检索结果

期刊

出版年

关键词

Please wait a minute...

选择:

导出引用
EndNote Ris BibTeX

显示/隐藏图片

Select

1. 基于深度级联神经网络的自动驾驶运动规划模型

白丽贇, 胡学敏, 宋昇, 童秀迟, 张若晗

计算机应用 2019, 39 (10): 2870-2875. DOI: 10.11772/j.issn.1001-9081.2019040629

摘要（494）

PDF （992KB）（321）

针对基于规则的运动规划算法需要预先定义规则和基于深度学习的方法没有利用时间特征的问题，提出一种基于深度级联神经网络的运动规划模型。该模型将卷积神经网络（CNN）和长短期记忆网络（LSTM）这两种经典的深度学习模型进行融合并构成一种新的级联神经网络，分别提取输入图像的空间和时间特征，并用以拟合输入序列图像与输出运动参数之间的非线性关系，从而完成从输入序列图像到运动参数的端到端的规划。实验利用模拟驾驶环境的数据进行训练和测试，结果显示所提模型在乡村路、高速路、隧道和山路四种道路中均方根误差（RMSE）不超过0.017，且预测结果的稳定度优于未使用级联网络的算法一个数量级。结果表明，所提模型能有效地学习人类的驾驶行为，并且能够克服累积误差的影响，适应多种不同场景下的路况，具有较好的鲁棒性。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于人机社会力模型的人群疏散算法

胡学敏, 徐珊珊, 康美玉, 魏洁玲, 白丽贇

计算机应用 2018, 38 (8): 2164-2169. DOI: 10.11772/j.issn.1001-9081.2018010173

摘要（2048）

PDF （1002KB）（526）

针对公共场合紧急情况下人群疏散困难和效果有限的问题，提出一种基于人机社会力模型的机器人疏散人群的方法。首先，基于原始社会力模型提出了一种新的人机社会力模型，该模型在原始社会力模型的基础上加入了机器人对人作用的人机作用力；然后，基于人机社会力模型提出一种新的利用机器人疏散人群的方法，该方法在人群疏散场景中加入运动机器人，通过机器人自身的运动，利用人机作用力影响周围行人的运动状态，减小行人之间的压力，从而达到加快人群运动速度、提高人群疏散效率的目的。在室内封闭场景人群逃生、两群行人交错这两种典型的疏散场景中分别进行仿真实验，并将实验结果与未加入机器人的人群疏散结果进行对比分析，实验结果表明，基于人机社会力模型的机器人疏散人群的方法能够明显加快人群的运动，提高人群的疏散效率。

参考文献 | 相关文章 | 多维度评价