排序方式: 共有6条查询结果,搜索用时 31 毫秒
1
1.
2.
针对存放大量杂物的室内环境或室外高楼林立的城市场景的复杂环境,提出一种以Theta*算法做全局路径规划、改进动态窗口法(DWA)追踪路径节点的方法来实现四旋翼在三维环境下的路径规划。相较于先全局静态路径规划后路径C2连续性优化的方法,所提方法可躲避地图中未知障碍物信息并且生成的曲线符合无人机(UAV)动力学约束,保证UAV能够跟随路径而不会发生速度剧烈变化导致姿态错乱的情况。算法最终不仅生成规划好的避障路径,而且也生成电机的转速变化。所提方法可实现在无干扰情况下,仅跟踪电机转速变化就能进行轨迹跟踪,简化了UAV的控制难度。 相似文献
3.
针对以建筑信息模型(BIM)进行交付的信息共享模式所依赖的工业基础类(IFC)标准行业适用性不足且难以拓展的问题,探讨在IFC基础上引入语义网实现异源数据集成共享,并于语义层面实现信息交付。首先,通过算法解析和模型转化介绍语义化建模方法,并以二层钢框架厂房结构为例对该方法进行说明;然后,通过对转化案例进行数据模式分析,以验证建筑信息交付的准确性和建筑语义的可传递性。案例实践论证基于IfcOWL本体的语义化建模方法的可实施性;通过分析该语义化模型单元实例的数据模式,探究制约该语义化建模方法赋能建筑信息交付的关键因素;针对语义化建模方法所面临的问题,提出冗余信息规避、领域本体开发和轻量化语义建模的初步解决思路。SPARQL查询实例表明,所解析的数据模式对规避冗余信息有效。因此,该方法在共享和集成建筑多源异构信息方面具有优势,能有效提升建筑信息管理的智能化水平。 相似文献
5.
目前工地安全帽检测任务中基于深度学习的安全帽识别方法由于底层特征缺少语义与全局信息,从而导致误检与漏检的情况发生。为在保证检测网络具备实时性的情况下,使得网络具有较高的监测性能,本文提出一种轻量化超参数卷积神经网络的安全帽检测算法。该算法以RFB-MobileNet网络为基础,在骨干网络中增加多频谱通道注意力网络(Frequency Channel Attention Networks,FcaNet),增强了网络对于不同尺寸目标特征的提取能力,大幅度提升了算法网络的检测精度,实现了常规施工环境下不同形态大小安全帽的识别。此外,本文将网络中感受野(Receptive Field Block,RFB)模块和FcaNet网络中的常规卷积替换为深度超参数化卷积(Depthwise Over-parameterized Convolutional,DO-Conv),在不增加计算复杂性的情况下,进一步提升模型的检测性能。实验结果表明,本文模型(DO-RFB-Mobilenet)的mAP较RFB-MobileNet的mAP提高了7.08%,检测精度达到74.27%,检测速度达到100帧/秒。 相似文献
6.
1