公开(公告)号：CN116088581A

公开(公告)日：2023-05-09

申请号：CN202310198794.6

申请日：2023-03-03

Applicant: 中南大学

Inventor： 钟萍 ,  崔永正 ,  康嘉绪 ,  陈铂垒 ,  卢思怡

IPC: G05D1/10

Abstract: 本发明公开了一种针对无人机的具有时空意识的分层次自主探索方法，包括获取无人机位姿和传感器数据，用于构建探索地图；针对构建的探索地图，检测并更新边界点，同时针对边界点进行特征提取；采用提取得到的特征信息构建局部关系矩阵；采用构建的局部关系矩阵，通过空间感知模型，针对未知区域进行结构线索的预测；采用预测的结构线索，进行探索问题的计算；采用关于探索问题的计算结果，将探索问题转换为非对称旅行商问题，针对非对称旅行商问题进行计算和区域探索；采用获得的计算结果和区域探索结果，使得无人机实现自主探索；本发明的效率得到提升、计算时间有所减少、鲁棒性得到提高。

公开(公告)号：CN116310970A

公开(公告)日：2023-06-23

申请号：CN202310198793.1

申请日：2023-03-03

Applicant: 中南大学

Inventor： 钟萍 ,  杨昊楠 ,  陈铂垒 ,  崔永正 ,  卢思怡

IPC: G06V20/40 ,  G06V20/56 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开了一种基于深度学习的自动驾驶场景分类算法，包括获取自动驾驶场景视频数据，采用数据预处理的方式构建输入数据集；构建自动驾驶场景分类初步模型；采用构建输入数据集对构建的自动驾驶场景分类初步模型进行训练，得到自动驾驶场景分类模型；采用获取的自动波驾驶场景分类模型，完成自动驾驶场景分类。本发明提高了视频分类算法的鲁棒性，能够较好地解决自动驾驶道路、天气、车辆行驶动作分类问题，分类精度和稳定性优于目前最先进的视频分类算法。

公开(公告)号：CN115963832A

公开(公告)日：2023-04-14

申请号：CN202211706791.0

申请日：2022-12-29

Applicant: 中南大学

Inventor： 陈铂垒 ,  康嘉绪 ,  钟萍 ,  崔永正 ,  卢思怡

IPC: G05D1/02

Abstract: 本发明公开了一种基于深度强化学习的机器人自主探索方法，包括机器人实时获取周围环境的数据信息；构建机器人工作空间的初始环境图；增量构建地图并检测地图的边界和信息增益；得到最终的环境拓扑地图；构建机器人自主探测学习模型；机器人采用自主探索学习模型探索周围环境并计算得到下一步的执行策略；重复以上步骤完成基于深度强化学习的机器人自主探索。本发明打破了动作空间和观察空间的维数诅咒，同时又不丢失工作空间的结构属性；采用无模型强化学习技术在与物理或仿真系统试错交互的过程中学习探索策略，无需人为干预；而且本发明方法实现了机器人的自主探索，可靠性高、准确性好且效率较高。