System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及智能化数据处理,并且更具体地,涉及一种用于无人机与两栖轮足机器人集群的数据处理系统及方法。
技术介绍
1、桥梁是城市基础设施的重要组成部分,其安全性和稳定性直接关系到人民的生命财产安全。然而,由于桥梁的结构复杂、环境多变、检测难度大等因素,传统的桥梁检测方法往往依赖于人工的经验和判断,这种方式存在效率低、精度差、成本高等问题。
2、随着科技的不断进步,无人机和机器人技术在各个领域得到了广泛应用。无人机可以通过空中拍摄图像和视频,提供高空俯瞰的视角,而机器人则可以在地面上进行深入探索。这两种技术的结合可以实现更全面、高效的数据采集和处理。数据处理系统在无人机和机器人集群中起到关键作用。它可以整合来自不同设备的数据,并对这些数据进行分析和处理,从而生成有用的信息和结果。在无人机和两栖轮足机器人集群中,数据处理系统可以整合来自无人机和机器人的数据,对桥梁等基础设施进行检查和评估。
3、然而,在传统的数据处理系统中,无人机和机器人采集的数据往往以不同的格式和结构存在,导致数据集成困难。也就是说,无人机和机器人采集的数据往往需要进行繁琐的数据转换和处理才能将这两种不同来源的数据信息整合在一起进行分析和处理。此外,传统的数据处理系统在对无人机和机器人采集的数据进行处理过程中,特征提取的方式往往是基于手工设计的规则或者简单的特征提取方法,这种方法往往无法充分利用数据中的信息,导致提取的特征和数据集成不够准确和丰富,从而使得对桥梁的状态检测和判断的精准度不能满足实际应用需求。
4、因此,期望一种优化
技术实现思路
1、为了解决上述技术问题,提出了本申请。
2、第一方面,提供了一种用于无人机与两栖轮足机器人集群的数据处理系统,其包括:
3、桥梁俯瞰图像采集模块,用于获取由无人机采集的待分析桥梁的俯瞰图像;
4、桥梁局部图像采集模块,用于获取由两栖轮足机器人集群采集的所述待分析桥梁的局部图像的集合;
5、桥梁表面局部状态语义特征提取模块,用于通过基于第一深度神经网络模型的桥梁局部区域细粒度状态特征提取器分别对所述局部图像的集合中的各个局部图像进行特征提取以得到桥梁表面局部状态语义特征向量的序列;
6、桥梁表面状态全局细粒度语义特征综合分析模块,用于使用联合聚类网络对所述桥梁表面局部状态语义特征向量的序列进行联合聚类分析以得到桥梁表面状态全局细粒度语义特征矩阵;
7、桥梁表面状态全局粗粒度语义特征捕捉模块,用于通过基于第二深度神经网络模型的桥梁表面粗粒度状态特征提取器对所述待分析桥梁的俯瞰图像进行特征提取以得到桥梁表面状态全局粗粒度语义特征矩阵;
8、桥梁表面状态全局多粒度语义特征融合模块,用于融合所述桥梁表面状态全局细粒度语义特征矩阵和所述桥梁表面状态全局粗粒度语义特征矩阵以得到桥梁表面状态全局多粒度语义特征矩阵作为桥梁表面状态全局多粒度语义特征;
9、桥梁状况检测模块,用于基于所述桥梁表面状态全局多粒度语义特征,确定桥梁状况等级标签;
10、其中,所述桥梁表面状态全局细粒度语义特征综合分析模块,包括:
11、矩阵构造单元,用于构造所述桥梁表面局部状态语义特征向量的序列的邻接矩阵和度矩阵;
12、拉普拉斯矩阵计算单元,用于基于所述邻接矩阵和所述度矩阵,计算拉普拉斯矩阵;
13、标准化处理单元,用于对所述拉普拉斯矩阵进行标准化处理以得到标准化后拉普拉斯矩阵;
14、特征向量计算单元,用于将所述标准化后拉普拉斯矩阵的各个特征值从大到小进行排列,并提取前k个特征值计算所述前k个特征值的特征向量;
15、特征向量矩阵组成单元,用于标准化所述前k个特征值的特征向量并将标准化后的前k个特征值的特征向量组成特征向量矩阵以得到所述桥梁表面状态全局细粒度语义特征矩阵。
16、在上述用于无人机与两栖轮足机器人集群的数据处理系统中,所述第一深度神经网络模型为卷积神经网络模型,所述第二深度神经网络模型为卷积神经网络模型。
17、在上述用于无人机与两栖轮足机器人集群的数据处理系统中,所述矩阵构造单元,用于:以如下权重公式计算所述桥梁表面局部状态语义特征向量的序列中各个桥梁表面局部状态语义特征向量之间的关联权重值以得到所述邻接矩阵;
18、其中,所述权重公式为:
19、;
20、其中,和分别为所述桥梁表面局部状态语义特征向量的序列中第个和第个桥梁表面局部状态语义特征向量,为所述第个桥梁表面局部状态语义特征向量和所述第个桥梁表面局部状态语义特征向量之间的方差,表示二范数的平方,为指数运算,为所述邻接矩阵中第位置的特征值。
21、在上述用于无人机与两栖轮足机器人集群的数据处理系统中,所述矩阵构造单元,用于:所述度矩阵中的各个位置的特征值为所述桥梁表面局部状态语义特征向量的序列中每个桥梁表面局部状态语义特征向量与其相连接的所有其余所述桥梁表面局部状态语义特征向量的关联权重值之和。
22、在上述用于无人机与两栖轮足机器人集群的数据处理系统中,所述拉普拉斯矩阵计算单元,用于:基于所述邻接矩阵和所述度矩阵,以如下拉普拉斯公式计算所述拉普拉斯矩阵;
23、其中,所述拉普拉斯公式为:
24、;
25、其中,为所述邻接矩阵,为所述度矩阵,为所述拉普拉斯矩阵。
26、在上述用于无人机与两栖轮足机器人集群的数据处理系统中,所述标准化处理单元,用于:以如下标准化公式对所述拉普拉斯矩阵进行标准化处理以得到所述标准化后拉普拉斯矩阵;
27、其中,所述标准化公式为:
28、;
29、其中,为所述邻接矩阵,为所述度矩阵,为单位矩阵,为所述标准化后拉普拉斯矩阵。
30、在上述用于无人机与两栖轮足机器人集群的数据处理系统中,所述桥梁状况检测模块,用于:将所述桥梁表面状态全局多粒度语义特征矩阵通过基于分类器的桥梁状态评估器以得到桥梁状态评估结果,其中,所述桥梁状态评估结果为桥梁状况等级标签。
31、在上述用于无人机与两栖轮足机器人集群的数据处理系统中,还包括用于对所述基于第一深度神经网络模型的桥梁局部区域细粒度状态特征提取器、所述联合聚类网络、所述基于第二深度神经网络模型的桥梁表面粗粒度状态特征提取器和所述基于分类器的桥梁状态评估器进行训练的训练模块;
32、其中,所述训练模块,包括:
33、训练桥梁俯瞰图像采集单元,用于获取由无人机采集的待分析桥梁的训练俯瞰图像;
34、训练桥梁局部图像采集单元,用于获取由两栖轮足机器人集群采集的所述待分析桥梁的训练局部图像的集合;
35、训练桥梁表面局部状态语义特征提取单元,用于通过所述基于第一深度神经网络模型的桥梁局部区域细粒度状态特征提取器分别对所述训练本文档来自技高网...
【技术保护点】
1.一种用于无人机与两栖轮足机器人集群的数据处理系统,其特征在于,包括:
2.根据权利要求1所述的用于无人机与两栖轮足机器人集群的数据处理系统,其特征在于,所述第一深度神经网络模型为卷积神经网络模型,所述第二深度神经网络模型为卷积神经网络模型。
3.根据权利要求2所述的用于无人机与两栖轮足机器人集群的数据处理系统,其特征在于,所述矩阵构造单元,用于:以如下权重公式计算所述桥梁表面局部状态语义特征向量的序列中各个桥梁表面局部状态语义特征向量之间的关联权重值以得到所述邻接矩阵;
4.根据权利要求3所述的用于无人机与两栖轮足机器人集群的数据处理系统,其特征在于,所述矩阵构造单元,用于:所述度矩阵中的各个位置的特征值为所述桥梁表面局部状态语义特征向量的序列中每个桥梁表面局部状态语义特征向量与其相连接的所有其余所述桥梁表面局部状态语义特征向量的关联权重值之和。
5.根据权利要求4所述的用于无人机与两栖轮足机器人集群的数据处理系统,其特征在于,所述拉普拉斯矩阵计算单元,用于:基于所述邻接矩阵和所述度矩阵,以如下拉普拉斯公式计算所述拉普拉斯矩阵;
6.根据权利要求5所述的用于无人机与两栖轮足机器人集群的数据处理系统,其特征在于,所述标准化处理单元,用于:以如下标准化公式对所述拉普拉斯矩阵进行标准化处理以得到所述标准化后拉普拉斯矩阵;
7.根据权利要求6所述的用于无人机与两栖轮足机器人集群的数据处理系统,其特征在于,所述桥梁状况检测模块,用于:将所述桥梁表面状态全局多粒度语义特征矩阵通过基于分类器的桥梁状态评估器以得到桥梁状态评估结果,其中,所述桥梁状态评估结果为桥梁状况等级标签。
8.根据权利要求7所述的用于无人机与两栖轮足机器人集群的数据处理系统,其特征在于,还包括用于对所述基于第一深度神经网络模型的桥梁局部区域细粒度状态特征提取器、所述联合聚类网络、所述基于第二深度神经网络模型的桥梁表面粗粒度状态特征提取器和所述基于分类器的桥梁状态评估器进行训练的训练模块;
9.一种用于无人机与两栖轮足机器人集群的数据处理方法,其特征在于,包括:
...【技术特征摘要】
1.一种用于无人机与两栖轮足机器人集群的数据处理系统,其特征在于,包括:
2.根据权利要求1所述的用于无人机与两栖轮足机器人集群的数据处理系统,其特征在于,所述第一深度神经网络模型为卷积神经网络模型,所述第二深度神经网络模型为卷积神经网络模型。
3.根据权利要求2所述的用于无人机与两栖轮足机器人集群的数据处理系统,其特征在于,所述矩阵构造单元,用于:以如下权重公式计算所述桥梁表面局部状态语义特征向量的序列中各个桥梁表面局部状态语义特征向量之间的关联权重值以得到所述邻接矩阵;
4.根据权利要求3所述的用于无人机与两栖轮足机器人集群的数据处理系统,其特征在于,所述矩阵构造单元,用于:所述度矩阵中的各个位置的特征值为所述桥梁表面局部状态语义特征向量的序列中每个桥梁表面局部状态语义特征向量与其相连接的所有其余所述桥梁表面局部状态语义特征向量的关联权重值之和。
5.根据权利要求4所述的用于无人机与两栖轮足机器人集群的数据处理系统,其特征在于,所述拉普拉斯矩阵计算单元,用于:...
【专利技术属性】
技术研发人员:刘春宝,陈万楷,杨孔华,赵常屹,阮周杰,
申请(专利权)人:吉林大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。