【技术实现步骤摘要】
本专利技术涉及计算机视觉与深度学习领域，尤其涉及一种协同作业感知方法、装置、设备及介质。
技术介绍
1、在机场场景中，飞机的地面保障作业是保持其正常运行状态的关键预飞行活动。这些保障作业包括货物转运、燃油补给等任务，主要由各类保障智能体(如加油车、行李装载车，以及相关人员等)协作完成。保障智能体在繁忙的机场地面上有效协作，通过移动到不同的工位(如加油位、装卸位、维修位)并执行特定任务，以确保飞机的正常运营状态。感知这些保障作业对分析和提升整体保障能力至关重要。
2、感知保障作业的过程涉及从长时间的机场地面作业轨迹中分析保障智能体与各类资源位之间的短期和长期协作模式。然而，现有的感知方法，在感知短时间轨迹中的协作行为上表现较好，但在处理更长时间的轨迹时难以有效感知复杂的保障作业。此外，现有方法也缺乏对机场资源位等场景信息的深入关联分析，使得感知结果的准确性和应用性受到限制。。
技术实现思路
1、本专利技术提供一种协同作业感知方法、装置、设备及介质，解决现有的感知方法，在处理更长时间的轨迹时难以有效感知复杂的保障作业，同时现有方法也缺乏对机场工位等场景信息的深入关联分析，使得感知结果的准确性和应用性受到限制的问题。
2、为解决上述技术问题，本专利技术采用的技术方案是提供一种协同作业感知方法，包括步骤：获取协同智能体的轨迹数据，根据协同工位、所述协同智能体和所述轨迹数据，构建动态作业网络；其中，所述动态作业网络包括多个动态的节点和连接边；对所述动态作业网络依次进行
3、在一些实施例中，所述构建动态作业网络，具体包括：根据作业场景和所述轨迹数据，创建共享时空元胞空间；根据所述共享时空元胞空间，计算获得所述协同工位与协同智能体之间、以及不同的所述协同智能体之间的时空协作关系；将所述协同工位、协同智能体作为所述节点，将所述时空协作关系作为所述节点之间的连接边，得到所述动态作业网络。
4、在一些实施例中，在所述对所述动态作业网络依次进行离散处理和压缩处理的步骤中，所述离散处理包括：将所述动态作业网络在时间上进行离散，得到多个静态的离散子图。
5、在一些实施例中，在所述对所述动态作业网络依次进行离散处理和压缩处理的步骤中，所述压缩处理包括：将多个所述离散子图按照压缩时间步长划分为多个压缩组，将每个所述压缩组中的多个所述离散子图合并为一个所述压缩子图。
6、在一些实施例中，在所述对每个所述压缩子图进行随机游走和学习的步骤中，所述随机游走具体包括：对于每个所述压缩子图，按照第一目标长度进行目标次数的随机游走；其中，每次随机游走均获得一个随机游走序列；使用第二目标长度的滑动窗口在每个所述随机游走序列上滑动，获得多个节点对。
7、在一些实施例中，在所述对每个所述压缩子图进行随机游走和学习的步骤中，所述学习具体包括：通过跳字负采样模型，对多个所述节点对进行训练学习，获得每个所述节点对的训练向量；对所有的所述压缩子图中的每个所述节点对的所述训练向量进行迭代处理，得到所有的所述节点的所述嵌入向量。
8、在一些实施例中，所述对所述嵌入向量进行计算，提取所述嵌入向量的多尺度特征，具体包括：将所有的所述嵌入向量合并为一个整体，并分割为多个数据块；对多个所述数据块进行线性嵌入后，提取所述数据块的全局特征和局部特征；对所述全局特征和局部特征进行降维处理后，提取所述多尺度特征。
9、本专利技术还提供一种协同作业感知装置，包括：获取构建单元，用于获取协同智能体的轨迹数据，根据协同工位、所述协同智能体和所述轨迹数据，构建动态作业网络；其中，所述动态作业网络包括多个动态的节点和连接边；离散压缩单元，用于对所述动态作业网络依次进行离散处理和压缩处理，获得多个压缩子图；游走学习单元，用于对每个所述压缩子图进行随机游走和学习，获得所述压缩子图中的每个所述节点的嵌入向量；提取感知单元，用于对所述嵌入向量进行计算，提取所述嵌入向量的多尺度特征，并根据所述多尺度特征，感知协同作业的类型。
10、本专利技术还提供一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述所述方法的步骤。
11、本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述所述方法的步骤。
12、本专利技术的有益效果是：本专利技术公开了一种协同作业感知方法、装置、设备及介质，该方法包括步骤：获取协同智能体的轨迹数据，根据协同工位、协同智能体和轨迹数据，构建动态作业网络；对动态作业网络依次进行离散处理和压缩处理，获得多个压缩子图；对每个压缩子图进行随机游走和学习，获得压缩子图中的每个节点的嵌入向量；对嵌入向量进行计算，提取嵌入向量的多尺度特征，并根据多尺度特征，感知协同作业的类型。本申请通过将协同智能体及其轨迹数据、协同工位和作业场景进行结合，形成了动态作业网络，确保了协同智能体和协同工位之间的一致性，保留了协同智能体和协同工位之间的时间和空间的协作关系。通过对动态作业网络的离散和压缩，使得长时间空间轨迹被压缩为多个静态的短时间空间轨迹，有利于理解协同智能体和协同工位之间的协作关系。进一步通过随机游走和学习，获得节点的嵌入向量，不仅能学习每个压缩子图的特征，还能捕捉不同压缩子图之间的时间变化。最后进一步学习空间和时间的协作关系，提取多尺度特征，进行协同作业感知，避免了人工设计指标中固有的潜在偏差。同时本申请在不同的作业场景中具有良好的迁移性。
本文档来自技高网...【技术保护点】
1.一种协同作业感知方法，其特征在于，包括步骤：
2.根据权利要求1所述的协同作业感知方法，其特征在于，所述构建动态作业网络，具体包括：
3.根据权利要求1所述的协同作业感知方法，其特征在于，在所述对所述动态作业网络依次进行离散处理和压缩处理的步骤中，所述离散处理包括：
4.根据权利要求3所述的协同作业感知方法，其特征在于，在所述对所述动态作业网络依次进行离散处理和压缩处理的步骤中，所述压缩处理包括：
5.根据权利要求1所述的协同作业感知方法，其特征在于，在所述对每个所述压缩子图进行随机游走和学习的步骤中，所述随机游走具体包括：
6.根据权利要求5所述的协同作业感知方法，其特征在于，在所述对每个所述压缩子图进行随机游走和学习的步骤中，所述学习具体包括：
7.根据权利要求1所述的协同作业感知方法，其特征在于，所述对所述嵌入向量进行计算，提取所述嵌入向量的多尺度特征，具体包括：
8.一种协同作业感知装置，其特征在于，包括：
9.一种电子设备，其特征在于，包括存储器、处理器以及存储在所述存储
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
...【技术特征摘要】
1.一种协同作业感知方法，其特征在于，包括步骤：
2.根据权利要求1所述的协同作业感知方法，其特征在于，所述构建动态作业网络，具体包括：
3.根据权利要求1所述的协同作业感知方法，其特征在于，在所述对所述动态作业网络依次进行离散处理和压缩处理的步骤中，所述离散处理包括：
4.根据权利要求3所述的协同作业感知方法，其特征在于，在所述对所述动态作业网络依次进行离散处理和压缩处理的步骤中，所述压缩处理包括：
5.根据权利要求1所述的协同作业感知方法，其特征在于，在所述对每个所述压缩子图进行随机游走和学习的步骤中，所述随机游走具体包括：
6.根据权利要求5所述的协同作业感知方法...
【专利技术属性】
技术研发人员：王华，郭星余，秦义展，徐明亮，尚丽芳，陶浩，李亚飞，
申请(专利权)人：郑州大学，
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。