公开(公告)号：CN118964842A

公开(公告)日：2024-11-15

申请号：CN202410986999.5

申请日：2024-07-23

Applicant: 电子科技大学

Inventor： 武畅 ,  杜小琦 ,  王宏 ,  李秋岑 ,  杨小漫 ,  夏玉林

IPC: G06F18/10 ,  G06F18/213 ,  G06N3/0455 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明提出了一种基于多尺度Transformer的自适应经验模态分解预测方法，包括以下步骤：S1：基于时间序列，对数据进行预处理；S2：将S1的结果输入到自适应经验模态分解预测算法结构中，对输入数据集进行自适应经验模态分解，得到有限个本征模函数；S3：模型将S2的结果输入多尺度编码器中，得到各尺度编码特征向量；S4：将S3的结果输入多尺度解码器中，得到各尺度解码特征向量；S5：对S4的结果进行拼接和线性变换，得到时间序列预测结果。本发明提出的算法结合了自适应经验模态分解技术和多尺度Transformer模型。因此其不仅提高了预测的准确性和鲁棒性，还具备自适应能力，能够有效地避免数据中噪声的干扰，以适应非平稳时间序列。

公开(公告)号：CN118674781A

公开(公告)日：2024-09-20

申请号：CN202410751219.9

申请日：2024-06-12

Applicant: 电子科技大学

Inventor： 武畅 ,  赵志奇 ,  郭子凡 ,  李其炎 ,  宋子为 ,  夏玉林

IPC: G06T7/73 ,  G06T7/246 ,  G06T7/593 ,  G06V10/44 ,  G06V10/46 ,  G06V10/75 ,  G06V10/74 ,  G06V10/82 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0464

Abstract: 本发明提出了一种融合深度学习网络的视觉SLAM方法。属于计算机视觉领域。包括以下步骤：步骤S1，系统接受输入的图像对，用深度学习提取局部特征描述符来替代传统手工设计的特征；步骤S2，基于LightGlue深度学习网络(一种用于局部特征匹配的图神经网络),在极短的时间内实现前后帧图像特征之间的精准匹配；步骤S3，对双目图像帧进行预处理，计算每个像素匹配代价的累积函数，并利用立体深度估计模块实现精确的立体视觉重建与深度估计；步骤S4，输出特征点匹配对与深度估计结果，并应用于视觉同步定位与建图(VSLAM)的实现中。通过使用深度学习提高局部特征的鲁棒性，提升图像帧之间数据关联的准确性，我们的方法在不牺牲整体效率的情况下大幅提高了系统实时定位精度。即使是在极具挑战性的低光照场景中，本文提出的VSLAM方法也能克服ORB‑SLAM2(一种基于特征点法的经典视觉SLAM框架)等流行算法可能无法稳定运行的难题，仍然可以准确地跟踪相机位置并构建环境地图。

公开(公告)号：CN117470218A

公开(公告)日：2024-01-30

申请号：CN202311373969.9

申请日：2023-10-23

Applicant: 电子科技大学

Inventor： 武畅 ,  李其炎 ,  袁翼飞 ,  杜小琦 ,  夏玉林

IPC: G01C21/00 ,  G06T7/73 ,  G01C21/16 ,  G01S17/86

Abstract: 本发明提供了一种环境平面信息有效合并的定位建图方法，属于激光SLAM技术领域，包括以下步骤：获取激光雷达单帧点云；IMU前向传播获得系统初始位姿、反向传播去除点云畸变；去畸变后的点云进行空间体素划分，各体素中拟合平面，估计协方差矩阵；利用IMU位姿将新到来激光点投影至局部地图，计算点到对应体素平面的距离残差，加入IESKF中获得系统最佳位姿；新到来激光点利用迭代后状态映射至对应体素中，更新平面，协方差信息；利用并查集算法合并相邻共面平面，更新合并后的平面参数和协方差，用于后续激光帧的位置计算。本发明的平面合并定位建图算法相比于传统激光SLAM算法，鲁棒性更好，定位精度更高，算力消耗和内存占用比传统激光SLAM算法更低。

公开(公告)号：CN119676255A

公开(公告)日：2025-03-21

申请号：CN202411737055.0

申请日：2024-11-29

Applicant: 电子科技大学

Inventor： 武畅 ,  张颖 ,  张锐 ,  黄宇航 ,  李秋岑 ,  夏玉林

IPC: H04L67/1097 ,  H04L67/1074 ,  H04L9/00 ,  G06F16/182 ,  G06N3/092

Abstract: 本发明提出了一种基于区块链的可信自适应文件分配方法，包括以下步骤：S1：读取节点的报名信息，以生成报名信息表单；S2：比较报名信息表单中的报名节点数量与预设的初始需求数量，以获得大小关系；S3：根据不同大小关系，选择分散型分配模型或者是集中型分配模型作为文件分配策略；S4：通过确定的文件分配策略对文件进行分配，以生成文件分布表单；S5：将文件分布表单上传到区块链网络。

公开(公告)号：CN119030687A

公开(公告)日：2024-11-26

申请号：CN202411127124.6

申请日：2024-08-16

Applicant: 电子科技大学

Inventor： 武畅 ,  张锐 ,  张颖 ,  黄宇航 ,  李秋岑 ,  夏玉林

IPC: H04L9/00 ,  H04L67/1074 ,  H04L67/1095 ,  H04L67/12 ,  H04L67/06

Abstract: 本发明提出了一种基于区块链的可信文件分布式存储管理系统。通过引入可信自适应文件分配算法，本发明能够根据存储节点的实时状态，动态调整文件分配策略，有效提升数据存储的效率和安全性。本发明采用智能合约技术实施节点激励与维护机制，通过自动监控节点行为并执行奖励或惩罚，维护了系统的长期高可用性和数据隐私性。本发明能够有效解决现有分布式存储系统在资源配置不平衡、数据安全性挑战、以及存储节点参与动力不足等关键问题，为分布式文件存储领域提供了一种新的解决方案。