基于贝叶斯估计与区域划分遍历的四轴飞行器避障路径规划算法

来源 :计算机应用 | 被引量 : 1次 | 上传用户:wei616
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
为了提高利用图像处理技术进行四轴飞行器避障的实时性,提出一种基于贝叶斯估计与区域划分遍历的避障路径规划算法。首先,通过贝叶斯估计来对四轴飞行器采集到的视频图像进行预处理;其次,对采集到的图像进行障碍物概率分析以获取视频图像中的关键帧,最大限度地提高四轴飞行器的实时性;最后,对选取的图像帧进行背景差分实现障碍物识别,并通过实现基于区域划分的像素点遍历算法提高障碍物识别的准确性。实验结果表明,在保证障碍物识别性能的前提下,所提算法使四轴飞行器进行避障时的实时性有所提升,且四轴飞行器的理想轨迹与实际飞行轨
其他文献
针对人工神经网络(ANN)对面向知识图谱(KG)的知识推理的记忆能力有限以及KG无法处理不确定知识的问题,提出一种可微神经计算机(DNC)和贝叶斯网络(BN)相结合的推理方法 DNC-BN。首先,将长短时记忆(LSTM)网络作为控制器,在每个时刻对输入向量和从记忆体获取的读向量进行处理,得到网络输出向量和交互向量;其次,通过读写头实现控制器与记忆体的交互,使用读取权重计算数据的加权平均以得到读向量
目前柿的主产区有从传统的黄河流域向长江流域及其以南,以及向中西部扩展的趋势。随着果品市场国际化和多样化趋势日益明显,柿产业面临新的发展机遇。本文从柿的生物学特点和
针对关系抽取任务中句子依存树的信息利用率低和特征提取效果不佳的问题,提出了一种基于注意力引导的门控感知图卷积网络(Att-Gate-GCN)模型。首先,利用一种基于注意力机制的软剪枝策略,通过注意力机制为依存树中的边分配权重,以挖掘依存树中的有效信息,同时过滤无用信息;其次,构建一种门控感知图卷积网络(GCN)结构,通过门控机制增加特征感知能力,以获取更鲁棒的关系特征,同时结合依存树中的局部与非局
针对核桃容易遭受晚霜危害而制约生产的问题,对汾阳地区11个核桃品种进行物候期观察,选择避晚霜品种及授粉品种。结果表明:各品种间物候期差异较大,芽萌动期变异系数最大为4.
小国光苹果树冠喷布反光剂,能明显地降低树冠外围果的果面温度2~5℃,中午前后降温效果最大。对树冠内膛果和园区降温作用不明显,可以减轻小国光裂果程度,不能增加成熟果的硬
针对传统数据处理技术存在模型过时、泛化能力减弱以及并未考虑多源数据安全性的问题,提出一种面向区块链的在线联邦增量学习算法。该算法将集成学习与增量学习应用到联邦学习的框架下,使用stacking集成算法来整合多方本地模型,且将模型训练阶段的模型参数上传至区块链并快速同步,使得在建立的全局模型准确率仅下降1%的情况下,模型在训练阶段与存储阶段的安全性均得到了提升,降低了数据存储与模型参数传输的成本,同
肝脏是人体代谢功能的主要器官,目前机器学习在肝脏影像语义分割研究中的难点有:1)肝脏中间部位有下腔静脉、软组织和血管,甚至有坏死或肝裂等情况;2)肝脏与一些邻近器官之间的边界模糊,难以分辨。针对这些问题,提出了边缘关注模型(EAM)及边缘关注网络(EANet)。该网络采用了Encoder-Decoder(编码-解码)的模型框架:在编码器中运用了在ImageNet上预训练好的残差网络ResNet34
现有的生物医学命名实体识别方法没有利用语料中的句法信息,准确率不高。针对这一问题,提出基于句法依存分析的图网络生物医学命名实体识别模型。首先利用卷积神经网络(CNN)生成字符向量并将其与词向量拼接,然后将其送入双向长短期记忆(BiLSTM)网络进行训练;其次以句子为单位对语料进行句法依存分析,并构建邻接矩阵;最后将BiLSTM的输出和通过句法依存分析构建的邻接矩阵送入图卷积网络(GCN)进行训练,
针对行人属性识别任务中不同属性对特征粒度和特征依赖性的需求不同的问题,提出了一种基于由空间自注意力机制和通道自注意力机制组成的双域自注意力机制的行人属性识别模型。首先,使用ResNet50作为骨干网络,提取出具有一定语义信息的特征;然后将得到的特征分别输入到双分支网络中,提取具有空间依赖性与语义相关性的自注意力特征以及整体性信息的全局特征;最后,融合双分支的特征,并利用批归一化(BN)和加权损失的
针对移动机器人在仓储环境下的路径规划问题,提出了一种基于离子运动的人工蜂群(IM-ABC)算法用于路径规划。该方法为提高传统的人工蜂群(ABC)算法在路径规划中的收敛速度和搜索能力,采用一种模拟离子运动规律来更新蜂群的策略。首先,在算法前期利用离子运动算法中的阴阳离子交叉搜索来更新引领蜂和跟随蜂,从而引导种群进化方向,极大提高种群开发能力;其次,在算法后期为了避免前期过早收敛导致局部最优,引领蜂采