-
题名基于图卷积特征提取的低重叠率点云配准方法
- 1
-
-
作者
张元
阎雨梦
张乐
庞敏
韩慧妍
-
机构
中北大学计算机科学与技术学院
机器视觉与虚拟现实山西省重点实验室
北方自动控制技术研究所仿真装备部
-
出处
《激光与红外》
北大核心
2025年第6期969-977,共9页
-
基金
国家自然科学基金项目(No.62272426)
山西省科技重大专项计划“揭榜挂帅”项目(No.202201150401021)资助。
-
文摘
在低重叠率点云配准中,传统方法因特征稀疏且难以匹配,在大位姿误差或复杂变换场景下容易陷入局部最优,影响配准精度。为解决这些问题,本文提出了一种渐进特征融合金字塔网络的自适应图卷积模型,通过从粗到细寻找点云之间的对应关系。首先利用自适应图卷积(AGConv)提取和编码空间特征,然后使用渐进特征金字塔网络(AFPN)跨多个尺度融合语义信息,共同提高模型在复杂三维场景理解与分析任务上的性能;其次引入几何Transformer增强模型对全局结构和关联性的理解能力,并实现高质量超点匹配;最后结合AGConv和AFPN设计了一种局部到全局的配准方法,利用骨干学习到的局部点特征并通过叠加点匹配解决全局歧义问题,提高算法鲁棒性。实验证明该网络显著提升了低重叠率点云的配准精度。
-
关键词
低重叠率
三维点云
点云配准
自适应图卷积
多尺度特征融合
-
Keywords
low overlap rate
3D point cloud
point cloud registration
adaptive graph convolution
multi scale feature fusion
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TN958.98
[电子电信—信号与信息处理]
-
-
题名深度强化学习算法在智能军事决策中的应用
被引量：8
- 2
-
-
作者
况立群
李思远
冯利
韩燮
徐清宇
-
机构
中北大学大数据学院
北方自动控制技术研究所仿真装备部
-
出处
《计算机工程与应用》
CSCD
北大核心
2021年第20期271-278,共8页
-
基金
国家部委预研项目。
-
文摘
深度强化学习算法能够很好地实现离散化的决策行为,但是难以运用于高度复杂且行为连续的现代战场环境,同时多智能体环境下算法难以收敛。针对这些问题,提出了一种改进的深度确定策略梯度(DDPG)算法,该算法引入了基于优先级的经验重放技术和单训练模式,以提高算法收敛速度;同时算法中还设计了一种混合双噪声的探索策略,从而实现复杂且连续的军事决策控制行为。采用Unity开发了基于改进DDPG算法的智能军事决策仿真平台,搭建了蓝军步兵进攻红军军事基地的仿真环境,模拟多智能体的作战训练。实验结果显示,该算法能够驱动多作战智能体完成战术机动,实现绕过障碍物抵达优势区域进行射击等战术行为,算法拥有更快的收敛速度和更好的稳定性,可得到更高的回合奖励,达到了提高智能军事决策效率的目的。
-
关键词
深度强化学习
深度Q网络
深度确定策略梯度
智能军事决策
多智能体
-
Keywords
deep reinforcement learning
deep Q-network
deep deterministic policy gradient
intelligent military decisionmaking
multi-agent
-
分类号
TP391.9
[自动化与计算机技术—计算机应用技术]
-
