-
公开(公告)号：CN118365056A
公开(公告)日：2024-07-19
申请号：CN202410500706.8
申请日：2024-04-24
Applicant: 北京理工大学
IPC: G06Q10/0631 , G06Q10/0637 , G06F30/27 , G06N3/006 , G06N3/04 , G06N3/08 , G06N3/126
Abstract: 本发明公开了一种基于算法选择策略的防空资源部署方法，以多种优化算法对该模型进行求解；其中，利用战场信息和智能优化算法信息等抽象得到元特征，通过特征降维方法得到所需元特征集，通过排列组合元特征生成一层元特征和基于概率获取二层元特征；然后以每个防空样例对应的最优算法为元标签，以神经网络为模型学习元特征和元标签之间的关系，构建算法选择模型；最后，通过多组算例来验证方法的有效性；结果表明，所提算法选择模型有较高的精度，可以针对不同样例提供算法选择指导，辅助指挥官选择更适宜的智能优化算法，给解决防空资源部署问题提供参考。
-
公开(公告)号：CN118260356A
公开(公告)日：2024-06-28
申请号：CN202410262520.3
申请日：2024-03-07
Applicant: 北京理工大学
IPC: G06F16/26 , G06F16/29 , G06T17/00 , G06Q10/0637 , G06Q10/0631
Abstract: 本发明公开了一种构建三维覆盖需求热力图的数字化方法及系统，使其可以面向三维实际场景，生成数字化的覆盖需求热力图。本发明提供的方法首先对三维空间进行分层离散化；其次，基于兴趣点、探测方位与高程层次权重进行热力图网格值量化；再次，通过提出虚拟兴趣点与环境分区的概念，实现对兴趣点的多重覆盖和针对探测方位的梯次覆盖；最后，通过引入池化节点，抽取一张相对低分辨率的覆盖需求热力图，实现计算性能与计算代价的权衡。本发明提供的方法既可以支持决策者直观掌握覆盖需求态势，也可以为下游优化决策任务提供数值输入，对诸多实际问题如传感器网络部署等有益。
-
公开(公告)号：CN117611677B
公开(公告)日：2024-05-14
申请号：CN202410091570.X
申请日：2024-01-23
Applicant: 北京理工大学
IPC: G06T7/73 , G06T7/246 , G06V10/25 , G06V10/22 , G06V10/82 , G06V10/44 , G06V10/46 , G06V10/772 , G01C21/00 , G01C21/32
Abstract: 本发明涉及一种基于目标检测和结构化特征的机器人定位方法，该方法以深度相机构成的硬件平台为基础。基于RGB‑D深度相机实现了在复杂环境下的定位与地图构建，提高了定位的精度和稳定性。针对环境中存在动态物体导致的定位信息不准确或者直接定位失败的问题，使用基于卷积神经网络的YOLO算法对图像进行目标检测，去除环境中的高概率动态物体，针对低纹理环境或旋转估计中产生累积误差进而造成轨迹漂移的问题，基于曼哈顿世界假设增加结构特征。本方法在动态或低纹理的复杂环境下，极大地提高了位姿估计的准确性和鲁棒性，可广泛应用于室内机器人轨迹跟踪等场景。
-
公开(公告)号：CN117685948A
公开(公告)日：2024-03-12
申请号：CN202311482053.7
申请日：2023-11-08
Applicant: 北京理工大学
IPC: G01C21/00 , G06T17/05 , G06V20/17 , G06V10/25 , G06V10/26 , G06V10/56 , G06V10/77 , G06V10/762 , G06V10/764 , G06T5/70 , G06T5/20 , G01C21/20
Abstract: 本发明涉及一种基于无人机视角的地面导航地图构建方法，属于机器人技术领域该发明主要通过无人机在空中获取俯瞰视角图像，一次性捕获大部分环境信息。在获取图像后，采用独特的视觉处理技术，提取环境主要颜色，引入多层次的颜色阈值，划分出包含探索障目标的感兴趣区域。经过HSV颜色空间与YCbCr颜色空间鲁棒筛选与降噪去斑后，得到适用于地面机器人导航的黑白环境小地图。该处理方法不仅提高了图像的清晰度，还确保了算法在不同的环境和光线条件下都具有很好的鲁棒性。最后，使用ROS平台将地图发布给地面机器人，实现自主导航，适用于需要精确地图信息的场景。
-
公开(公告)号：CN117361013A
公开(公告)日：2024-01-09
申请号：CN202311125785.0
申请日：2023-09-01
Applicant: 北京理工大学 , 北京云迹科技股份有限公司
IPC: B65G1/137 , B65G1/04 , G06Q10/087 , G06N3/0455 , G06N3/084 , G06N3/092
Abstract: 本发明公开了一种基于深度强化学习的多机货架仓储调度方法，可以提高多机仓储调度物流系统执行效率；使用深度强化学习算法实现多机货架仓储调度问题的自主决策，人工设计成本低，求解效率高，实时性好，自适应能力好；设计了多机仓储调度网络掩码机制，结合多头注意力神经网络解决了允许执行的动作空间可变的硬性约束问题；设计了多机货架仓储调度动作空间结构，在保证动作数量较少的同时，将多智能体学习问题转化成可以集中式训练的单体马尔可夫决策过程模型，避免了多智能体强化学习中常见的非平稳环境问题和动作空间爆炸的问题，有利于保证强化学习算法的收敛和提高算法的训练速度；设计的顺序执行操作避免了多智能体同时决策产生任务冲突。
-
Patent Agency Ranking
公开(公告)号：CN117041066A
公开(公告)日：2023-11-10
申请号：CN202310841513.4
申请日：2023-07-11
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于分布估计算法的子集选择方法，涉及传感器网络部署技术领域。具体方案为：初始化概率模型；依概率模型生成规模为P的样本池；评估样本池中所有样本的目标函数值；对于最大化优化问题，根据目标函数值，对样本池中的样本进行降序排列，从样本池中提取以学习更新概率模型的样本比率；应用学习样本更新概率模型；重复上述过程直至达到预设的迭代次数上限，利用最终得到的概率模型M输出最终的子集，通过查询该子集中的元素在二维区域中确定传感器的部署点。本发明通过改进了分布估计算法，使得其可以有效解决复杂目标函数下的子集选择问题，对诸多实际应用问题如机器学习特征选择、传感器网络部署等有益。
-
公开(公告)号：CN112613534B
公开(公告)日：2023-04-07
申请号：CN202011416110.8
申请日：2020-12-07
Applicant: 北京理工大学
IPC: G06F18/25 , G06F16/332
Abstract: 本发明涉及一种多模态信息处理及交互系统，用于解决多模态交互系统中存在的模态融合方式简单，对话机制呆板的问题。包括多模态信息认知模块，多模态信息融合模块，以及多模态对话管理模块，其中，多模态信息认知模块用于对用户各模态交互信息进行识别，多模态信息融合模块利用D‑S证据理论将用户所有模态的交互信息进行意图融合，确定用户的最终交互意图，并得到对应于用户最终交互意图的可供机器识别的形式化指令；多模态对话管理模块针对多模态人机交互场景，采用有限状态机与信息槽填充方法相融合的对话管理模型，用于控制对话流程以及生成应答；本发明有效提高了用户交互意图识别准确率，实现了自然灵活的人机交互。
-
公开(公告)号：CN112613356B
公开(公告)日：2023-01-10
申请号：CN202011417147.2
申请日：2020-12-07
Applicant: 北京理工大学
Abstract: 本发明提供一种基于深度注意力融合网络的动作检测方法及装置，所述方法包括获取待检测视频；提取一个帧序列的初始特征；将所述初始特征输入残差通道‑空间注意力模块；所述初始特征经所述残差通道‑空间注意力模块处理，输出注意力机制调制后的特征；对所述注意力机制调制后的特征进行分层融合和迭代融合，得到融合特征；将所述融合特征的映射依次送入中心检测分支、位移检测分支、框检测分支处理，获得若干帧级检测窗口；基于ACT时间链接算法将所述若干帧级检测窗口连接成时空动作管道。根据本发明的方案，从通道和空间两个维度增强提取的初始特征，输出的特征不仅具有高级语义信息，也保留了低层次的空间信息。
-
公开(公告)号：CN112613349B
公开(公告)日：2023-01-10
申请号：CN202011402943.9
申请日：2020-12-04
Applicant: 北京理工大学
Abstract: 本发明提供一种基于深度混合卷积神经网络的时序动作检测方法及装置，所述方法包括获取待检测视频；将视频输入训练好的深度混合卷积神经网络，所述深度混合卷积神经网络模型包括特征编码模块、第一子网及第二子网；所述特征编码模块通过双流网络从原始视频数据中提取片段特征，所述第一子网基于所述特征编码模块提取的片段特征，获得一组提议特征，所述第二子网接收所述提议特征，基于所述提议特征之间的关系构建图，将构建的图输入GCN模型，扩大提议特征的接受区域；输出所述待检测视频的动作类别与动作起始、终止时间。根据本发明的方案，有效利用提议之间的关系，提高了时序动作检测的准确率，有效解决了时序动作检测。
-
公开(公告)号：CN113792985A
公开(公告)日：2021-12-14
申请号：CN202110967568.0
申请日：2021-08-23
Applicant: 北京理工大学
Abstract: 本发明公开一种传感器‑武器动态联合任务多目标分配方法，考虑不同作战单位之间的相互影响，能够有效快速地提供传感器平台和武器平台侦察任务分配和打击任务分配的多种指挥方案。包括：计算每个作战阶段传感器和武器能够探测到的目标，分别获得武器和传感器的初始可行性矩阵；根据所述武器和传感器的初始可行性矩阵构造初始种群并进行约束条件处理，进行迭代搜索，获得外部种群；判断所述迭代搜索是否达到迭代步数，若达到迭代步数则停止并输出外部种群，即一组任务分配。
-
-
-
-
-
-
-
-
-
Search Results
86
records
(took 0.046 seconds)
