公开(公告)号：CN115587293A

公开(公告)日：2023-01-10

申请号：CN202211376771.1

申请日：2022-11-04

Applicant: 南京理工大学

Inventor： 许志超 ,  薛言 ,  邓佳杰 ,  韩宗桥 ,  姚文信

IPC: G06F18/10 ,  G06F18/2131 ,  G06F18/24 ,  G06F18/2135 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明适用于自动驾驶技术领域，尤其涉及一种利用轮胎信号的路面辨识方法及系统，所述方法包括：采集车辆在不同路面上行驶的轮胎信号；确定分组长度，对轮胎信号进行分组处理，得到分组信号；对分组信号进行小波变换，并进行去噪处理；对经过去噪处理的分组信号进行特征提取，得到信号特征；采用主成分分析法对信号特征进行特征降维处理，得到主要特征；构建神经网络模型，对神经网络模型进行训练和测试，利用神经网络模型进行路面辨识。本发明利用了BP神经网络对大量数据进行训练，大大提升了识别率，采取此技术方案，可以将不同胎压、速度和载重情况的轮胎信号作为参数，使道路路面的粗糙度辨识更加可靠。

公开(公告)号：CN116523161B

公开(公告)日：2024-11-08

申请号：CN202310538777.2

申请日：2023-05-15

Applicant: 南京理工大学

Inventor： 俞少华 ,  程昊 ,  沈骏羽 ,  吴昊 ,  许志超

IPC: G06Q10/047 ,  G06Q10/0835 ,  G06N5/01

Abstract: 本发明涉及自适应大邻域搜索技术领域，具体公开了一种基于深度强化学习的协同配送路径规划方法。通过获取多个客户订单信息，确定多个客户点，生成初始解，构造能够串联所有客户点的VRCD初始路径；移除节点或路径，对VRCD初始路径中的当前解进行破坏，并进行路线修复或路线构造，改变初始解的结构，形成新解；根据新解，构造DQN模型；根据DQN模型进行物资配送的路径优化。具有很好的路径优化效果，能够规划出协同配送路径相对较短的路线，从而保证及时将物资配送至所有客户点，且不仅解决了算子权重的泛化能力，不需要重复进行算子权重的训练，还能够适用于不同场景下的路径规划，使得求解效率得到了巨大提升。

公开(公告)号：CN116720806A

公开(公告)日：2023-09-08

申请号：CN202310428646.9

申请日：2023-04-20

Applicant: 南京理工大学

Inventor： 俞少华 ,  沈骏羽 ,  程昊 ,  吴昊 ,  许志超

IPC: G06Q10/0835 ,  G06Q10/047

Abstract: 本发明适用于物流配送技术领域，尤其涉及卡车机器人协同配送模型优化方法、系统及计算机设备，所述方法包括：构建卡车机器人协同配送模型的初始解；构建破坏算子和修复算子，通过破坏算子对初始解进行破坏，并通过修复算子对被破坏的初始解进行修复，得到新解；构建自适应机制，根据新解为破坏算子和修复算子赋予相应分数，并调整破坏算子和修复算子的权重；构建接受准则和终止条件，通过模拟退火控制接受概率，并输出最优解。本发明充分考虑了破坏操作和修复操作联合决定新解质量的事实，在算法权重调节过程中有效利用破坏和修复操作之间的相互影响，大大提高了自适应大邻域搜索算法的自适应能力，并且也提高了得到最优解的速度。

公开(公告)号：CN116523161A

公开(公告)日：2023-08-01

申请号：CN202310538777.2

申请日：2023-05-15

Applicant: 南京理工大学

Inventor： 俞少华 ,  程昊 ,  沈骏羽 ,  吴昊 ,  许志超

IPC: G06Q10/047 ,  G06Q10/0835 ,  G06N5/01

Abstract: 本发明涉及自适应大邻域搜索技术领域，具体公开了一种基于深度强化学习的协同配送路径规划方法。本发明通过获取多个客户订单信息，确定多个客户点，生成初始解，构造能够串联所有客户点的VRCD初始路径；移除节点或路径，对VRCD初始路径中的当前解进行破坏，并进行路线修复或路线构造，改变初始解的结构，形成新解；根据新解，构造DQN模型；根据DQN模型进行物资配送的路径优化。具有很好的路径优化效果，能够规划出协同配送路径相对较短的路线，从而保证及时将物资配送至所有客户点，且不仅解决了算子权重的泛化能力，不需要重复进行算子权重的训练，还能够适用于不同场景下的路径规划，使得求解效率得到了巨大提升。

公开(公告)号：CN116612455A

公开(公告)日：2023-08-18

申请号：CN202310543436.4

申请日：2023-05-15

Applicant: 南京理工大学

Inventor： 许志超 ,  施润 ,  吴欣杰 ,  戴迪康 ,  杨璐嘉 ,  汪林斌 ,  李江晨 ,  俞少华

IPC: G06V20/58 ,  G06V10/24 ,  G06V10/40 ,  G06V10/77 ,  G06V10/80 ,  G06V10/82 ,  G06T3/00 ,  G06T7/277 ,  G06T7/50 ,  G06T17/05 ,  G01S17/88 ,  G01S17/86

Abstract: 本发明适用于无人驾驶技术领域，提供了一种基于激光雷达与相机结合的路面状态预测方法和系统，所述方法包括：获取激光雷达与相机的激光雷达数据和相机图像信息；对相机图像信息进行处理，输出相机图像信息在BEV空间中的3D感知结果和定位；对激光雷达数据进行处理，将激光雷达数据在BEV空间中进行表示；对BEV空间中的相机图像信息和激光雷达数据进行卡尔曼滤波融合，得到路面的状态预测结果，本发明实施例对于相机的图像信息，可以预测二维图像上网格的深度分布并提取二维图像深度信息，从而重建丢失的三维信息，将二维图像变换到BEV空间(鸟瞰图)中，能有效实现对路面状态，特别是隐藏障碍的识别。