-
公开(公告)号：CN116307103A
公开(公告)日：2023-06-23
申请号：CN202310121835.1
申请日：2023-02-15
Applicant: 河南大学
IPC: G06Q10/04 , G06N3/08 , G08G1/01 , G06N3/0464 , G06N3/0442 , G06N3/048
Abstract: 本发明提出了一种基于硬参数共享多任务学习的交通事故预测方法，其步骤如下：对交通事故原始数据进行预处理；对影响交通事故发生的外部因素的数据进行处理分别得到静态因素数据和动态因素数据；通过多通道卷积网络和压缩‑激发网络提取各种静态因素数据的特征；通过Transformer网络提取各种动态因素数据的特征；进行信息融合；根据不同的预测任务分别构建其特定的网络层，在特定的网络层得到不同预测任务的预测值；构建多个预测任务的联合损失函数，利用Adam优化器得到预测模型；利用预测模型得到多个交通事故预测任务的预测结果。本发明实现了对多个交通事故预测任务的共同学习，提供更加全面更加明确的交通事故预测结果，且提高了预测精度。
-
公开(公告)号：CN112200850B
公开(公告)日：2022-10-04
申请号：CN202011110950.1
申请日：2020-10-16
Applicant: 河南大学
Abstract: 本发明的目的是提供一种基于成熟特征点的ORB提取方法，用于提高ORB特征点提取算法用于视觉SLAM统的匹配精度，通过对未成熟点的提取，对于像素梯度值没有超过阈值的点将被永久舍弃，其余的点被选为未成熟点，未成熟点经过追踪线程，深度信息能够收敛的未成熟点会被插入到局部建图中激活，转化为成熟地图点，在成熟地图点上进行ORB特征点提取，深度信息未能收敛的点会随着后端优化窗口的滑动，被边缘化移除，成熟地图点具有确切的三维坐标信息，能够与在下一帧上的位姿相匹配，准确反映周围的环境信息，随着相机运动，越来越多的成熟点地图点被插入到局部建图中，构成了局部三维点云地图，局部三维点云地图经过后端优化后，最终得到全局三维点云地图。
-
公开(公告)号：CN113868913A
公开(公告)日：2021-12-31
申请号：CN202111143402.3
申请日：2021-09-28
Applicant: 河南大学
IPC: G06F30/23 , G06F30/20 , G06F111/10
Abstract: 本发明提出了一种随机微纳目标的两级交互动态网格建模方法，该方法主要包括如下步骤：S1第一级确定性的网格单元的建立，并保存该网格单元的编号及坐标值；S2根据随机样本的数量，生成服从某一概率密度函数的随机变量，并记录随机变量所对应的坐标位置。将随机变量的坐标位置交互填充到S1中生成的第一级网格中，获得第二级网格单元；S3根据问题的样本个数，重复步骤S2获得多个随机微纳目标的电磁计算模型。本发明能实现对随机几何目标微小形变、细小凸起、随机裂缝等不确定缺陷的建模和剖分，能准确模拟随机微纳目标的实体，提高数值求解精度；解决重复性地对大样本建模剖分浪费计算资源的难题，减少数值计算的执行时间，加快电磁计算收敛速度。
-
公开(公告)号：CN112200850A
公开(公告)日：2021-01-08
申请号：CN202011110950.1
申请日：2020-10-16
Applicant: 河南大学
Abstract: 本发明的目的是提供一种基于成熟特征点的ORB提取方法，用于提高ORB特征点提取算法用于视觉SLAM统的匹配精度，通过对未成熟点的提取，对于像素梯度值没有超过阈值的点将被永久舍弃，其余的点被选为未成熟点，未成熟点经过追踪线程，深度信息能够收敛的未成熟点会被插入到局部建图中激活，转化为成熟地图点，在成熟地图点上进行ORB特征点提取，深度信息未能收敛的点会随着后端优化窗口的滑动，被边缘化移除，成熟地图点具有确切的三维坐标信息，能够与在下一帧上的位姿相匹配，准确反映周围的环境信息，随着相机运动，越来越多的成熟点地图点被插入到局部建图中，构成了局部三维点云地图，局部三维点云地图经过后端优化后，最终得到全局三维点云地图。
-
公开(公告)号：CN115766478B
公开(公告)日：2025-03-25
申请号：CN202211374256.X
申请日：2022-11-03
Applicant: 河南大学
IPC: H04L41/142 , H04W28/08 , H04L67/10
Abstract: 本发明涉及电数字数据处理技术领域，具体涉及一种空地协同边缘计算服务器的卸载方法；该方法包括：构建边缘计算场景，边缘计算场景中包括一组移动设备以及一组无人机，每个移动设备不断产生计算任务；获取移动设备在选择本地计算任务时的完成时间以及能耗成本，以得到第一成本；获取移动设备在接收卸载请求时的卸载完成时间和能量消耗；基于卸载完成时间以及能量消耗得到第二成本；获取当前移动设备的剩余电量、计算任务的截止时间以及本地计算能力，以得到当前移动设备的优先级；以第一成本、第二成本以及每个移动设备的优先级构建总成本模型，基于总成本模型确定卸载策略，最终卸载策略的效果较好且总成本低。
-
Patent Agency Ranking
公开(公告)号：CN119509565A
公开(公告)日：2025-02-25
申请号：CN202411467552.3
申请日：2024-10-21
Applicant: 河南大学
IPC: G01C21/34
Abstract: 本发明公开了一种基于异构神经回路策略的移动机器人的人群导航方法，包括构建时空图，将雷达扫描采集的原始局部地图数据转换成栅格地图数据；构建异构神经回路策略网络模型和奖励函数；将时空图和栅格地图数据输入到异构神经回路策略网络模型中，异构神经回路策略网络模型输出机器人在当前环境下最优价值的动作；搭建强化学习交互的仿真环境以训练异构神经回路策略网络模型，采用并行PPO算法加速异构神经回路策略网络模型的训练速度直到训练完成，将训练好的异构神经回路策略网络模型应用于实际场景中。本发明具有更高的导航成功率、更低的碰撞风险和更强的环境感知和建模能力，在高度动态和拥挤的复杂场景中展现出了优异性能。
-
公开(公告)号：CN118838411A
公开(公告)日：2024-10-25
申请号：CN202410832630.9
申请日：2024-06-26
Applicant: 河南大学
IPC: G05D1/695 , G05D109/20
Abstract: 本发明提出了一种基于数据驱动的合作竞争无人机集群分布式蜂拥控制方法，包括以下步骤：S1：构建非线性无人机系统模型，得到非线性函数和无人机状态误差，然后确定无人机蜂拥行为控制目标；S2：根据动态线性化方法将非线性无人机系统模型近似为动态线性化模型，得到非线性无人机系统的伪偏导数，利用动态线性化模型设计伪偏导数估计值的控制律；S3：设计用于表示无人机间合作竞争关系的加权符号函数，利用无人机状态误差和加权符号函数获取蜂拥控制误差，利用蜂拥控制误差和伪偏导数估计值的控制律设计蜂拥控制协议；S4：根据步骤S3所述的蜂拥控制协议实现无人机蜂拥行为控制。本发明利用无人机状态的非线性函数描述无人机之间的合作或竞争程度，利用无人机的实时输入和输出数据来设计控制器，以减少模型对蜂拥行为的影响。
-
公开(公告)号：CN118504769A
公开(公告)日：2024-08-16
申请号：CN202410700018.6
申请日：2024-05-31
Applicant: 河南大学
IPC: G06Q10/04 , G06N7/01 , G06N3/092 , G06N3/0455 , G06Q50/06 , G06F17/10 , G06F18/20 , G06Q30/0201
Abstract: 本发明提出了一种基于informer多智能体强化学习的复杂场景电动汽车充电引导方法，方法步骤包括：S1：综合获取电动汽车‑充电站‑交通道路交互信息；S2：基于电动汽车‑充电站‑交通道路交互信息，构建电动汽车引导多目标优化函数；S3：以充电站为智能体，将电动汽车引导多目标优化函数建立为马尔可夫决策问题，构建多智能体强化学习电动汽车充电引导框架；S4：基于多智能体强化学习电动汽车充电引导框架设计基于informer网络的行动者‑评论家算法，并通过最小化损失对行动者‑评论家算法更新；S5：计算智能体的优势函数，限制行动者‑评论家算法的更新幅度。本发明方法充分考虑了复杂场景下的信息交互，实现高效实时在线的电动汽车充电引导。
-
公开(公告)号：CN118317344A
公开(公告)日：2024-07-09
申请号：CN202410421021.4
申请日：2024-04-09
Applicant: 河南大学
Abstract: 本发明提出了一种合作‑竞争多智能体系统的防通信时延蜂拥控制方法，其步骤如下：根据多智能体蜂拥网络中智能体的位置和速度建立智能体的动力学模型，根据动力学模型构建领导者‑跟随者的Cucker‑Smale模型；根据合作和竞争效应的权重函数确定控制输入的权重；将权重转化为权重矩阵，将领导者‑跟随者的Cucker‑Smale模型转换为矩阵‑向量形式的误差系统，将误差系统等效变换为增广耦合系统，将增广耦合系统的渐进收敛转化为超随机矩阵的乘积收敛问题；利用收敛性根据超随机矩阵的乘积收敛问题得到实现蜂拥控制的代数条件；在权重函数下得到节点的位置轨迹和速度轨迹，最终相对位置误差保持在有界范围内，节点的最终速度方向完全相同，实现了蜂拥控制。本发明允许任何相邻节点之间存在竞争关系，更准确的描述自然界生物之间的随机合作/竞争关系。
-
公开(公告)号：CN118234015A
公开(公告)日：2024-06-21
申请号：CN202410461147.4
申请日：2024-04-17
Applicant: 河南大学
Abstract: 本发明提出了一种基于重心坐标的3D水下传感器网络分布定位方法，步骤为：S1、构建水下无线传感器网络：根据各传感器节点是否位于水面可分为锚节点集和非锚节点集，根据各个传感器节点的空间位置坐标将三维水下传感器网络投影到二维平面；S2、在二维平面上，结合非锚节点的三角剖分集通过重心坐标计算非锚节点的水平位置；S3、对非锚节点的水平位置进行分布式迭代定位算法，实现对水下非锚节点集的分布式定位。本发明是完全分布式的，只需要少量的在线计算即可实现整个水下无线传感器网络的定位，避免了能源损耗的风险；可以充分利用邻居节点的信息，与集中式定位方法相比有更好的鲁棒性，适合复杂的水下定位环境。本发明仅需要少量的水面锚节点就可以实现对水下大规模的非锚节点的准确定位。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.026 seconds)
