蔡磊
- 作品数：3 被引量：1H指数：1
- 供职机构：西北工业大学自动化学院更多>>
- 发文基金：中国航空科学基金更多>>
- 相关领域：交通运输工程自动化与计算机技术更多>>
- 基于协同进化的多AUV多区域覆盖路径规划
- 2024年
- 针对多自主水下航行器(Autonomous Underwater Vehicle, AUV)水下覆盖任务过程中的突发情况,研究了多AUV的覆盖路径重规划问题,提出了一种多机器人-多区域覆盖路径规划(Multi-robot Multi-regional Coverage Path Planning, M^(2)CPP)方法,为可用AUV重新分配未覆盖区域并规划覆盖路径。首先,通过割草机算法确定每个区域中的内部路径和候选入口位置。然后,采用协同进化方法求解最优的区域分配、区域顺序及各区域的最优入口,3个种群协同进化,共同决定所有AUV的完整路径,保证种群多样性,避免陷入局部最优。仿真结果表明,本文方法在根据初始位置和剩余能量为多AUV重规划较短路径的基础上,优化路径结构,保证多AUV工作量均衡,可以较好解决该背景下的路径重规划问题。
- 蔡畅陈丹蔡磊
- 关键词：协同进化
- 基于PCA-HOG与ELM的交互式车辆识别
- 针对复杂场景中对车辆进行检测的若干问题,提出一种新的交互式检测方法.该方法通过人为移动检测窗口的方法标定车辆区域,提取检测窗口的方向梯度直方图(HOG)特征,并使用主成分分析(PCA)的方法将其转换到线性子空间当中,作为...
- 蔡磊曲仕茹
- 关键词：智能交通车辆识别极限学习机方向梯度直方图
- 文献传递
- 基于多目标聚类的车辆检测方法（英文）被引量：1
- 2016年
- 为提升车辆检测算法中字典学习的有效性,提出一种新的基于多目标聚类的车辆检测方法。同时考虑聚类检测中的全局偏差和连接性2个重要的指标,并引入提出的新多目标优化方法,期望获得1组同时符合全局偏差和连接性的平衡解。针对字典学习和多目标聚类解的特性,设计了一种新的模型选取算法,用于选出有利于提高检测性能的最终聚类解。对5个车辆部件的聚类任务进行聚类,以验证所提算法的有效性与卓越性。将该方法与5种其他方法(不仅包含2类常用单目标聚类方法,也覆盖了其他多目标聚类方法)对2类车辆检测问题进行检测,以全面检验该方法的性能。结果表明:双目标聚类在车辆检测应用中,对聚类效果有较好促进作用,且该方法的整体性能相比于其他聚类算法,颇具竞争性。
- 蔡磊曲仕茹
- 关键词：交通工程字典学习车辆检测
