基于随机事件捕获的飞行轨迹规划方法,系统及存储介质

    公开(公告)号:CN116880551B

    公开(公告)日:2024-06-14

    申请号:CN202310857276.0

    申请日:2023-07-13

    Abstract: 本发明公开了一种基于随机事件捕获的飞行轨迹规划方法,包括以下步骤:根据固定翼无人机的历史飞行数据,构建轨迹和能量消耗的关系模型;根据固定翼无人机上的相机参数和巡航区域内事件兴趣点分布情况,构建巡航任务中的随机事件仿真模型;基于关系模型和随机事件模型对固定翼无人机的三维轨迹机进行约束,并基于巡航任务周期进行变量离散化,以构建基于三维方向加速度的目标优化模型;将巡航任务输入至所述目标优化模型中,利用强化学习方法对固定翼无人机的飞行轨迹进行优化以获得规划结果。本发明还提供了一种飞行轨迹规划系统和存储介质。本发明的方法可以有效提高固定翼无人机事件捕获的能量效率,从而提升固定翼无人机巡检的自动化水平。

    基于SM2签名的网联车辆身份快速识别方法、装置及介质

    公开(公告)号:CN117768891A

    公开(公告)日:2024-03-26

    申请号:CN202311754249.7

    申请日:2023-12-19

    Abstract: 本发明公开了一种基于SM2签名的网联车辆身份快速识别方法、装置及介质,为计算资源有限的网联车辆构建安全高效的V2X通信方案,保证车联网环境下V2V、V2I通信消息的完整性、不可抵赖性。本发明基于SM2数字签名技术提出了一种基于预处理的分组批量验证方法,对实时接收到的车辆V2X消息签名及其身份证书进行验证,通过减少签名验证过程中标量乘法的计算次数,实现对大量V2X通信消息的快速验证。本发明针对分组批量验证失败的签名进行逐一验证以识别异常车辆身份,并基于历史验证信息维护车辆身份黑白名单以辅助提升身份识别效率。经过测试表明异常签名占比10%前提下,本发明实施例与连续分别验证1000个签名相比节省约50%的异常车辆识别时间。

    考虑多类型驾驶风格的交通信号强化学习控制方法和装置

    公开(公告)号:CN117275240A

    公开(公告)日:2023-12-22

    申请号:CN202311554142.8

    申请日:2023-11-21

    Abstract: 本发明公开了一种考虑多类型驾驶风格的交通信号强化学习控制方法和装置。包括:基于路口周围车辆的历史轨迹数据,确定车辆驾驶风格的类别;获取路口周围车辆的实时轨迹数据,结合确定的车辆驾驶风格类别,实时获取车辆驾驶风格;设置强化学习环境,包括状态空间、动作空间和奖励函数;对强化学习智能体进行训练;将完成训练的智能体部署在路口,实现交通信号的强化学习控制。本发明相比传统交通信号控制方法,考虑了实时的交通流量,更加智慧化;相比于其他强化学习交通控制方法,考虑了多类型的驾驶风格,有助于进一步提升交通效率。

    一种基于V2X辅助的车辆高精度定位方法、装置和存储介质

    公开(公告)号:CN116931005B

    公开(公告)日:2023-12-22

    申请号:CN202311208648.3

    申请日:2023-09-19

    Abstract: 本发明公开了一种基于V2X辅助的车辆高精度定位方法、装置和存储介质,包括以下步骤:S1:判断智能网联车的全球导航卫星系统工作状态是否有效;S2:智能网联车接收路侧单元广播信息并进行身份校验;S3:路侧单元根据智能网联车感知硬件信息,广播对应高精地图的唯一识别编码和下载地址;S4:智能网联车下载本地未检索到的高精地图;S5:智能网联车通过地图匹配定位算法获取当前位置;S6:通过航迹推算实现智能网联车定位信息实时高频更新。本发明通过V2X技术辅助智能网联车在全球导航卫星系统失效状态下保持高精度定位,结合通过V2X技术获取的周边实时交通信息,可以有效提高车辆自

    一种基于DAG结构的区块链系统及共识方法

    公开(公告)号:CN116188167B

    公开(公告)日:2023-08-04

    申请号:CN202310404466.7

    申请日:2023-04-17

    Abstract: 本发明公开一种基于DAG结构的区块链系统及共识方法,该共识方法中,节点需要为发起的交易创建相应的新区块,并从更新的本地账本中选择两个先前的边缘区块作为新区块的第一父区块和第二父区块,新区块连接在父区块之后形成DAG结构的区块账本。其中,以账本中与该新区块的业务相似性最大的边缘区块作为第一父区块,以账本中高度最大的边缘区块作为第二父区块。本发明的DAG区块链系统在保留DAG结构优势的同时,针对DAG结构下交易排序低效的问题,通过业务相似性实现不同类型的交易分层,有效提升交易排序效率;同时所有的区块都连接在高度最大的区块之后,增强了区块和整个区块链系统的安全性。

    一种使用激光雷达实时检测路面障碍物的方法和装置

    公开(公告)号:CN116299315A

    公开(公告)日:2023-06-23

    申请号:CN202310257823.1

    申请日:2023-03-10

    Abstract: 本发明公开了一种使用激光雷达实时检测路面障碍物的方法和装置,该方法通过在路侧安装激光雷达并划定检测范围;然后在产生的点云中过滤出检测范围内的点云并进行坐标转换,以获取检测点云集合;再利用随机抽样一致拟合地平面,删除地平面对应的点云,以获取障碍物点云集合;之后对障碍物点云集合中的点云采用均值漂移聚类,以获取所有目标物体的点云集合;最后利用pointnet深度网络对所有目标物体的点云集合进行处理,以将目标物体分为障碍物和非障碍物。本发明可全天候、自动实时检测路面障碍物,通过激光雷达可以检测障碍物的三维大小,其识别精度高;同时也可应用于普通的交通路口或高速公路等快速道路,适用性强。

    一种灵活以太网小颗粒时隙分配方法及装置

    公开(公告)号:CN115499085B

    公开(公告)日:2023-04-07

    申请号:CN202211437124.7

    申请日:2022-11-17

    Abstract: 本发明提供一种灵活以太网小颗粒时隙分配方法及装置,结合FlexE Client资源传输带宽需求、传输时延要求、MAC帧缓存的剩余容量设计动态数据传输优先级。同时,根据单个FlexE小颗粒时隙是否可以被多个FlexE Client使用,分别设计基于动态数据传输优先级的FlexE小颗粒时隙分配方法,在第一种方法中,单个FlexE小颗粒时隙不能被多个FlexE Client数据流使用,该方法具有低复杂度的特点。在第二种方法中,单个FlexE小颗粒时隙可以被多个FlexE Client数据流使用,可以进一步提高小颗粒时隙的带宽资源利用率。本发明能够实现小颗粒时隙资源灵活、快速、动态调整分配,并且能够显著提高资源利用率,提升FlexE Client数据流服务质量。

    一种基于路网划分和边界流量控制的信号灯管控方法

    公开(公告)号:CN114038216B

    公开(公告)日:2022-12-23

    申请号:CN202111171374.6

    申请日:2021-10-08

    Abstract: 本发明公开了一种基于路网划分和边界流量控制的信号灯管控方法,本方法先采用基于最大协同度的路网划分方法将城市全域交通路网划分为子路网簇,并将子路网的每个路口视为一个智能体,设计基于深度神经网络的多智能体强化学习方法,通过子网内智能体执行动作过程中与周围交通环境不断交互来学习生成子路网内信号灯最优协同控制策略。同时通过标定子路网宏观基本图模型,对子路网边界路段及路口进行流量控制,进一步优化子路网交通运行状态和通行效率。本发明相对于传统的交通信号灯控制方法,从全局角度对全域路网进行划分,通过对子路网内多信号灯的协同控制和子网边界的流量控制,实现城市信号灯的高效管控,对缓解城市交通拥堵具有重大意义。

    基于独立非均匀增量采样的网联车位置估计方法及装置

    公开(公告)号:CN114937081B

    公开(公告)日:2022-11-18

    申请号:CN202210854127.4

    申请日:2022-07-20

    Abstract: 本发明公开了一种基于独立非均匀增量采样的网联车位置估计方法及装置,通过将激光雷达点云映射至时空对齐的图像上,对落在图像高级语义约束区域中的映射点,按映射点所处深度区间的点密度进行独立非均匀增量采样,将采样生成的虚拟映射点反向映射至原始点云空间与原始点云合并,并利用合并后的点云基于深度学习方法进行网联车位置估计,解决距离较远或存在遮挡的网联车目标点云稀疏或缺失造成的位置估计不准确问题。本发明设计了一种独立非均匀的增量采样方法,对同一目标实例区域中的映射点按深度值等距划分若干个深度区间,对低密度深度区间设置相对更高的采样率,并限制每个区间的最高采样数,实现映射点的高效合理填充的同时避免无效采样。

    基于独立非均匀增量采样的网联车位置估计方法及装置

    公开(公告)号:CN114937081A

    公开(公告)日:2022-08-23

    申请号:CN202210854127.4

    申请日:2022-07-20

    Abstract: 本发明公开了一种基于独立非均匀增量采样的网联车位置估计方法及装置,通过将激光雷达点云映射至时空对齐的图像上,对落在图像高级语义约束区域中的映射点,按映射点所处深度区间的点密度进行独立非均匀增量采样,将采样生成的虚拟映射点反向映射至原始点云空间与原始点云合并,并利用合并后的点云基于深度学习方法进行网联车位置估计,解决距离较远或存在遮挡的网联车目标点云稀疏或缺失造成的位置估计不准确问题。本发明设计了一种独立非均匀的增量采样方法,对同一目标实例区域中的映射点按深度值等距划分若干个深度区间,对低密度深度区间设置相对更高的采样率,并限制每个区间的最高采样数,实现映射点的高效合理填充的同时避免无效采样。

Patent Agency Ranking