一种基于网格体系结构的AOMG方法

针对网格体系结构的异构性、开放性、自适应性等特点,利用组织学观点和Agent抽象机制,提出了一种面向Agent的分析和设计建模方法《Agent—oriented Modeling based on Grid,AOMG),用于基于网格环境的分布式应用的分析和设计。该方法定义了开放式组织、角色、Grid—Agent、服务、网格节点等概念,提出了适合于网格分布式应用的分析和设计模型,并通过一个电子商务系统对整个分析和设计建模过程进行阐述。     

一种基于神经网络的网格实时调度算法*

提出一种在指定的最终期限内,利用队列技术来模拟调度动态资源,构建一个数学神经模型调度应用的子任务,使用GridSim 工具测试的调度算法,通过大约90%的模拟实验说明了模型调度任务是成功和高效的。     

数据网格中基于优化机制的通信模型

针对基于多计算机机群构成的网格的大规模并行计算的需要,对多级分组通信模型的单一机群分组通信进行了研究。探讨了在单一机群内的主动节点、被动节点个数和各个计算节点的能力以及机群网络的带宽之间的形式化关系,优化了通信结构,描述了基于能力优化机制的通信模型。理论和试验表明,该模型充分利用了机群的计算节点能力、网络通信能力。该模型适合基于网格的并行计算。     

一种新型的网格安全体系结构

对网格安全问题的研究是网格计算中的一个热点问题。通过对网格环境下安全需求和网格基础设施GSI的分析,介绍了一种新的基于知识库的网格安全体系结构,并对这一安全结构进行了分析。     

基于Jini的集群网格并行计算平台的构建

研究如何使用分布式系统Jini体系来构建集群网格并行计算平台。首先介绍集群计算和Jini技术;然后给出基于Jini的集群计算系统模型JCCM,设计了一个在此模型上实现并行计算的通用算法,并在自强3000集群主机上对此模型及算法进行了测试,证实了该模型的可伸缩性和健壮性。     

基于Web服务的军事网格平台体系结构研究

军事网格目前已成为世界各军事强国的重点研究领域,但现有的工作尚未明确界定网格的功能结构和实现机制.提出了一种军事网格的构建方法,重点从技术层面对如何构建军事网格进行详细的设计,并紧紧围绕"服务"概念,阐述了异构的现实军事平台资源和能力如何通过军事信息网格转化为同构的网格资源服务,通过军事网格明确定义的特有"行为语义",实现更高层次的共享关系和协同解决问题的能力.     

一种基于校园网的通用网格平台

结合网格技术提出了一种基于校园网的通用网格平台模型,将校园内各单位的计算资源整合起来,形成一个功能强大的计算池,从而方便校园网用户使用和提高校内资源的利用率。     

基于GT2和MPICH-G2计算网格平台的设计

针对某些科学研究领域计算方法复杂、数据量庞大的问题,设计和构建了一个基于Globus的计算网格环境,能够发现可用计算节点,并动态提交计算任务。同时,Globus工具包2为构建网格环境和网格应用提供了可以直接调用的API函数接口,提高了并行计算的效率。通过运行一个典型的并行算法,验证了平台的可用性和高效性,并进行了结果分析。     

基于网格计算平台的并行计算系统研究与实现

把网格和高性能计算结合起来,基于网格高性能计算平台的并行计算系统(GPCS),主要介绍了GPCS的体系结构、功能及其设计、实现等几个主要的问题。该平台以通用网络为基础,以网格平台中间件为桥梁,实现了各种高性能计算资源之间的互联互通、共享和协同工作。     

基于网格的数据挖掘体系结构

随着科学技术的飞速发展以及各种网格体系结构的应用和普及,计算机网络系统环境变得非常复杂并难以管理和统一,尤其是内部软件系统的运行以及各种细节技术问题,给现在的网络环境带来了更大的挑战性。通过科学合理利用网格数据挖掘体系就能够实现网络资源的共享,为网络资源提供一个安全多样化的运行氛围和体制。本文针对网格数据挖掘体系进行了探讨和分析,通过对放网格服务体系(OGSA)思想体系的阐述,并采用分层描述的方法,围绕功能、结构、调度成本和网格服务目标等进行了讲述。     

海量点云的边缘快速提取算法

提出一种海量点云边缘快速提取算法。该算法先对点云数据进行格网组织,然后排除非边缘的离散点,最后采用Alpha Shapes判断条件提取边缘。该算法牺牲少量格网数据组织时间,节约大量的Alpha Shapes条件判断时间,从而显著提高算法效率。在VC环境下实现了该算法,实验结果表明该算法不仅具有提取外边界、空洞等功能,而且效率高。     

无需阈值支持的机载LiDAR点云数据滤波方法

点云数据滤波仍旧是现阶段机载LiDAR数据后处理的首要步骤,但其发展尚未完全成熟。在回顾和总结已有滤波算法的基础上,将统计学中偏度与峰度的概念引入到算法中,提出了一种新的基于偏度平衡的地面点与非地面点非监督分类方法,利用统计矩原理从LiDAR点云数据生成的DSM中有效地提取DTM。该方法区别传统算法的最大的优势在于无需参数或者阈值支持,并且相对于LiDAR点云数据的格式和分辨率是独立的。实验结果证明,该方法切实可行,具有较强的适应性,并且能够较好地满足精度要求。     

一种新的等高线质量评价方法

分析了传统等高线质量评价相关模型,提出了基于信息量的等高线精度评价方法和基于形状指数的等高线光滑度评价方法,并给出了具体的量化计算过程;最后通过实验验证了该评价方法的可行性。     

室内环境下UWB与LiDAR融合定位算法研究

当前全球导航卫星系统与激光雷达的数据融合被广泛应用于无人驾驶车辆的定位系统中,但在室内环境下由于卫星信号的丢失导致定位精度低甚至无法定位。为此提出一种基于超宽带（Ultra-Wideband,UWB）与激光雷达（Light Detection and Ranging,LiDAR）的融合定位算法。该算法以粒子滤波为基础,对两个传感器的定位数据进行互补融合解算。利用UWB实时定位数据通过提供起始粒子范围的方式来提高LiDAR的定位速率。通过求解LiDAR定位信息与粒子之间的几何距离来更新粒子的权重,从而弥补UWB的非视距误差。搭建一个室内测试场景,并将融合定位算法在智能小车平台上进行验证。实验结果表明,该方法优于UWB或LiDAR单一传感器的定位方案,而且在UWB视距受阻或LiDAR匹配失效的情况下,车辆仍能够获得良好的定位精度和定位实时性。     

基于机载LiDAR数据的三维树木建模方法

提出一种基于机载激光雷达系统LiDAR数据树木可视化建模的方法。利用机载LiDAR数据的特点,结合L-系统分形的思想,对传统的L-系统方法进行随机化、参数化的扩展和改进,由此对数据进行建模。针对LiDAR数据分布空间由内到外的层次特点,采取分步的建模策略,在外层建立从LiDAR数据中提取L-系统参数的方法。实验结果表明,该方法具有较好的建模效果,适用于三维数字城市、虚拟现实以及林业领域。     

基于改进四叉树的LiDAR点云数据组织研究

分析了点云数据处理中常用数据组织方法,并指出方法的性能判定指标。对常用的构建四叉树方法进行了改进以提高建立四叉树索引的速度,分析及改进索引算法改进以增进数据筛选的速度,最后通过实验证明了该方法的有效性和可靠性。     

在集群多核CPU环境下的等高线并行提取方法

分析集群环境下分布式存储编程模型和多核CPU环境下共享存储编程模型各自的优缺点,采用结合集群和多核CPU的并行环境来取长补短;并研究其在等高线提取中的相关并行算法,其中以建立三角网和跟踪等高线作为共享存储并行的研究实例;最后通过实验验证了该并行方案的可行性。     

基于梯形棋盘格的摄像机和激光雷达标定方法

针对无人车（UGV）自主跟随目标车辆检测过程中需要对激光雷达（LiDAR）数据和摄像机图像进行信息融合的问题,提出了一种基于梯形棋盘格标定板对激光雷达和摄像机进行联合标定的方法。首先,利用激光雷达在梯形标定板上的扫描信息,获取激光雷达安装的俯仰角和安装高度;然后,通过梯形标定板上的黑白棋盘格标定出摄像机相对于车体的外参数;其次,结合激光雷达数据点与图像像素坐标之间的对应关系,对两个传感器进行联合标定;最后,综合激光雷达和摄像机的标定结果,对激光雷达数据和摄像机图像进行了像素级的数据融合。该方法只要让梯形标定板放置在车体前方,采集一次图像和激光雷达数据就可以满足整个标定过程,实现两种类型传感器的标定。实验结果表明,该标定方法的平均位置偏差为3.5691 pixel,折算精度为13 μm,标定精度高。同时从激光雷达数据和视觉图像融合的效果来看,所提方法有效地完成激光雷达与摄像机的空间对准,融合效果好,对运动中的物体体现出了强鲁棒性。     

大数据环境下的平台架构技术研究

大数据时代的到来,对数据的管理和存储带来了挑战。为了更好地管理和利用大数据,对大数据的基本特征进行了剖析,从大数据和分析技术平台的视角,分析了海量并行处理架构、云计算、网格计算和MapReduce这几种重要的技术,比较了其技术特点,对运用不同的技术对大数据时代数据管理产生的作用进行了分析,讨论了大数据分析工作所需要的混合环境,整合环境资源以使能够协同工作,使得每一项技术变得更加强大有效。     

基于深度学习的道路障碍物检测方法

针对基于激光雷达（LiDAR）的三维点云数据处理及道路障碍物检测的问题,提出一种基于深度学习的路障碍物检测方法。首先,采用统计滤波算法对原始点云进行离群点的剔除处理;其次,提出一种端到端的深度神经网络VNMax,利用最大池化对区域候选网络（RPN）架构进行优化,构建改进的目标检测层;最后,在KITTI数据集上进行了训练及测试实验。结果显示,经过滤波处理,点云中各点之间的平均距离得到有效减少。通过对在KITTI数据集的简单、中等和困难任务的车辆定位处理结果比较得出,所提方法的平均精度比VoxelNet（Unofficial）分别提高了11.3个百分点、6.02个百分点和3.89个百分点。实验测试结果表明,统计滤波算法仍是有效的三维点云数据处理手段,最大池化模块可以提高深度神经网络的学习性能和目标定位能力。