公开(公告)号：CN117411908A

公开(公告)日：2024-01-16

申请号：CN202311423072.2

申请日：2023-10-30

Applicant: 南京大学 ,  南京中拓科技有限公司

Inventor： 张丽敏 ,  谭天颐 ,  许新宇 ,  韦楠楠 ,  程诚 ,  陈永

IPC: H04L67/12 ,  H04L67/10 ,  H04L67/1095

Abstract: 本发明涉及一种基于云边端架构的智能监测系统，包括终端设备、边缘设备、云平台和自定义服务器，边缘设备通过网络纳入到云平台的边缘节点并将结果传输到自定义服务器，服务器后台传入数据到云数据库。本发明根据不同实际场景对边缘设备和终端设备的需求，将不同的算法分布式下发到对应场景的边缘设备上，实现了分布计算、逐层筛选、统一管理，具有延时低，服务器可自定义，算法分布式下发，集中式管理，程序可扩张性强的显著优势。

公开(公告)号：CN115392449A

公开(公告)日：2022-11-25

申请号：CN202110566905.5

申请日：2021-05-24

Applicant: 南京大学

Inventor： 武港山 ,  程诚 ,  鲁涛 ,  王利民

IPC: G06N3/08 ,  G06N3/04 ,  G06V10/80 ,  G06V10/774 ,  G06V10/82

Abstract: 一种基于点云数据的自监督学习场景流方法，利用点云数据本身的特性来构建数据项约束与平滑项约束，用这两种约束来评估两帧点云的相似性，并以此误差来训练一个的自监督网络，用于得到场景流。本发明利用点云数据内部的约束来评估运动后的第二帧点云与预测的第二帧点云的相似性，从而预测出场景流，相比现在的方法，或利用有标签的点云数据进行有监督的学习，或通过具有深度信息的2.5D或3D图像数据把2D光流转换到3D中来解决这个问题，本发明直接消费点云数据并用自监督的深度学习方法学习场景流。本发明方法很好的考虑了点云数据本身的特性，对此建立起数据项约束；除此之外本发明也考虑了场景级点云数据局部的刚体性，建立了平滑项约束。