为了提高自动驾驶汽车环境感知与安全性,构建高精度的环境地图,提出了基于双目视觉与惯性测量单元(Inertial Measurement Unit, IMU)的多源异构信息融合同步定位与地图构建(Simultaneous Localization and Mapping, SLAM)算法。首先,针...为了提高自动驾驶汽车环境感知与安全性,构建高精度的环境地图,提出了基于双目视觉与惯性测量单元(Inertial Measurement Unit, IMU)的多源异构信息融合同步定位与地图构建(Simultaneous Localization and Mapping, SLAM)算法。首先,针对双目视觉与IMU信息融合的问题,采用紧耦合方法,结合双目视觉传感器的深度感知能力和IMU的快速运动捕捉能力,在系统初始化过程中,引入了一次最大后验估计对双目相机与IMU进行处理;然后,在后端优化中,采用基于滑动窗口的非线性优化算法求解最优位姿;最后,通过自动驾驶试验平台搭建了SLAM系统实物验证平台,设计完成了SLAM系统定位试验和相关性能验证试验。结果表明,双目视觉与IMU信息融合的SLAM系统相较于单目视觉惯性融合(VINS-Fusion)算法的定位精度可提升30.34%,在试验和实际场景中均表现出了有效性。设计的多源异构信息融合的SLAM系统能够显著提升定位精度,且在交通安全环境中具有良好的应用前景,对于提高自动驾驶系统的性能和安全性具有重要意义。展开更多
为解决第三代音视频编码标准(audio video coding standard 3,AVS3)帧内预测的耗时问题,提出一种基于最小编码单元(coding unit,CU)代价的帧内预测并行算法。首先,将图像划分为最小CU。然后,利用原始像素作为参考,并行计算所有最小CU的...为解决第三代音视频编码标准(audio video coding standard 3,AVS3)帧内预测的耗时问题,提出一种基于最小编码单元(coding unit,CU)代价的帧内预测并行算法。首先,将图像划分为最小CU。然后,利用原始像素作为参考,并行计算所有最小CU的帧内模式代价。最后,用代价组合的方式快速计算出其他CU的帧内模式优先级,选择最优的15个模式进入粗略模式决策(rough mode decision,RMD)阶段。此外,为减少方法引入的误差,提出了3种优化策略。在预测前对原始像素进行预处理,使其更贴合重构像素;修改帧内预测的代价函数,以更准确地估计每种模式的优先级;大尺寸CU使用顶层的CU代价作为参考,减少CU组合累积的误差。实验结果表明,在码率仅下降0.35%的情况下,整体编码的计算时间减少了27%,有效地减少了帧内预测的耗时并保证了编码质量。展开更多
针对带时间窗的时间依赖型同时取送货车辆路径问题(Time Dependent Vehicle Routing Problem with Simultaneous Pickup-Delivery and Time Windows,TDVRPSPDTW),本文建立以车辆固定成本、驾驶员成本、燃油消耗及碳排放成本之和为优化...针对带时间窗的时间依赖型同时取送货车辆路径问题(Time Dependent Vehicle Routing Problem with Simultaneous Pickup-Delivery and Time Windows,TDVRPSPDTW),本文建立以车辆固定成本、驾驶员成本、燃油消耗及碳排放成本之和为优化目标的数学模型;并在传统蚁群算法的基础上,利用节约启发式构造初始解初始化信息素,改进状态转移规则,引入局部搜索策略,提出一种带自适应大邻域搜索的混合蚁群算法(Ant Colony Optimization with Adaptive Large Neighborhood Search,ACO-ALNS)进行求解;最后,分别选取基准问题算例和改编生成TDVRPSPDTW算例进行实验。实验结果表明:本文提出的ACO-ALNS算法可有效解决TDVRPSPDTW的基准问题;相较于模拟退火算法和带局部搜索的蚁群算法,本文算法求解得到的总配送成本最优值平均分别改善7.56%和2.90%;另外,相比于仅考虑碳排放或配送时间的模型,本文所构建的模型综合多种因素,总配送成本平均分别降低4.38%和3.18%,可有效提高物流企业的经济效益。展开更多
文摘为了提高自动驾驶汽车环境感知与安全性,构建高精度的环境地图,提出了基于双目视觉与惯性测量单元(Inertial Measurement Unit, IMU)的多源异构信息融合同步定位与地图构建(Simultaneous Localization and Mapping, SLAM)算法。首先,针对双目视觉与IMU信息融合的问题,采用紧耦合方法,结合双目视觉传感器的深度感知能力和IMU的快速运动捕捉能力,在系统初始化过程中,引入了一次最大后验估计对双目相机与IMU进行处理;然后,在后端优化中,采用基于滑动窗口的非线性优化算法求解最优位姿;最后,通过自动驾驶试验平台搭建了SLAM系统实物验证平台,设计完成了SLAM系统定位试验和相关性能验证试验。结果表明,双目视觉与IMU信息融合的SLAM系统相较于单目视觉惯性融合(VINS-Fusion)算法的定位精度可提升30.34%,在试验和实际场景中均表现出了有效性。设计的多源异构信息融合的SLAM系统能够显著提升定位精度,且在交通安全环境中具有良好的应用前景,对于提高自动驾驶系统的性能和安全性具有重要意义。
文摘为解决第三代音视频编码标准(audio video coding standard 3,AVS3)帧内预测的耗时问题,提出一种基于最小编码单元(coding unit,CU)代价的帧内预测并行算法。首先,将图像划分为最小CU。然后,利用原始像素作为参考,并行计算所有最小CU的帧内模式代价。最后,用代价组合的方式快速计算出其他CU的帧内模式优先级,选择最优的15个模式进入粗略模式决策(rough mode decision,RMD)阶段。此外,为减少方法引入的误差,提出了3种优化策略。在预测前对原始像素进行预处理,使其更贴合重构像素;修改帧内预测的代价函数,以更准确地估计每种模式的优先级;大尺寸CU使用顶层的CU代价作为参考,减少CU组合累积的误差。实验结果表明,在码率仅下降0.35%的情况下,整体编码的计算时间减少了27%,有效地减少了帧内预测的耗时并保证了编码质量。
文摘针对带时间窗的时间依赖型同时取送货车辆路径问题(Time Dependent Vehicle Routing Problem with Simultaneous Pickup-Delivery and Time Windows,TDVRPSPDTW),本文建立以车辆固定成本、驾驶员成本、燃油消耗及碳排放成本之和为优化目标的数学模型;并在传统蚁群算法的基础上,利用节约启发式构造初始解初始化信息素,改进状态转移规则,引入局部搜索策略,提出一种带自适应大邻域搜索的混合蚁群算法(Ant Colony Optimization with Adaptive Large Neighborhood Search,ACO-ALNS)进行求解;最后,分别选取基准问题算例和改编生成TDVRPSPDTW算例进行实验。实验结果表明:本文提出的ACO-ALNS算法可有效解决TDVRPSPDTW的基准问题;相较于模拟退火算法和带局部搜索的蚁群算法,本文算法求解得到的总配送成本最优值平均分别改善7.56%和2.90%;另外,相比于仅考虑碳排放或配送时间的模型,本文所构建的模型综合多种因素,总配送成本平均分别降低4.38%和3.18%,可有效提高物流企业的经济效益。
