基于云网边端协同计算的智能分发网络研究

智能服务机器人将成为社会发展的重要组成部分和人类工作与生活的重要助手。通过简要介绍由人工智能的云端大脑、基于5G构建的安全神经网络和多关节的机器人本体所组成的云端机器人,提出了基于云、网、边、端协同计算的智能分发网络(Intelligence Distribution Network,IDN)的概念,将IDN应用于云端机器人,以提升云端机器人的智能程度。详细阐述了IDN的架构,从算力、算法、通信、数据、安全等角度对IDN进行了研究,对比分析了智能分发网络与内容分发网络(Content Delivery Network,CDN)的异同点;IDN之于人工智能类似于CDN之于互联网内容,对IDN的典型应用场景进行了测试分析。通过使用IDN,提升了云端机器人智能程度和响应速度、降低了上行带宽和服务成本。尽管当前处于云端机器人的发展初期,但IDN将是实现云端智能机器人大规模商用的必经之路和关键技术,IDN将成为继CDN产业之后的又一个新领域。     

基于贫点阵图像的信息获取方法

本文介绍了一种新的基于贫点阵的图像信息获取方法,给出了贫点阵图像的定义,并介绍了贫点阵探测器的特点及贫点阵所探测到的点目标的特点,最后对贫点阵点目标的识别和跟踪算法进行了研究.     

基于计算机视觉的弹着点坐标远程测量系统

系统采用双目立体视觉原理,通过捕捉、处理弹落击起的烟尘图像精确地获取弹着点信息。给出了一种适于野外环境构建的视觉测量模型,并提出了一种仅对焦距及光轴水平偏角进行现场标定的相机参数快速获取方法。采用序列图像实时帧间差分阈值法作为主要的图像处理手段,通过构造高斯背景统计模型获得精确的分割阈值。为排除野外环境的各种干扰,提出了依据时空相关性检测的帧间多级差分方法,为解决烟尘快速飘移对后续弹点探测的影响,给出了一种伪目标边缘跟踪算法。远程视觉传感器距靶心1.2 km对?准400 m靶区实测时,图像处理时间小于8 ms,系统响应时间小于75 ms,报靶精度优于2 m,完全满足实时准确报靶的要求。