-
公开(公告)号：CN112947459B
公开(公告)日：2023-03-28
申请号：CN202110218627.4
申请日：2021-02-26
Applicant: 西安交通大学
IPC: G05D1/02
Abstract: 本发明公开了一种高效的基于快速随机扩展树的路径规划方法，使用贪婪采样器在空间中采样样本点引导树的扩展，并且在遇到障碍物无法成功对树进行扩展时会判断局部环境的情况来引导树的扩展。规划器使用双树的方式搜索路径，在双树的交换方式上也采用更加灵活的方法。可以有效处理窄通道环境的规划问题。本发明使用贪婪采样器，加快了规划器探索空间的速度，从而减少了规划所需时间；环境判断过程使得树可以更容易的通过窄通道环境。环境判断过程会引导树向着计算出的可行方向扩展，树可以在障碍物附近有更好的扩展表现；两棵树的交换方式使得规划器可以更稳定的给出规划结果，不会长时间陷入一方无法扩展且无法交换的状态或是陷入频繁交换的状态。
-
公开(公告)号：CN115657676A
公开(公告)日：2023-01-31
申请号：CN202211321954.3
申请日：2022-10-26
Applicant: 西安交通大学
IPC: G05D1/02
Abstract: 一种基于优先级的集中式多AGV多径通道变道决策规划方法，包括如下步骤：S100：根据预先制定的多径通道通行规则进行路径资源的合理分配，确认多径通道下AGV是否需要变道的变道决策结果；S200：按照各AGV优先级顺序，接收所述变道决策结果，对当前AGV进行行为级规划，规划出变道的具体语义动作，并在云端生成时空通道给单机AGV。该方法能够让多AGV系统在宽阔路径上有更强大的适应性和高效性，能够让多AGV系统的宽阔路径下减少拥堵和解决突发情况。
-
-
公开(公告)号：CN115374923A
公开(公告)日：2022-11-22
申请号：CN202210925113.7
申请日：2022-08-02
Applicant: 西安交通大学
Abstract: 本公开揭示了一种基于RISC‑V与专属扩展指令集的通用神经网络AI处理器微架构，包括处理器前端单元、指令解码与分发单元、标量执行单元、向量矩阵执行单元和多级数据存储单元。该微架构采用图灵完备的细粒度指令集实现任意算法、采用专属向量、矩阵指令实现神经网络算子的高效运算，从而兼顾神经网络推理的运算能力与灵活度。该微架构在硬件架构上采用超标量乱序发射结构，从而实现标量、向量、矩阵指令的并发执行，优化针对深度神经网络推理的微架构，以确保加速器的执行效率。
-
公开(公告)号：CN115374904A
公开(公告)日：2022-11-22
申请号：CN202210924134.7
申请日：2022-08-02
Applicant: 西安交通大学
Abstract: 本公开揭示了一种用于神经网络推理加速的低功耗浮点乘累加运算方法，通过对输入的浮点数进行预处理，在计算前对小数部分进行舍入并调整其指数位，对可能会被舍入的数据进行预先的舍入和规整，省去对不必要精度的计算。同时，为了累加电路能够快速执行，采用科学技术法表示的指数的小数部分放弃原有的原码表示方法，转而采用补码表示方法。本公开利用乘累加运算的特点，使用消耗资源较少的定点运算资源实现接近浮点运算的精度，从而解决了神经网络推理过程中计算精度与硬件实现复杂度的平衡问题。
-
Patent Agency Ranking
公开(公告)号：CN111522776B
公开(公告)日：2022-04-05
申请号：CN202010343215.9
申请日：2020-04-27
Applicant: 西安交通大学
IPC: G06F15/78
Abstract: 一种计算架构，包括：片下存储器、片上缓存单元、预取单元、全局调度器、发射单元、预重组网络、后重组网络、主计算阵列、写回缓存单元、数据依赖控制器和辅助计算阵列。本架构通过预取的方式将数据块读入片上缓存中，并按照数据区块进行计算；区块的计算过程中采用区块交换网络来重组数据结构，并设置数据依赖模块来处理不同区块之间可能存在的数据依赖关系。该计算架构能够提高数据利用率、提升数据处理灵活度、从而降低Cache Miss、降低内存带宽压力。
-
公开(公告)号：CN113096176A
公开(公告)日：2021-07-09
申请号：CN202110329765.X
申请日：2021-03-26
Applicant: 西安交通大学
Abstract: 一种语义分割辅助的双目视觉无监督深度估计方法，该方法包括：S100：搭建用于预测深度图的全卷积神经网络，其中所述全卷积神经网络由编码器和解码器两部分组成，其中语义分割任务和视差估计任务共享同一个编码器和解码器；S200：利用带有双目摄像头的设备进行拍照，获取到彩色左右视图；S300：分别将获取到的彩色左右视图，输入至所述全卷积神经网络，并将此种情形下，所述全卷积神经网络输出的左右预测的视差图代入损失函数计算损失，以此来训练所述全卷积神经网络；S400：将准备好的单张彩色图输入到训练完成的所述全卷积神经网络中，输出预测的视差图，进而得到预测的深度图。
-
公开(公告)号：CN111340870A
公开(公告)日：2020-06-26
申请号：CN202010041500.5
申请日：2020-01-15
Applicant: 西安交通大学
Abstract: 本发明公开了基于视觉的拓扑地图生成方法，包括：获取图像信息，基于图像信息以预定频率抽取图像帧；基于图像帧预处理得到关键帧，判断当前是否产生回环，若产生回环，矫正当前已有拓扑地图，如果关键帧是本次建图运行过程中的第一帧图像，则在其所在位置设置拓扑节点；其他拓扑点的判别方式包括两种：一是比较图像信息与已有拓扑地图中最新加入的拓扑节点的图像，判断两幅图像的描述符相似度是否低于第一阈值，如果低于第一阈值，则将关键帧的图像所在位置作为新的拓扑节点加入拓扑地图，存储当前帧。二是判断连续若干帧的角度信息相对于上一拓扑节点是否大于第二阈值，大于则将关键帧的图像所在位置作为新的拓扑节点加入拓扑地图，存储当前帧。
-
公开(公告)号：CN110059564A
公开(公告)日：2019-07-26
申请号：CN201910208851.8
申请日：2019-03-19
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于功率谱密度和互相关熵谱密度融合的特征提取方法，首次将互相关熵谱密度运用于脑电信号处理提取频域特征，并将互相关熵谱密度与功率谱密度融合得到一种新的特征，与传统的功率谱密度和互相关熵谱密度相比，融合后的特征提取方法不仅能很好地提取信号中的频率信息，还能抑制噪声的影响。本发明相比于功率谱密度和互相关熵谱密度分别更适用于信噪比高和信噪比低的信号，新的特征不仅适用于以上两种场景，还为脑电信号的低信噪比及包含环境中未知特性的各种干扰信号提供一种性能良好的频域特征提取方法。因此基于功率谱密度和互相关熵谱密度融合的特征提取方法在实际脑机接口运用中更加易于推广和使用。
-
公开(公告)号：CN109635944A
公开(公告)日：2019-04-16
申请号：CN201811582530.6
申请日：2018-12-24
Applicant: 西安交通大学
CPC classification number: G06N3/063 , G06N3/0454
Abstract: 一种稀疏卷积神经网络加速器及实现方法，将片外DRAM中的稀疏网络的连接权重读入权值输入缓冲区，通过权值解码单元进行解码后存储在权值片上全局缓冲区；将神经元读入神经元输入缓冲区，然后将读入的神经元通过神经元解码单元进行解码后存储在神经元片上全局缓冲区；按照神经网络当前层的配置参数确定PE计算单元阵列的计算模式，将解码后排列好的神经元和连接权重发送给PE计算单元；计算神经元和连接权重的乘积；在本发明加速器中，PE单元中的乘法器全部被移位器代替，所有的基本模块都可以根据网络计算和硬件资源进行配置，因此具有速度快、功耗低、资源占用小以及数据利用率高的优点。
-
-
-
-
-
-
-
-
-
Search Results
103
records
(took 0.03 seconds)
