基于遗传算法的物流无人机控制矫正研究

文章研究了城市环境下异构物流无人机的调度问题,与传统的车辆路径问题不同的是,它引入了一些新的特性,例如负载能力、最大飞行时间和飞行速度等。作为一个变体,所考虑的调度问题被认为是一个非确定性多项式问题。首先,文章建立了具有异构设置的无人机调度问题模型。其次,提出了一种基于遗传算法的调度问题求解框架,该框架对编码/解码方法、初始种群生成方法和遗传操作进行了精细设计。为了减少搜索空间,加快算法的执行速度,采用基于权重的加载方法。为了进行性能评估和统计分析,文章将该算法与现有的两种算法进行比较。实验结果表明,该算法能有效地解决该问题。

基于LightGBM的车载激光雷达点云分类

车载激光扫描系统获取的海量三维点云自动分类对目标识别和重建有着重要意义,传统点云分类需要人工干预,而现有的自动分类算法大多存在分类准确率低和运算成本高等问题。对此,提出了一种基于LightGBM模型的车载点云自动分类方法,该方法首先计算点云的表面变化三维特征、密度特征、高程特征以及快速点特征直方图,并计算点云法向量与其邻域点的法向量夹角及与水平面的夹角作为约束特征,将所有结果合并得到48维特征向量,然后构建LightGBM模型对点云特征向量训练完成分类预测。试验表明该算法能够准确高效地完成车载雷达点云的自动分类,比对照组算法总精度平均提高8.1%,Kappa系数平均提高18.9%,计算时间平均减少73.7%。