基于无人机建模的数字孪生智慧校园

《基于无人机建模的数字孪生智慧校园》由会员分享，可在线阅读，更多相关《基于无人机建模的数字孪生智慧校园（18页珍藏版）》请在中国通信学会知识平台上搜索。

1、杭州电子杭州电子科技大学科技大学 HDUGeeKHDUGeeK基于无人机建模的数字孪生智慧校园基于无人机建模的数字孪生智慧校园指导老师：孙玲玲团队成员：孙浩、隗茂玉、韩文韬、范泽平020103背景及创新点&难点作品设计方案作品展示数字孪生智慧校园2021背景及创新点& &难点研发背景创新点&难点2021作品背景数字孪生：数字孪生是指现实世界中的实体或系统的数字化表示，数字孪生以数字化的形式在虚拟空间中构建了与物理世界一致的高保真模型，通过与物理世界间不间断的闭环信息交互反馈与数据融合，能够模拟对象在物理世界中的行为，监控物理世界的变化，反映物理世界的运行状况，评估物理世界的状态，诊断发生的问题。

2、，预测未来趋势，乃至优化和改变物理世界。2021作品背景智慧校园：在信息技术告诉发展的当下，结合物联网技术赋能校园，使校园更加高效更加智能更加智慧，是当前校园发展的方向。在人脸识别、人流识别、信息在线管理等技术的运用下，校园的管理更加高效便捷。2021作品背景智慧校园+数字孪生：数字孪生作为一个精细的模型构造技术，它运用于智慧校园将会使校园的信息更加真实更加详细，使智慧校园更加“智慧”。2021创新点&难点难点：基于单目slam的室外稳定飞行设计基于yolo在复杂环境下的场景识别算法创新点：将AdaptiveGradientClipping&BN-free运用于训练加速21作品设计方案整体架构。

3、设计核心技术实现2021整体架构设计核心技术：1、slam自主定位与导航2、3D模型重建3、目标识别神经网络算法4、自适应梯度裁剪、无批归一化训练加速算法构建智慧校园2021核心技术实现无人机采集校园图片，通过虚幻4生成校园3D模型2021核心技术实现无批归一化训练加速算法. widthheightBN的性能严重依赖于batchsize的大小，过大或者过小到会导致性能不好；BN引入了不一致性，具体表现在训练时的行为和推理时的行为不一致；BN增加了内存的开销；带有BN的模型难以在不同的设备上复现，会出现小错误2021核心技术实现自适应梯度裁剪训练加速算法 其中，是一个标量超参数代表梯度裁剪的阈值，为了防止初始化为0的参数的梯度被裁剪为0，我们定义 如下式：= max， ， = 1032021核心技术实现基于深度神经网络实现目标检测，采用yolo神经网络进行识别，最终实现在无人机终端平台进行实时处理。人员识别人员识别球场空位识别球场空位识别2021核心技术实现基于slam无人机自动建图导航作品展示2021作品展示2021作品展示Web界面感谢各位评委老师观看为科技发声为创造发声2021。