-
公开(公告)号：CN113344085B
公开(公告)日：2024-04-26
申请号：CN202110667243.0
申请日：2021-06-16
Applicant: 东南大学
IPC: G06F18/25
Abstract: 本发明公开了一种平衡偏置的多源数据协同优选与融合方法和装置，方法包括如下步骤：(1)收集每个数据提供者的数据si及其包含的数据种类信息，以及数据si的成本信息bi；(2)对收集的数据采用多属性联合的真值发现算法；(3)根据数据si包含的数据种类信息的不同对所有数据si∈S进行分组；(4)使用数据优选BPMG‑M算法决定选择的数据集合#imgabs0#(5)将选择的数据Sw输入到数据融合模块进行数据融合。装置包括主控调度模块、数据信息存储模块和数据融合参数存储模块等。本发明利用组合优化和机器学习方法提出了一种平衡偏置的多源数据协同优选与融合方法以及一种数据协同优选与融合装置，实现了平衡偏置数据的优选目标及多源优质数据的数据融合。
-
公开(公告)号：CN114676909A
公开(公告)日：2022-06-28
申请号：CN202210302308.6
申请日：2022-03-25
Applicant: 东南大学
Abstract: 本发明设计了一种利用深度强化学习模型Graph Attention based Pointer Network（GAPN）为无线传感器网络中的无人车向传感器节点进行充电的路径规划方法。流程包括如下步骤：（1）收集无线传感网络中每个节点的位置坐标信息及其电量状况（2）根据收集的数据生成与其位置信息相同分布的训练数据集和测试数据集；（3）将制作好的数据集用于GAPN模型训练；（4）将收集到的节点信息输入到完成训练的GAPN模型中，通过模型的处理，输出最终的访问节点序列。本发明基于深度强化学习和图神经网络的方法提出了一种解决无人充电车路径规划的策略，提高了无线传感网络的工作效率，延长了网络的生命周期。
-
Patent Agency Ranking
公开(公告)号：CN113344085A
公开(公告)日：2021-09-03
申请号：CN202110667243.0
申请日：2021-06-16
Applicant: 东南大学
IPC: G06K9/62
Abstract: 本发明公开了一种平衡偏置的多源数据协同优选与融合方法和装置，方法包括如下步骤：(1)收集每个数据提供者的数据si及其包含的数据种类信息，以及数据si的成本信息bi；(2)对收集的数据采用多属性联合的真值发现算法；(3)根据数据si包含的数据种类信息的不同对所有数据si∈S进行分组；(4)使用数据优选BPMG‑M算法决定选择的数据集合(5)将选择的数据Sw输入到数据融合模块进行数据融合。装置包括主控调度模块、数据信息存储模块和数据融合参数存储模块等。本发明利用组合优化和机器学习方法提出了一种平衡偏置的多源数据协同优选与融合方法以及一种数据协同优选与融合装置，实现了平衡偏置数据的优选目标及多源优质数据的数据融合。
-
公开(公告)号：CN115115785B
公开(公告)日：2025-04-29
申请号：CN202210857288.9
申请日：2022-07-20
Applicant: 东南大学
IPC: G06T17/00 , G06T3/4038 , G06V10/46 , G06V10/75 , G06V10/762
Abstract: 本发明公开了一种面向野外山林环境搜救的多机协同三维建模系统及方法，其中，地面站控制模块用于与无人机通信，将初步生成的粗飞轨迹发送给无人机，控制无人机飞行并接收无人机回传的状态信息；航拍影像实时拼接模块基于特征匹配的影像进行实时拼接；深度估计模块基于深度学习的单目图像深度估计模型，获得拼接图像的全局深度图；多机协同路径规划模块获取全局场景下高度较高的区域作为重点区域，对重点区域生成倾斜摄影轨迹，再利用改进的k聚类算法将所有轨迹点划分成任务量均衡的类别，让无人机能够经过每一类点集的所有轨迹点，根据无人机回传的图像建立待搜索区域的三维重建模型。
-
公开(公告)号：CN114676909B
公开(公告)日：2024-04-09
申请号：CN202210302308.6
申请日：2022-03-25
Applicant: 东南大学
IPC: G06Q10/047 , G06Q50/06 , G06Q50/40 , G06F18/23 , G06N3/0455 , G06N3/084 , G06N3/092
Abstract: 本发明设计了一种利用深度强化学习模型Graph Attention based Pointer Network（GAPN）为无线传感器网络中的无人车向传感器节点进行充电的路径规划方法。流程包括如下步骤：（1）收集无线传感网络中每个节点#imgabs0#的位置坐标信息#imgabs1#及其电量状况#imgabs2#（2）根据收集的数据生成与其位置信息相同分布的训练数据集和测试数据集；（3）将制作好的数据集用于GAPN模型训练；（4）将收集到的节点信息输入到完成训练的GAPN模型中，通过模型的处理，输出最终的访问节点序列。本发明基于深度强化学习和图神经网络的方法提出了一种解决无人充电车路径规划的策略，提高了无线传感网络的工作效率，延长了网络的生命周期。
-
公开(公告)号：CN116433845A
公开(公告)日：2023-07-14
申请号：CN202310422999.8
申请日：2023-04-19
Applicant: 东南大学
IPC: G06T17/00 , G06V10/762 , G06V10/80
Abstract: 本发明公开了一种基于多无人机协同的陌生环境快速建模方法及系统，至少包括航线规划模块、位置信息采集模块、影像快速拼接模块以及三维建模处理模块，所述三维模型包括基础三维模型和精细三维模型；无人机根据航线规划模块规划完成的航拍路线，通过位置信息采集模块采集无人机航拍路线过程中的数据，经过影像快速拼接模块对航拍影像进行拼接，再经过三维建模处理模块进行三维模型构建，实现陌生环境的快速建模。本方法及系统利用无人机搭载倾斜相机，基于航拍实时影像、基础三维模型以及精细三维模型的混合建模方法，实现陌生区域的快速成图，能够提升陌生复杂环境快速三维建模能力，对未来多场景下环境快速感知能力的发展具有深远的意义。
-
公开(公告)号：CN115115785A
公开(公告)日：2022-09-27
申请号：CN202210857288.9
申请日：2022-07-20
Applicant: 东南大学
IPC: G06T17/00 , G06T3/40 , G06V10/46 , G06V10/75 , G06V10/762
Abstract: 本发明公开了一种面向野外山林环境搜救的多机协同三维建模系统及方法，其中，地面站控制模块用于与无人机通信，将初步生成的粗飞轨迹发送给无人机，控制无人机飞行并接收无人机回传的状态信息；航拍影像实时拼接模块基于特征匹配的影像进行实时拼接；深度估计模块基于深度学习的单目图像深度估计模型，获得拼接图像的全局深度图；多机协同路径规划模块获取全局场景下高度较高的区域作为重点区域，对重点区域生成倾斜摄影轨迹，再利用改进的k聚类算法将所有轨迹点划分成任务量均衡的类别，让无人机能够经过每一类点集的所有轨迹点，根据无人机回传的图像建立待搜索区域的三维重建模型。
-
-
-
-
-
-
Search Results
7
records
(took 0.018 seconds)
