分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2022-04-07 合作期刊: 《计算机应用研究》
摘要: 为解决车辆在拥堵环境中因车速波动较大所带来的跟驰平稳性较差,跟踪无效或不安全等问题,提出了基于车辆模型和深度强化学习的多目标优化跟驰方案。首先基于车辆横纵向动力学建立车辆跟驰模型,然后根据车间距误差、速度误差、横向偏差及相对偏航角等,利用深度确定性策略梯度算法得到跟驰车的加速度和转向角,以更平稳安全地控制跟驰车辆。经NGSIM公开驾驶数据集进行测试与验证,该方案可有效地提升跟驰车辆的稳定、舒适与安全性,对保证交通安全和提升道路通行能力具有重要意义。
分类: 计算机科学 >> 计算机科学的集成理论 提交时间: 2018-11-29 合作期刊: 《计算机应用研究》
摘要: 目前,三维场景应用越来越多,复杂的模型给实时渲染造成了较大压力,模型简化成为必要的一步。针对大多算法在简化率较大的情况下易丢失模型的细节特征的问题,引入顶点尖锐度的概念,并基于QEM(quadric error metric)折叠代价给出一种改进的折叠代价,能更多地保留模型的细节特征;同时针对大多简化算法不包含纹理处理的问题,引入纹理变化因子,更多保留纹理的细节部分。在简化的基础上,还提出一种网格局部优化算法,解决简化后网格质量不高的问题。实验结果表明,本算法不仅可以保持模型的细节特征和纹理的完整性,同时得到的模型网格质量高。