、平滑度高的路径；结合环境模型中的未知障碍物信息和改进的A*算法得到的全局路径规划节点，选择起点之后的节点依次作为改进的DWA算法中临时目标点，改进的DWA算法从起点开始不断向临时目标点行进，到达临时目标点之后更新临时目标点，直到到达终点。本发明既能实现全局最优路径规划，又能躲避随机障碍物，完成复杂环境中的动态路径规划。

公开(公告)号：CN117236045A

公开(公告)日：2023-12-15

申请号：CN202311254535.7

申请日：2023-09-27

Applicant: 南京邮电大学

Inventor： 武笑笑 ,  李昂 ,  倪守祥 ,  李沛林 ,  陈亚男 ,  芦薇 ,  纪红宇 ,  周亮

IPC: G06F30/20 ,  G06F9/445 ,  G06F16/35 ,  G06F16/36 ,  G06F18/2415 ,  G06T17/05 ,  G06N3/042 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于OSG与知识图谱的三维战场态势仿真方法，使用osgEarth生成高质量的地球模型，并加载战场环境的数字高程模型和数字正射影像图，构建准确真实的三维数字地形模型。采用动态加载技术，根据当前视域显示的场景元素，预测下一步可能加载的元素，并进行数据的预加载和卸载处理，控制内存占用，确保不影响场景浏览。从装备数据库导入战场模型单位文件，将其作为gnode节点添加到场景树groot中，设置位置、标识和动画回调，丰富观察视角。利用Neo4j API与Neo4j客户端通信，将OSG实体与知识图谱中的节点相关联，建立战场的知识图谱，维护战场态势的完整性和准确性。最后利用改进的RGCN图神经网络算法进行实体分类补全知识图谱，并能够很好地挖掘潜在的实体关系。

公开(公告)号：CN114842384A

公开(公告)日：2022-08-02

申请号：CN202210476817.0

申请日：2022-04-30

Applicant: 南京邮电大学

Inventor： 周亮 ,  李昂 ,  李沛林 ,  陈顺 ,  曹宇 ,  楼婧蕾 ,  倪守祥 ,  陈亚男 ,  陈建新 ,  魏昕

IPC: G06V20/40 ,  G06V10/82 ,  G06N3/04

Abstract: 本发明公开了一种面向6G的触觉模态信号重建方法，此重建方法包括，采集数据样本，构建包含视频和触觉模态信号的数据集；通过利用两种模态信号间的语义关联性，基于深度学习构建具有内在语义关联驱动下的跨模态信号重建模型；使用数据集对跨模态信号重建模型进行训练，直至重建信号质量满足要求或偏差无法继续优化；本发明中为面向6G跨模态应用场景，构建包括视频和触觉的模态数据集VisTouch；基于深度学习技术将具有语义关联性的视频模态信号重建为触觉模态信号；为提升信号重建质量，利用对抗损失与均方误差损失这两类损失函数作为目标函数，并基于VisTouch进行训练，验证了该重建方法的准确性。