检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

联合深度图聚类与目标检测的像素级分割算法

模式识别与人工智能 2022年第2期35卷 130-140页

作者：方宝富张旭王浩合肥工业大学计算机与信息学院合肥230601

获取周围环境中的语义信息是语义同时定位与建图(Simultaneous Localization and Mapping,SLAM)的重要任务,然而,采用语义分割或实例分割网络会影响系统的时间性能,采用目标检测方法又会损失一部分精度.因此,文中提出联合深度图聚类与... 详细信息

获取周围环境中的语义信息是语义同时定位与建图(Simultaneous Localization and Mapping,SLAM)的重要任务,然而,采用语义分割或实例分割网络会影响系统的时间性能,采用目标检测方法又会损失一部分精度.因此,文中提出联合深度图聚类与目标检测的像素级分割算法,在保证实时性的前提下,提高当前语义SLAM系统的定位精度.首先,采用均值滤波算法对深度图的无效点进行修复,使深度信息更真实可靠.然后,分别对RGB图像和对应的深度图像进行目标检测和K-means聚类处理,结合两者结果,得出像素级的物体分割结果.最后,利用上述结果剔除周围环境中的动态点,建立完整、不含动态物体的语义地图.在TUM数据集和真实家居场景中分别进行深度图修复、像素级分割、估计相机轨迹与真实相机轨迹对比实验,结果表明,文中算法具有较好的实时性与鲁棒性.

关键词：视觉同时定位与建图语义同时定位与建图图像聚类目标检测

稀疏奖励场景下基于个体落差情绪的多智能体协作算法

在线全文

学校读者我要写书评

暂无评论

模式识别与人工智能 2022年第5期35卷 451-460页

作者：王浩汪京方宝富合肥工业大学计算机与信息学院合肥230601 合肥工业大学情感计算与先进智能机器安徽省重点实验室合肥230601

针对在多智能体环境中强化学习面临的稀疏奖励问题,借鉴情绪在人类学习和决策中的作用,文中提出基于个体落差情绪的多智能体协作算法.对近似联合动作值函数进行端到端优化以训练个体策略,将每个智能体的个体动作值函数作为对事件的评估... 详细信息

针对在多智能体环境中强化学习面临的稀疏奖励问题,借鉴情绪在人类学习和决策中的作用,文中提出基于个体落差情绪的多智能体协作算法.对近似联合动作值函数进行端到端优化以训练个体策略,将每个智能体的个体动作值函数作为对事件的评估.预测评价与实际情况的差距产生落差情绪,以该落差情绪模型作为内在动机机制,为每个智能体产生一个内在情绪奖励,作为外在奖励的有效补充,以此缓解外在奖励稀疏的问题.同时内在情绪奖励与具体任务无关,因此具有一定的通用性.在不同稀疏程度的多智能体追捕场景中验证文中算法的有效性和鲁棒性.

关键词：稀疏奖励多智能体协作强化学习个体落差情绪内在情绪奖励

动态环境下基于延迟语义的RGB-D SLAM算法

在线全文

学校读者我要写书评

暂无评论

模式识别与人工智能 2023年第10期36卷 953-966页

作者：王浩周申超方宝富合肥工业大学计算机与信息学院合肥230601

目前,将分割网络与SLAM(Simultaneous Localization and Mapping)结合已成为解决视觉SLAM不能应用于动态环境的主流方案之一,但是SLAM系统受到分割网络处理速度的限制,无法保证实时运行.为此,文中提出基于延迟语义的RGB-D SLAM算法.首先... 详细信息

目前,将分割网络与SLAM(Simultaneous Localization and Mapping)结合已成为解决视觉SLAM不能应用于动态环境的主流方案之一,但是SLAM系统受到分割网络处理速度的限制,无法保证实时运行.为此,文中提出基于延迟语义的RGB-D SLAM算法.首先,并行运行跟踪线程与分割线程,为了得到最新的延迟语义信息,采取跨帧分割的策略处理图像,跟踪线程根据延迟语义信息实时生成当前帧的语义信息.然后,结合成功跟踪计数(STC)与极线约束,筛选当前帧动态点的集合,并确定环境中先验动态物体的真实运动状态.若确定该物体在移动,继续将物体区域细分为矩形网格,以网格为最小单位剔除动态特征点.最后,利用静态特征点追踪相机位姿并构建环境地图.在TUM RGB-D动态场景数据集及真实场景上的实验表明文中算法在大部分数据集上表现较优,由此验证算法的有效性.

关键词：同时定位与地图构建(SLAM) 动态环境实例分割网络延迟语义信息网格聚类

动态环境下基于增强分割的RGB-D SLAM方法

在线全文

学校读者我要写书评

暂无评论

机器人 2022年第4期44卷 418-430页

作者：王浩卢德玖方宝富合肥工业大学计算机与信息学院安徽合肥230009 大数据知识工程教育部重点实验室(合肥工业大学) 安徽合肥230009

目前视觉SLAM(同步定位与地图创建)方法在动态环境下易出现漏剔除动态物体的问题,影响相机位姿估计精度以及地图的可用性。为此,本文提出一种基于增强分割的RGB-D SLAM方法。首先结合实例分割网络与深度图像聚类的结果,判断当前帧是否... 详细信息

目前视觉SLAM(同步定位与地图创建)方法在动态环境下易出现漏剔除动态物体的问题,影响相机位姿估计精度以及地图的可用性。为此,本文提出一种基于增强分割的RGB-D SLAM方法。首先结合实例分割网络与深度图像聚类的结果,判断当前帧是否出现漏分割现象,若出现则根据多帧信息对分割结果进行修补,同时,提取当前帧的Shi-Tomasi角点并通过对称转移误差筛选出动态角点集合。然后结合修补后的实例分割结果判定场景中每个实例对象的运动状态。最后利用静态特征点追踪相机位姿并构建实例级语义八叉树地图。在TUM公共数据集以及真实场景中评估了该方法,相比较于当前先进的视觉SLAM方法,本文方法取得了更好的相机位姿估计精度以及地图构建效果,展现出了更强的鲁棒性。

关键词：视觉SLAM(同步定位与地图创建) 动态环境实例分割网络语义地图

稀疏场景下基于理性好奇心的多智能体强化学习

在线全文

学校读者我要写书评

暂无评论

计算机工程 2023年第5期49卷 302-309页

作者：金志军王浩方宝富合肥工业大学计算机与信息学院合肥230009 合肥工业大学大数据知识工程教育部重点实验室合肥230009

强化学习当前越来越多地应用于多智能体系统。在强化学习中,奖励信号起引导智能体学习的作用,然而多智能体系统任务复杂,可能只在任务结束时才能获得环境的反馈,导致奖励稀疏,大幅降底算法的收敛速度和效率。为解决稀疏奖励问题,提出一... 详细信息

强化学习当前越来越多地应用于多智能体系统。在强化学习中,奖励信号起引导智能体学习的作用,然而多智能体系统任务复杂,可能只在任务结束时才能获得环境的反馈,导致奖励稀疏,大幅降底算法的收敛速度和效率。为解决稀疏奖励问题,提出一种基于理性好奇心的多智能体强化学习方法。受内在动机理论的启发,将好奇心思想扩展到多智能体中,并给出理性好奇心奖励机制,利用分解求和的网络结构将不同排列的联合状态编码到同一特征表示,减少联合状态的探索空间,将网络的预测误差作为内在奖励,引导智能体去研究新颖且有用的效用状态。在此基础上,引入双值函数网络对Q值进行评估,采用最小化算子计算目标值,缓解Q值的过估计偏差和方差,并采用均值优化策略提高样本利用。在追捕任务和合作导航任务的环境中进行实验评估,结果表明,在最困难的追捕任务中,该方法相较于基线算法,胜率提高15%左右,所需时间步降低20%左右,在合作导航任务中也具有较快的收敛速度。

关键词：稀疏奖励多智能体系统强化学习内在动机好奇心

在线全文

学校读者我要写书评

暂无评论

一种基于多步竞争网络的多智能体协作方法

计算机工程 2022年第5期48卷 74-81页

作者：厉子凡王浩方宝富合肥工业大学计算机与信息学院合肥230601

多智能体高效协作是多智能体深度强化学习的重要目标,然而多智能体决策系统中存在的环境非平稳、维数灾难等问题使得这一目标难以实现。现有值分解方法可在环境平稳性和智能体拓展性之间取得较好平衡,但忽视了智能体策略网络的重要性,... 详细信息

多智能体高效协作是多智能体深度强化学习的重要目标,然而多智能体决策系统中存在的环境非平稳、维数灾难等问题使得这一目标难以实现。现有值分解方法可在环境平稳性和智能体拓展性之间取得较好平衡,但忽视了智能体策略网络的重要性,并且在学习联合动作值函数时未充分利用经验池中保存的完整历史轨迹。提出一种基于多智能体多步竞争网络的多智能体协作方法,在训练过程中使用智能体网络和价值网络对智能体动作评估和环境状态评估进行解耦,同时针对整条历史轨迹完成多步学习以估计时间差分目标,通过优化近似联合动作值函数的混合网络集中且端到端地训练分散的多智能体协作策略。实验结果表明,该方法在6种场景中的平均胜率均优于基于值分解网络、单调值函数分解、值函数变换分解、反事实多智能体策略梯度的多智能体协作方法,并且具有较快的收敛速度和较好的稳定性。

关键词：多智能体协作深度强化学习值分解多步竞争网络动作值函数

在线全文

学校读者我要写书评

暂无评论

多机器人追逃问题中的追捕联盟生成算法

机器人 2013年第2期35卷 142-150页

作者：王浩丁磊方宝富姚宏亮合肥工业大学计算机与信息学院安徽合肥230009

为了解决随着机器人数量的增加,多机器人追逃中的最优联盟求解时间复杂度呈指数增长给实时计算带来的困难,本文在证明机器人追逃问题中的联盟收益独立性的基础上,根据逃跑者的数量来决定联盟结构中子联盟的数量,提出基于贪婪最优收益的... 详细信息

为了解决随着机器人数量的增加,多机器人追逃中的最优联盟求解时间复杂度呈指数增长给实时计算带来的困难,本文在证明机器人追逃问题中的联盟收益独立性的基础上,根据逃跑者的数量来决定联盟结构中子联盟的数量,提出基于贪婪最优收益的追捕联盟算法.该算法首先根据逃跑机器人的数量确定联盟的个数,然后根据追捕机器人–逃跑机器人的追逃收益确定各个子联盟及其领导者,最后利用"贪婪最优"算法扩展新成员进入各子联盟直到所有的追捕者全部进入各个联盟.本算法简化了联盟结构每层的搜索量,总的搜索复杂度为O(m×(n m)),极大地缩短了算法的搜索时间,实际实验仿真结果也证明了本算法在追捕搜索效率和总追捕消耗时间上的优越性.

关键词：多机器人系统追逃问题联盟结构联盟收益联盟生成算法贪婪最优收益

在线全文

学校读者我要写书评

暂无评论

仿人机器人实时步态控制系统设计

华中科技大学学报（自然科学版） 2011年第9期39卷 53-56页

作者：钟秋波朴松昊方宝富洪炳镕宁波工程学院电子与信息工程学院浙江宁波315016 哈尔滨工业大学计算机科学与技术学院哈尔滨150001

采用智能优化方法进行仿人机器人实时步态控制系统设计,把仿人机器人的上楼梯过程近似为7连杆模型,并推导出1个周期内的运动学方程;使用2个模糊控制器分别对上楼梯过程中单双腿支撑周期内的关节轨迹输出进行离线学习训练,通过嵌入式视... 详细信息

采用智能优化方法进行仿人机器人实时步态控制系统设计,把仿人机器人的上楼梯过程近似为7连杆模型,并推导出1个周期内的运动学方程;使用2个模糊控制器分别对上楼梯过程中单双腿支撑周期内的关节轨迹输出进行离线学习训练,通过嵌入式视觉系统采集环境信息作为控制器的输入信息,并进行实时控制;同时为了解决模糊控制器离线训练过程耗时长、结果难收敛的缺点,使用微粒群优化算法对模糊控制器的规则进行优化.实验表明:该方法可以有效减少训练时间,并获得仿人机器人上楼梯过程中较好的稳定控制效果.

关键词：仿人机器人模糊逻辑微粒群优化步态规划最优控制

在线全文

学校读者我要写书评

暂无评论

基于多层上下文卷积神经网络的目标检测算法

模式识别与人工智能 2020年第2期33卷 113-120页

作者：王浩单文静方宝富合肥工业大学计算机与信息学院合肥230601

目标检测提取的特征信息不足,导致识别小目标或被遮挡目标时精确度不高.因此,文中提出多层上下文卷积网络(MLC-CNN),通过提取多层上下文信息特征并结合物体特征进行目标检测.MLC-CNN由区域生成网络(RPN)和多层上下文信息(MLC)两个子网... 详细信息

目标检测提取的特征信息不足,导致识别小目标或被遮挡目标时精确度不高.因此,文中提出多层上下文卷积网络(MLC-CNN),通过提取多层上下文信息特征并结合物体特征进行目标检测.MLC-CNN由区域生成网络(RPN)和多层上下文信息(MLC)两个子网络组成,RPN获取固定长度的特征向量作为目标特征,MLC获取不同层特征图上对应的上下文信息特征,最后融合两部分特征.此外,为了解决数据不均衡问题,融入难负样本训练.在PASCAL VOC2007和PASCAL VOC2012数据集上的实验表明,MLC-CNN的均值平均精度(mAP)具有明显提高.

关键词：目标检测区域生成网络(RPN) 多层上下文信息(MLC) 特征融合