基于激光雷达点云和视觉特征的汽车自动驾驶环境感知与目标检测

本文讨论了激光雷达点云与视觉特征在汽车自动驾驶中的应用以及融合优势。本文首先介绍了激光雷达点云和视觉特征的特点、优势和应用,探讨了激光雷达点云与视觉特征的融合优势;其次介绍了激光雷达点云与视觉特征的融合目标检测与跟踪方法,在实验方法综述中讨论了实验设置、数据收集、标注与验证、数据处理与分析等内容;最后说明了实验结果与性能评估的方法和指标。

基于YOLOv5的汽车钢结构 表面缺陷检测研究

传统的钢结构表面检测方法具有检测精准度较低、检测速度较慢的缺陷,已经无法满足现代化生产制造的需求。本文提出了一种基于改进YOLOv5算法的钢结构表面缺陷检测模型,首先对YOLOv5算法进行了简单介绍;其次,结合对钢结构表面缺陷进行检测的要求,对YOLOv5模型的锚框生成算法、Mosaic图像融合和融合注意力机制进行了优化;最后,通过实验分析验证了该模型的性能。

面向边缘计算的一种基于深度强化学习的计算卸载策略

随着移动边缘计算(Mobile Edge Computing,MEC)的兴起,为解决资源受限的移动设备,文章提出了一种有前景的解决方案,主要研究了一种利用深度强化学习(DRL)技术的动态任务卸载策略,该策略针对离散事件进行了特别设计,同时提出一种优化后的DDPG算法的连续动作空间DRL方法,利用此方法,独立地为每位移动用户定制了高效的计算卸载策略,实现了在用户端的本地计算与边缘计算之间的智能决策。通过仿真实验结果可以看出每个用户可以根据对MEC系统的局部观测,自适应地分配本地执行和任务卸载的功率。