-
公开(公告)号：CN119199889A
公开(公告)日：2024-12-27
申请号：CN202411412261.4
申请日：2024-10-11
Applicant: 同济大学
Abstract: 本发明实施例提供了一种基于相机和激光雷达的冰缝检测方法以及装置，该方法包括：对驾驶平台的相机和激光雷达进行联合标定；利用联合标定后的相机获取周围冰雪环境的图像；根据图像进行可见冰缝检测，得到可见冰缝检测结果；利用联合标定后的激光雷达获取周围冰雪环境的点云数据；根据点云数据进行不可见冰缝检测，得到不可见冰缝检测结果；将可见冰缝检测结果以及不可见冰缝检测结果转换至驾驶平台坐标系。以此方式，可以结合相机和激光雷达的优势准确高效地检测驾驶平台所处冰雪环境中的可见冰缝以及不可见冰缝，优化驾驶平台在冰雪环境中的导航。
-
公开(公告)号：CN118863090A
公开(公告)日：2024-10-29
申请号：CN202410809397.2
申请日：2024-06-21
Applicant: 同济大学
Abstract: 本发明的实施例提供了一种分层联邦学习方法、装置、设备及存储介质。该方法包括：基于边缘服务器可关联到的客户端的属性信息，对其可关联到的客户端进行聚类；在模型训练开始之前，执行第一方案：以离线方式根据各个客户端参与每一轮全局迭代学习的概率选择一组长期客户端，并将其分配至合适的边缘服务器，用于后续的全局模型聚合；在模型训练开始之后，执行第二方案：若边缘服务器下属的长期客户端中存在掉线的长期客户端，则从其对应的聚类结果中掉线的长期客户端所在的类中在线招募短期客户端，并将其分配至合适的边缘服务器，用于后续的全局模型聚合。以此方式，可以优化客户端选择、客户端与边缘服务器间的关联，达到减轻决策开销的目的。
-
公开(公告)号：CN118735664A
公开(公告)日：2024-10-01
申请号：CN202410809560.5
申请日：2024-06-21
Applicant: 同济大学
IPC: G06Q30/08 , G06Q10/04 , G06Q10/0631
Abstract: 本发明的实施例提供了一种基于资源超售的快速可信双阶段双重拍卖方法。该方法包括：S1，对MEC网络进行初始化以及参数定义；第一阶段，包括S2‑S4：S2，令各个资源卖家和各个资源买家以密封方式向拍卖平台提交报价，并通过预设交易算法来执行预双重拍卖，根据不同的超售率测试结果来确定最优资源分配和合同条款；S3，利用预双重拍卖阶段的结果来优化资源分配；S4：重复S2‑S3，直到找到最佳超售率，并获得最终的资源分配和合同条款；第二阶段，包括S5‑S7：S5，基于资源买家的实际出席情况和资源卖家的空闲资源情况筛选出参与第二阶段拍卖的资源买家；S6，更新参与第二阶段拍卖的资源买家；S7，执行第二阶段拍卖，得到最终的匹配矩阵和定价方案。
-
公开(公告)号：CN118158769A
公开(公告)日：2024-06-07
申请号：CN202410252269.2
申请日：2024-03-06
Applicant: 同济大学
Abstract: 本发明提出一种面向一类分簇集群的高效分布式优化方法，利用簇首对簇内成员的信息分发和收集能力，将当前有用信息分发到簇内每个成员，待簇内成员根据自身目标函数得到局部结果后，再将该结果收集起来进行加权整合，其中，在每个时间步下，簇首及簇内成员将执行计算和信息交互任务，该任务包括通过相邻簇首通信，对获取的变量值进行加权求和；将求和值和步长传输至簇内成员；簇内成员通过局部目标函数，进行迭代计算；将簇内成员变量进行加权求和，投影到约束集上，得到下一时刻决策变量；结束后，进入新一轮迭代更新，循环至满足精度要求；通过本发明方法，可以在实质上缩减网络规模，降低复杂度，实现更快的收敛，提升算法效率，降低通信负担。
-
公开(公告)号：CN116361407A
公开(公告)日：2023-06-30
申请号：CN202310243334.0
申请日：2023-03-14
Applicant: 同济大学
IPC: G06F16/29 , G06F18/23213 , G06F17/18 , G06N7/01
Abstract: 本发明涉及一种基于聚类贝叶斯优化的稀疏地图构建方法，包括以下步骤：1)构建初始数据集，并构建和训练初始代理模型；2)根据硬聚类算法和自定义距离判断标准将地图中的采样点分配到初始聚类中心，并迭代计算新的聚类中心；3)计算先验概率分布，并得到基于空间聚类的贝叶斯优化采集函数；4)选择令采集函数数值最大的空间点为新的最佳采样点，获取最佳采样点的信息和最小化不确定度；5)扩充初始数据集，对初始代理模型进行更新；6)若新的代理模型的误差大于阈值，则执行4)，若误差小于阈值或达到最大迭代次数，则进入7)；7)根据新的代理模型构建完整的稀疏地图。与现有技术相比，本发明具有更高的精度和更强的鲁棒性等优点。
-
Patent Agency Ranking
公开(公告)号：CN116224791A
公开(公告)日：2023-06-06
申请号：CN202310157883.6
申请日：2023-02-23
Applicant: 同济大学
IPC: G05B13/04
Abstract: 本发明涉及一种智能制造协作机器人边缘系统的协作训练控制方法，包括：S1、建立智能制造场景下的协作机器人边缘系统，包括协作机器人模块、边缘计算模块和云服务器模块；S2、云服务器模块将任务分配至设定数量的边缘计算模块，协作机器人模块上传设备数据到所连接的边缘计算模块；S3、在云服务器模块部署公共数据集，并将设定比例的公共数据集分发至所有边缘计算模块中；S4、每个选中的边缘计算模块进行局部模型的训练，并计算对应的聚合系数；S5、检测恶意客户端的存在，进行半异步训练模式；S6、经过多轮训练得到全局模型的参数，完成协作训练任务。与现有技术相比，本发明具有高效通信、安全以及训练效率高等优点。
-
公开(公告)号：CN116129648A
公开(公告)日：2023-05-16
申请号：CN202310184104.1
申请日：2023-02-28
Applicant: 同济大学
IPC: G08G1/01
Abstract: 本发明涉及一种路网拥堵关键节点识别方法、设备、介质，包括以下步骤：1)收集真实路网数据并进行路网建模：2)基于邻居节点集搜索方法，对复杂网络模型应用SIR传播模型方法等纳入网络模型函数；3)对原始复杂路网进行k‑shell分解，保存每个节点的ks层并确定其三层内的邻居节点集；4)根据交通拥堵特性计算每个节点的三层影响函数和总影响函数；5)根据每个节点的ks层和总影响函数值确定其在交通拥堵情境下的重要程度。与现有技术相比，本发明改进的k‑shell关键节点识别方法结合了交通路网的拓扑特性和交通车流的特性，可以准确识别交通拥堵情况下的路网关键节点。
-
公开(公告)号：CN109597275A
公开(公告)日：2019-04-09
申请号：CN201811440092.X
申请日：2018-11-29
Applicant: 同济大学
IPC: G03B35/02 , H04N13/218 , G06T17/00 , G06T11/00
Abstract: 本发明涉及一种基于双楔形棱镜的轴向分布式三维成像方法，包括多视角元素图像的获取和三维图像重建两个过程：多视角元素图像的获取过程包括：利用双楔形棱镜对光束的折射效果，保持相机和第一棱镜静止不动，通过将第二棱镜沿着光轴的一维运动，间歇性获取作为3D场景的目标物的横向透视和纵向透视的多视角元素图像；三维图像重建过程包括：根据反投影算法，将所记录的元素图像通过虚拟针孔反投影到虚拟空间场景中，并将放大和移位的元素图像叠加在同一重建平面上，选取新重叠区域的像素平均值以形成三维图像重建图像。与现有技术相比，本发明提供了空间场景集成成像实时动态显示的一种途径，丰富了集成成像技术的应用。
-
公开(公告)号：CN119987960A
公开(公告)日：2025-05-13
申请号：CN202411934672.X
申请日：2024-12-26
Applicant: 同济大学
Abstract: 本发明实施例提供了一种面向云边端协同分层联邦学习的车联网多模型训练方法。该方法应用于云边端协同分层联邦学习架构，包括：获取车联网多模型训练的多个训练任务；为每个训练任务分配初始的智能车辆和训练顺序；使用改进的粒子群优化算法和遗传算法对训练任务进行调度，优化训练任务的分配；通过贪婪算法优化训练任务的训练顺序；根据混合同步‑异步聚合规则，执行边缘服务器和云服务器的模型聚合；根据训练任务的训练情况动态调整调度策略，确保全局时间成本最小化；当全局训练任务达到预设的准确率或时间要求时，输出最终的全局模型。以此方式，可以应对动态IoV环境中的多模型训练问题，同时实现全局时间成本最小化与任务间的训练平衡。
-
公开(公告)号：CN119937373A
公开(公告)日：2025-05-06
申请号：CN202411907084.7
申请日：2024-12-24
Applicant: 同济大学
IPC: G05B19/042
Abstract: 本发明实施例提供了一种高动态飞行系统安全控制方法、装置、设备及存储介质。该方法包括：S1：对高动态飞行系统的数据进行初始化；S2：计算可达集在lk方向上的支撑点，并进行相关判别；S3：计算可达集和非安全椭球域U的闵可夫斯基差在lk方向上的支撑点pk，判断支撑点pk对应的支撑超平面是否划分了原点和可达集和非安全椭球域U的闵可夫斯基差；S4：检测点集P中的点个数，如果个数小于n+1，执行S5，否则，执行S6；S5：令k＝k+1，计算lk，之后返回S2；S6：计算原点关于该n+1个点构成的单纯形的重心坐标Λ，基于此判别原点是否在点集P中的n+1个点构成的单纯形的内部。以此方式，可以有效实现高动态飞行系统的安全控制。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.022 seconds)
