期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于深度强化学习的无人机三维场景导航方法研究
1
作者
刘伯凯
殷雪峰
+6 位作者
孙传昱
葛慧林
魏子麒
姜雨彤
朴海音
周东生
杨鑫
《图学学报》
北大核心
2025年第5期1010-1017,共8页
近年来,无人机产业规模与应用需求不断扩大,实现无人机的自主化和智能化成为了行业内亟待解决的核心问题。无人机导航作为无人机自主控制领域的基础技术,已然成为无人机应用研究的重中之重。目前大多数无人机导航方法依赖于环境信息的重...
近年来,无人机产业规模与应用需求不断扩大,实现无人机的自主化和智能化成为了行业内亟待解决的核心问题。无人机导航作为无人机自主控制领域的基础技术,已然成为无人机应用研究的重中之重。目前大多数无人机导航方法依赖于环境信息的重建,消耗过多的计算和内存,无法满足日益复杂的场景与实时性要求。因此,基于深度学习卓越的表征学习能力与强化学习的自主学习决策能力,提出无人机自主导航方法,通过不断自主学习优化决策策略,更好地完成导航任务。首先构造连续性动作空间以及非稀疏性奖励函数,用来引导无人机的学习过程;并设计特征提取模块与决策模块来提高无人机感知能力和决策能力。实验结果表明,在仿真三维场景下,该算法表现出最优的导航避障性能,在所设计的三维场景下导航成功率可达到87%,平均累计奖励收敛值较同期方法提高33%,同时缩短训练时长,提高训练稳定性。
展开更多
关键词
深度强化学习
注意力机制
无人机
导航避障
三维场景
在线阅读
下载PDF
职称材料
面向高光子通量环境的目标深度估计方法
2
作者
杨佳熙
于乐天
+7 位作者
包骐瑞
毕胜
麻晓斗
杨晟琦
姜雨彤
方建儒
魏小鹏
杨鑫
《图学学报》
北大核心
2025年第4期756-762,共7页
单光子雪崩二极管(SPAD)的高时间分辨率特性及高精度特性为其开辟了广泛的应用空间,尤其是在对算法性能要求日益增长的计算机视觉、计算成像等领域。SPAD能对各种常见目标进行精确度较高的深度估计,但SPAD每次探测到光子后会进入一段无...
单光子雪崩二极管(SPAD)的高时间分辨率特性及高精度特性为其开辟了广泛的应用空间,尤其是在对算法性能要求日益增长的计算机视觉、计算成像等领域。SPAD能对各种常见目标进行精确度较高的深度估计,但SPAD每次探测到光子后会进入一段无法探测的猝灭期。这导致在环境中光子数量较多时,同一脉冲周期内更早到达SPAD的光子有更大概率被采集,使得最终形成的光子数量统计曲线明显向时间轴短的方向偏移,且偏移程度随着光子通量(即单位时间内探测光子数量)的增加而扩大。该现象被称为堆积效应(Pileup effect),其降低了深度估计算法的准确性。对于这一问题,搭建了用于采集SPAD光子数据的单光子探测系统,并在几种不同光子通量下采集了一个针对SPAD深度估计任务中堆积效应进行研究的目标深度数据集。在此基础上,设计了一个将光子通量作为全局特征进行学习的深度估计网络,其融合了SPAD探测结果中的局部空间特征和全局光子通量特征,在几种存在堆积效应的光子通量下均取得了较高的深度估计性能。
展开更多
关键词
单光子雪崩二极管
光子通量
堆积效应
深度估计
自注意力机制
在线阅读
下载PDF
职称材料
题名
基于深度强化学习的无人机三维场景导航方法研究
1
作者
刘伯凯
殷雪峰
孙传昱
葛慧林
魏子麒
姜雨彤
朴海音
周东生
杨鑫
机构
大连理工大学计算机学院社会计算与认知智能教育部重点实验室
江苏科技
大学
自动化
学院
中国科
学院
自动化研究所
中国北方车辆研究所先进越野系统技术全国
重点
实验室
中国航空工业集团公司沈阳飞机设计研究所
大连
大学
软件工程
学院
出处
《图学学报》
北大核心
2025年第5期1010-1017,共8页
基金
国家自然科学基金(62441216)
科技部“脑科学与类脑研究”重大项目(2022ZD0210500)。
文摘
近年来,无人机产业规模与应用需求不断扩大,实现无人机的自主化和智能化成为了行业内亟待解决的核心问题。无人机导航作为无人机自主控制领域的基础技术,已然成为无人机应用研究的重中之重。目前大多数无人机导航方法依赖于环境信息的重建,消耗过多的计算和内存,无法满足日益复杂的场景与实时性要求。因此,基于深度学习卓越的表征学习能力与强化学习的自主学习决策能力,提出无人机自主导航方法,通过不断自主学习优化决策策略,更好地完成导航任务。首先构造连续性动作空间以及非稀疏性奖励函数,用来引导无人机的学习过程;并设计特征提取模块与决策模块来提高无人机感知能力和决策能力。实验结果表明,在仿真三维场景下,该算法表现出最优的导航避障性能,在所设计的三维场景下导航成功率可达到87%,平均累计奖励收敛值较同期方法提高33%,同时缩短训练时长,提高训练稳定性。
关键词
深度强化学习
注意力机制
无人机
导航避障
三维场景
Keywords
deep reinforcement learning
attention mechanism
unmanned aerial vehicle
navigation and obstacle avoidance
3D scene
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
TP391.41 [自动化与计算机技术—计算机应用技术]
V279 [航空宇航科学与技术—飞行器设计]
V249.3 [航空宇航科学与技术—飞行器设计]
在线阅读
下载PDF
职称材料
题名
面向高光子通量环境的目标深度估计方法
2
作者
杨佳熙
于乐天
包骐瑞
毕胜
麻晓斗
杨晟琦
姜雨彤
方建儒
魏小鹏
杨鑫
机构
大连理工大学计算机学院社会计算与认知智能教育部重点实验室
大连理工大学
机械工程
学院
中国航空工业集团公司沈阳飞机设计研究所
中国北方车辆研究所先进越野系统技术全国
重点
实验室
大连
亚明汽车部件股份有限公司
出处
《图学学报》
北大核心
2025年第4期756-762,共7页
基金
国家重点研发项目(2022ZD0210500)。
文摘
单光子雪崩二极管(SPAD)的高时间分辨率特性及高精度特性为其开辟了广泛的应用空间,尤其是在对算法性能要求日益增长的计算机视觉、计算成像等领域。SPAD能对各种常见目标进行精确度较高的深度估计,但SPAD每次探测到光子后会进入一段无法探测的猝灭期。这导致在环境中光子数量较多时,同一脉冲周期内更早到达SPAD的光子有更大概率被采集,使得最终形成的光子数量统计曲线明显向时间轴短的方向偏移,且偏移程度随着光子通量(即单位时间内探测光子数量)的增加而扩大。该现象被称为堆积效应(Pileup effect),其降低了深度估计算法的准确性。对于这一问题,搭建了用于采集SPAD光子数据的单光子探测系统,并在几种不同光子通量下采集了一个针对SPAD深度估计任务中堆积效应进行研究的目标深度数据集。在此基础上,设计了一个将光子通量作为全局特征进行学习的深度估计网络,其融合了SPAD探测结果中的局部空间特征和全局光子通量特征,在几种存在堆积效应的光子通量下均取得了较高的深度估计性能。
关键词
单光子雪崩二极管
光子通量
堆积效应
深度估计
自注意力机制
Keywords
single-photon avalanche diode
photon flux
pileup effect
depth estimation
self-attention mechanism
分类号
TN312.7 [电子电信—物理电子学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于深度强化学习的无人机三维场景导航方法研究
刘伯凯
殷雪峰
孙传昱
葛慧林
魏子麒
姜雨彤
朴海音
周东生
杨鑫
《图学学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
面向高光子通量环境的目标深度估计方法
杨佳熙
于乐天
包骐瑞
毕胜
麻晓斗
杨晟琦
姜雨彤
方建儒
魏小鹏
杨鑫
《图学学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
