基于云动态资源扩展的选课系统优化实践

针对高校选课系统并发访问量巨大、业务逻辑复杂的特点,总结近10年的选课工作经验,优化选课工作过程安排,通过搭建H3CCAS云管理平台,实现面向应用的云动态资源扩展,有效解决了高校选课期间大量并发访问导致选课系统崩溃等问题,确保了高校选课系统的高效、可靠运行。

基于场景流的可变速率动态点云压缩

针对现有的动态点云压缩神经网络需要训练多个网络模型的问题,提出基于场景流的可变速率动态点云压缩网络框架.网络以原始动态点云为输入,利用场景流网络进行运动向量估计,在压缩运动向量和残差的同时,引入通道增益模块对隐向量通道进行评估和缩放,实现可变速率控制.通过综合考虑运动向量损失和率失真损失,设计新的联合训练损失函数,用来端到端地训练整个网络框架.为了解决动态点云数据集缺少真实运动信息标签的问题,基于AMASS数据集制作带有运动向量标签的人体数据集,用于网络的训练.实验结果显示,与现有的基于深度学习动态点云压缩方法相比,该方法的压缩比特率下降了几个数量级,与静态压缩网络单独处理每帧的重构效果相比,该方法有5%~10%的提升.

基于视觉理论的动态点云剔除算法

针对动态场景下构建的点云地图中包含大量动态目标的错误点云问题,提出一种基于视觉理论将三维点云转换视觉图像的动态点云剔除算法。通过对当前帧和包含动态点云的噪声地图做点云的地面分割和高度分割,将点云的深度信息转换成视觉可用的图像信息,利用视觉理论中的背景差分法对当前帧和噪声地图进行深度图像对比,筛选出初始动态点云并计算动态分数;根据动态分数对初始动态点云进行自适应最近邻搜索以剔除动态目标。实验结果表明,所提算法的动态点云剔除率可达94%以上,整体得分为96.34,能有效剔除场景中的动态目标。

虚拟网格环境中动态桌面云中间件的设计与实现

本文主要探究了虚拟网格环境下动态桌面云中间件的设计要点和实现方式。桌面云中间件由三部分组成,分别是保障桌面云任务正确执行的网格运行支撑平台、提供虚拟化资源的资源池管理平台,以及用于连接分配和负载管理的连接调度平台。通过中间件将虚拟化服务器和虚拟桌面连接起来,实现对虚拟桌面资源的统一管理,在满足用户个性化需求的基础上,优化了桌面环境,提高了系统健壮性。

一种基于动态点云的三维监控与压缩系统

动态点云能准确表达三维空间位置关系,相较于二维影像,在目标检测、人脸识别以及可视化等方面具有更好的表现,因此动态点云在视频监控领域具有较大应用前景。基于所提出的改进的动态点云编解码框架,实现一种基于动态点云的三维实时监控与压缩系统。首先,通过ZED 2i双目相机进行点云视频获取,以Jetson Nano作为数据处理器,应用基于统计学的滤波算法实现离群点与噪声的去除。其次,依据监控场景的静动特性进行前后景分割,分别应用提出的改进算法和PCL库的压缩算法进行编码。实验表明,在监控场景下,获取的动态点云序列取得了较好的主观效果的同时,实现了点云数据的高效压缩。

基于筛选策略的动态环境下激光SLAM算法

现有的同步定位与建图(SLAM)方法在理想条件下运行稳定,但在动态环境中会因移动物体特征点云的误匹配导致定位误差增大。为解决此问题,提出了一种动态点云检测算法。首先利用惯性测量装置信息对点云数据预处理,包含去畸变等操作;然后剔除地面点云,采用弯曲体素结构对非地面点云进行聚类;接着,通过匈牙利算法关联和匹配两帧之间的聚类,同时利用惯性信息统一坐标系;最后设计一种筛选策略,先用边界框交并比和质心速度粗略筛选动态聚类,再用z轴(高度)分布相似性进行精细筛选。实验结果表明,所提算法能够识别并滤除实验环境中的大部分动态点云聚类;与LIO-SAM算法相比,四种场景下的定位均方根误差平均降低了17.75%;平均精确率和召回率相比Removert分别提升14.81%和5.90%。

基于点云强度和地面约束的大范围激光SLAM

在无人车领域,点云强度和地面约束对大范围环境下的建图和定位起着非常重要的作用。然而,现有的激光SLAM算法在构建地图时只考虑几何特征,而忽视点云强度信息和地面约束,导致建图细节模糊、在Z轴方向上易存在漂移,从而降低了SLAM系统的精度。为此,本文提出了一种基于点云强度和地面约束的激光SLAM优化算法。基于地面测量模型,提出构建局部条件性地面约束,不仅提高地面点提取的准确性,而且减少Z轴方向的漂移;引入点云强度信息来改善非地面点聚类的可靠性,进一步提高建图精度和定位稳定性。提出基于局部平滑度的特征提取方法,通过引入强度因子并对强度特征进行排序,优先选择具有一致强度信息的特征,增强特征提取的鲁棒性。引入球形强度图来构建强度残差,与几何残差共同优化估计位姿,有效解决里程计中地图细节处的模糊问题;基于特征投影的匹配距离以及强度差异被用来去除动态点云的干扰,进一步提高SLAM系统的鲁棒性。在公开数据集KITTI和真实场景下的实验表明,引入地面约束和点云强度信息后,本文提出的算法具有更高的建图和定位精度,相对优于传统LIO-SAM的LVI-SAM算法,本文算法的精度提升了54.5%,为无人车在大范围环境中的SLAM任务提供了可靠解决方案。

采用SJND模型的动态点云感知编码方法

动态点云能有效描述自然场景与3D对象,提供沉浸式视觉体验;但其数据量庞大。需对其进行有效压缩。提出了采用显著性引导的恰可察觉失真(Saliency-guided Just Noticeable Distortion,SJND)模型的动态点云感知编码方法。针对纹理图感知冗余,构建了基于离散余弦变换域的SJND模型,应用于纹理图编码过程中的DCT系数抑制;考虑到相同失真等级下显著区域的几何失真更易被察觉,提出使用投影显著图将几何图进行分层;最后,为不同层级的编码树单元进行自适应量化参数选择和编码。与V-PCC标准方法相比,在保证动态点云视觉质量的前提下,所提出方法提升了动态点云的编码效率。

基于位姿状态的激光雷达点云帧间编码方法

激光雷达动态获取点云压缩在智能驾驶领域具有重要应用。为了应对点云序列时域冗余问题,本文设计了基于位姿状态的激光雷达点云帧间编码方法。在动态获取点云场景中,点云在三维空间上分布广泛且稀疏。对此,将其映射到二维距离图上。并在此基础上,结合激光雷达位姿关系,提出了一种高效的帧间预测编码方法,以消除时域冗余。由于三维物体遮挡的原因,激光雷达运动时易导致预测距离图产生空洞现象,影响预测编码性能。采用空洞填补方法可提高算法预测精度,并对预测残差进行量化和压缩。实验结果表明,相较于G-PCC等编码方法,所提出的方法在编码性能方面表现更为优越。

基于动态云制造的定制加工系统组态分析及优化

针对如何在工程现场快速而简单地组建基于云的制造系统这一问题,通过分析适应定制生产要求而组建的基于动态云制造的组态,发现其组态是一个以动态云制造云发起者为起终点的、具有若干阶段的封闭环;通过分析选择动态云制造成员时需考虑的因素,将指标转化为一个体现用户要求的量纲一量;通过对动态云制造组态进行改造,将其改造为适用动态规划的层次结构,然后将体现用户要求的量纲一量作为动态规划的权引入路径优化,从而得到了可以利用动态规划方法和LINDO软件进行优化的组建动态云制造时成员选择的优化模型;最后,讨论了一个具体例子。

三维动态云快速模拟的新方法

自然景观真实感的模拟是计算机图形学领域中的研究热点和难点之一.尽管人们对静态云的真实感模拟进行了大量的研究,动态云模拟的工作还比较少.动态云的快速模拟技术在计算机游戏动画、飞行视景仿真、影视广告等许多领域具有重要的应用价值.提出了一种三维动态云快速模拟的新方法.首先,在较低分辨率的网格上求解云运动的物理方程,获得动态云的速度场.然后,采用纹理漂移的方法来增加云的表面细节.通过充分利用GPU的加速性能,该算法可以达到较高的绘制速度.最后,对上述算法进一步优化处理,使其可以适用于多种硬件平台.

基于动态云的智慧农业架构研究

云计算是所有数据汇集到云中心进行统一处理,用户不再需要部署计算能力很强的客户端,而是直接从"云"里(服务器端)获得计算能力。流行的云计算架构采用强数据中心(服务端)、弱客户端模式。而建设云计算中心的强服务端,需要硬件高配置,需要良好的网络环境,造成建设云中心资金投入过大。对于智慧农业云架构,亦是如此。目前智慧农业的各网络客户端硬件配置优良。文中提出基于动态云的智慧农业架构,该架构通过将具有一定存储能力、数据处理能力、能够提供一定网络服务能力的客户端,根据需要,结合到云数据中心,使该中心的规模动态地扩大或者缩小。实际上,就是让某客户端为云服务中的其他客户端提供服务,减轻实际云数据中心的数据存储、数据处理、资源配置等压力。基于该动态云的智慧农业架构部分已经实现,并且在南京和安徽地区的部分农产品的各环节中得到稳定应用,证明了该架构的实用性。

基于更新树的动态云数据审计方案

由于云服务器是半可信的,为了保证云数据的完整性和正确性,用户需要定期对云中数据进行审计,同时云服务器也要支持用户对云数据进行动态操作。文章提出了一个新的更新树结构用于实现动态的数据完整性审计。方案中的更新树存有数据块的版本号、序号范围、偏移量,序号范围的设置使得更新树具有一个节点存储多个数据块的属性。相同版本号和偏移量的连续序号具保存在一个更新树节点中,这样大大减少了存储空间和访问时间。在动态审计过程中,系统可以根据序号和偏移量来对签名时的数据块号进行验证。对云中大量连续数据块进行修改时,更新树只需更新一次含有相应数据块序号范围的更新树节点,更新树不平衡时可根据二叉平衡树的原理进行调整。更新树节点存放的是一定范围的数据块属性,使得更新树的大小不与文件数据块个数成正比,而与用户对文件更新次数相关,从而方案对动态云数据的审计性能不会根据文件大小的增长而变低。最后通过安全性分析和性能分析可以看出,文中方案是一个高效安全的动态云数据审计方案。

叶片精锻过程数值模拟结果动态彩色云图的实现方法

对有限元数值模拟结果进行可视化处理,可提高数值模拟结果检查、分析的效率和直观性。彩色云图是实现模拟结果可视化的主要手段之一。本文以叶片精锻过程为例,研究了其精锻过程彩色云图及其动态显示的生成原理和实现过程,结果表明,该方法简洁、精确、便于实际运用。

基于“动态云”架构的智慧农业旅游经济发展研究——以大众旅游需求为视角

智慧农业旅游可依托“动态云”架构将全部数据集中在云处理核心完成统一处理,游客能从“云”端获取计算服务,在现代市场竞争中具有很强的竞争力。首先研究“动态云”架构的智慧农业旅游模型,然后以样本特征为控制量,“云搜索”动机、“云搜索”成本、个人情景、社会影响力、云网络信任度、农业教育体验、感知风险和游客个性化需求为自变量,并设定研究假定,完成调研问卷信度和效度分析。通过整体方差、旋转阵列、Pearson相关度、多元线性回归分析可知控制变量和自变量均不同程度地影响大众旅游需求,从而影响“动态云”架构下的智慧农业旅游发展水平。

基于动态云—量子神经网络群的配电网实时故障定位方法

针对传统的配电网故障定位方法在配电网故障信号微弱时存在的故障数据交叉现象严重、实时性较差等问题,提出了一种基于动态云-量子神经网络群的配电网实时故障定位方法;构建了用于配电网故障定位的动态云-量子神经网络群结构模型,提出一种动态云-量子神经网络群改进算法,并给出了基于该算法的配电网实时故障定位步骤;在Matlab软件中采用该方法对某10kV配电网进行故障定位仿真研究,结果表明该方法能够实时、有效地实现故障信号微弱情况下的配电网故障定位,测试精度为97.39%,训练时间为0.001 6s。

基于改进Qsplat算法的三维动态积云模拟研究

尽管人们对云模拟进行了大量研究,但是现有的云模拟算法很难在保证实时性的情况下得到真实感较强的云图形。针对这个问题,提出一种结合Qsplat算法与IFS(迭代函数系统)算法的粒子系统的积云模拟方法,并考虑了积云的结构特点。基于Qsplat算法的细节层次树形结构建立树型结构粒子系统,以加速粒子系统搜索速度;对距离视点较近的粒子使用IFS迭代函数系统算法增加层次包围球树的层次以在建立云的外形时丰富云体局部细节;最后使用球形图元映射二维纹理进行云的绘制,最终实现了三维动态积云的快速实时模拟。实验结果表明,该方法能够快速地生成实时三维动态积云图形,图形真实感强。

基于动态重加密的云计算存储平台权限撤销优化机制

针对云存储服务中用户访问权限撤销计算与带宽代价过大、复杂度过高等问题。以密文策略的属性加密体制(CP-ABE)的密文访问控制方案作为理论背景,设计出一种基于动态重加密的云存储权限撤销优化机制,即DR-PRO。该机制利用(k,n)门限方案,将数据信息划分成若干块,动态地选取某一数据信息块实现重加密,依次通过数据划分、重构、传输、提取以及权限撤销等子算法完成用户访问权限撤销实现过程。通过理论分析与模拟实验评估表明,在保证云存储服务用户数据高安全性的前提下,DR-PRO机制有效降低了用户访问权限撤销的计算与带宽代价,其性能效率得到了进一步优化与提高。

基于动态云进化粒子群算法的风电系统无功优化方法

针对风电系统中,风力的不确定性导致粒子的适应度不稳定性较大、劣性粒子偏多,难以快速收敛到最优值,进而造成系统电压偏差较大,网损剧增的问题,提出了基于动态云进化粒子群算法对风电系统进行无功优化。首先以网损最小作为优化目标建立了风电系统无功优化模型。然后提出动态云进化粒子群算法。该算法根据粒子的适应度值,选取优秀个体进行进化,从而降低劣性粒子比例,增强搜索速度。再通过云发生器,使得优秀个体进化出的优秀种群趋于正态分布,从而达到改善粒子分布的目的。在此基础上,根据正态云的分布特点,动态改变飞行速度,进一步改善粒子分布、提高搜索精度。最后以风电系统的有功网损为优化目标,进行补偿容量的确定,仿真结果证明了该方法的有效性。

基于动态云的智慧城市移动云存储平台架构研究

智慧城市建设一般采用"云—端"模式,架构采用强数据中心(服务端),瘦(弱)客户端模式。本文从减轻云数据中心的数据存储、数据处理、资源配置等压力出发,考虑动态云的智慧城市移动云存储平台架构,考虑将一定存储能力和处理数据能力的企业客户端,根据需要,结合到云数据中心,使云中心动态的扩大或缩小,同时讨论了基于动态云的智慧城市移动云存储平台的架构设计及存储管理方法,该架构具有一定的应用意义。