In order to solve the problem of small object size and low detection accuracy under the unmanned aerial vehicle(UAV)platform,the object detection algorithm based on deep aggregation network and high-resolution fusion ...In order to solve the problem of small object size and low detection accuracy under the unmanned aerial vehicle(UAV)platform,the object detection algorithm based on deep aggregation network and high-resolution fusion module is studied.Furthermore,a joint network of object detection and feature extraction is studied to construct a real-time multi-object tracking algorithm.For the problem of object association failure caused by UAV movement,image registration is applied to multi-object tracking and a camera motion discrimination model is proposed to improve the speed of the multi-object tracking algorithm.The simulation results show that the algorithm proposed in this study can improve the accuracy of multi-object tracking under the UAV platform,and effectively solve the problem of association failure caused by UAV movement.展开更多
智能交通系统的迅猛发展催生了对实时性与高可靠计算服务的迫切需求,进而推动了车载边缘计算向更具动态性和灵活性的协同计算架构演进。多层空基网络突破了传统地面基础设施在覆盖范围与服务连续性方面的固有局限,正逐步成为支撑车载边...智能交通系统的迅猛发展催生了对实时性与高可靠计算服务的迫切需求,进而推动了车载边缘计算向更具动态性和灵活性的协同计算架构演进。多层空基网络突破了传统地面基础设施在覆盖范围与服务连续性方面的固有局限,正逐步成为支撑车载边缘计算的重要补充与发展方向。为此,构建了一种融合高空平台(High Altitude Platform,HAP)与无人机(Unmanned Aerial Vehicle,UAV)的多层空基边缘计算架构,协同为车联网(Internet of Vehicles,IoV)中的移动车辆提供高效计算支持。针对车辆移动引发的频繁空中小区切换问题,创新性地引入切换感知机制,预测车辆在UAV覆盖下的小区切换时间窗,在车辆与UAV能耗限制下,联合优化系统的带宽分配、计算资源分配与任务卸载决策,以最小化任务总时延,同时规避切换中断风险。为应对混合整数非线性规划(Mixed Integer Nonlinear Programming,MINLP)问题的高计算复杂度,设计了一种3步迭代求解算法,将原问题分解为带宽分配、计算资源分配和卸载决策优化子问题,采用CVX工具、线性松弛与交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)求解。仿真结果表明,相比于基线方案,所提算法在任务大小为5~9 Mb时,任务总时延分别降低了11.9%、23.3%和25.5%。展开更多
随着铁路网络规模的迅速扩展及安全管理压力的日益增加,传统人工巡检模式的局限性愈加凸显,促使各铁路局采用无人机技术替代部分人工巡检作业。针对现有铁路无人机巡检过程中存在的管理缺失、安全风险高等问题,本文设计并搭建了一种基于...随着铁路网络规模的迅速扩展及安全管理压力的日益增加,传统人工巡检模式的局限性愈加凸显,促使各铁路局采用无人机技术替代部分人工巡检作业。针对现有铁路无人机巡检过程中存在的管理缺失、安全风险高等问题,本文设计并搭建了一种基于B/S架构的铁路无人机巡检管理平台。该平台结合GIS(Geographic Information System)技术、深度学习算法与数据可视化方法,开发了基础数据管理、飞行计划管理、病害隐患统计监管、信息综合展示等七大核心功能模块,为无人机飞行作业管控、巡检数据管理、铁路设备病害及外部环境隐患排查提供全面技术支持。现场应用表明,铁路无人机巡检管理平台为铁路无人机巡检作业的数字化转型奠定了基础,提升了作业的智能化、标准化与精细化水平,为铁路安全运行提供了保障。展开更多
基金the National Natural Science Foundation of China (No.61627810)the National Science and Technology Major Program of China (No.2018YFB1305003)the National Defense Science and Technology Outstanding Youth Science Foundation (No.2017-JCJQ-ZQ-031)。
文摘In order to solve the problem of small object size and low detection accuracy under the unmanned aerial vehicle(UAV)platform,the object detection algorithm based on deep aggregation network and high-resolution fusion module is studied.Furthermore,a joint network of object detection and feature extraction is studied to construct a real-time multi-object tracking algorithm.For the problem of object association failure caused by UAV movement,image registration is applied to multi-object tracking and a camera motion discrimination model is proposed to improve the speed of the multi-object tracking algorithm.The simulation results show that the algorithm proposed in this study can improve the accuracy of multi-object tracking under the UAV platform,and effectively solve the problem of association failure caused by UAV movement.
文摘智能交通系统的迅猛发展催生了对实时性与高可靠计算服务的迫切需求,进而推动了车载边缘计算向更具动态性和灵活性的协同计算架构演进。多层空基网络突破了传统地面基础设施在覆盖范围与服务连续性方面的固有局限,正逐步成为支撑车载边缘计算的重要补充与发展方向。为此,构建了一种融合高空平台(High Altitude Platform,HAP)与无人机(Unmanned Aerial Vehicle,UAV)的多层空基边缘计算架构,协同为车联网(Internet of Vehicles,IoV)中的移动车辆提供高效计算支持。针对车辆移动引发的频繁空中小区切换问题,创新性地引入切换感知机制,预测车辆在UAV覆盖下的小区切换时间窗,在车辆与UAV能耗限制下,联合优化系统的带宽分配、计算资源分配与任务卸载决策,以最小化任务总时延,同时规避切换中断风险。为应对混合整数非线性规划(Mixed Integer Nonlinear Programming,MINLP)问题的高计算复杂度,设计了一种3步迭代求解算法,将原问题分解为带宽分配、计算资源分配和卸载决策优化子问题,采用CVX工具、线性松弛与交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)求解。仿真结果表明,相比于基线方案,所提算法在任务大小为5~9 Mb时,任务总时延分别降低了11.9%、23.3%和25.5%。
文摘随着铁路网络规模的迅速扩展及安全管理压力的日益增加,传统人工巡检模式的局限性愈加凸显,促使各铁路局采用无人机技术替代部分人工巡检作业。针对现有铁路无人机巡检过程中存在的管理缺失、安全风险高等问题,本文设计并搭建了一种基于B/S架构的铁路无人机巡检管理平台。该平台结合GIS(Geographic Information System)技术、深度学习算法与数据可视化方法,开发了基础数据管理、飞行计划管理、病害隐患统计监管、信息综合展示等七大核心功能模块,为无人机飞行作业管控、巡检数据管理、铁路设备病害及外部环境隐患排查提供全面技术支持。现场应用表明,铁路无人机巡检管理平台为铁路无人机巡检作业的数字化转型奠定了基础,提升了作业的智能化、标准化与精细化水平,为铁路安全运行提供了保障。
