基于仿真环境的无人机感知决策算法测试
发送至邮箱
基于仿真环境的无人机感知决策算法测试
| 项目编号 | BA* | 项目名称 | 基于仿真环境的无人机感知决策算法测试 |
|---|---|---|---|
| 经办人单位 | (略) | 经办人 | 马锐 |
| 预算金额 | *.00 人民币 | 成交金额 | *.00 人民币 |
| 成交供应商 | 上海 (略) | ||
| 联系地址 | (略) -市辖区-徐汇区 | 采购单位 | 吉林大学 (略) |
| 付款方式 | 服务完毕验收合格后100%付款。 | ||
| 供应商联系手机 | * | 服务时间 | **日 至 **日 |
| 服务地址 | (略) - (略) -前进大街2699号吉林大学正新楼 | ||
| 验收方式 | 以成交单为准，参考相关内容进行验收。验收程序以*方职能部门规定为准。 | ||
| 售后服务要求 | 本次基于仿真环境的无人机感知决策算法测试项目，服务范围包括测试场景的构建、无人机深度学习目标检测算法性能测试、无人机目标追踪算法性能测试、无人机路径规划算法性能测试。上海 (略) 承诺针对 基于仿真环境的无人机感知决策算法测试 项目提供三年免费质保期，提供专人进行服务，针对用户需求可做到24小时热线服务，如遇问题8小时内进行远程技术响应，如遇重大事故24小时内现场维护，超过质保期提供最优惠的维保服务，并在项目结束后提供用户需求的所有源文件，做到文件保密绝不外泄。 | ||
| 采购材料 | 上海 (略) .pdf | ||
| 采购品目 | 计算机科学技术研究服务 | 名称 | 基于仿真环境的无人机感知决策算法测试 |
|---|---|---|---|
| 单位 | 项 | 数量 | 1 |
| 单价 | ￥210,000.00 | 总价 | ￥210,000.00 |
| 范围/服务内容及要求 | 本次基于仿真环境的无人机感知决策算法测试项目，服务范围包括测试场景的构建、无人机深度学习目标检测算法性能测试、无人机目标追踪算法性能测试、无人机路径规划算法性能测试。 1.测试场景的构建 本分项服务范围需根据需求分析结果，设计测试场景的框架和逻辑。创建测试场景中的3D模型，包括环境、物体和角色并构建测试所需的虚拟环境。 2.无人机目标追踪算法性能测试 本分项主要服务范围针对无人机目标追踪算法性能测试展开，本项目需研究和开发用于无人机目标追踪的算法，包括但不限于基于相关滤波、深度学习、孪生网络等方法。创建和标注用于测试无人机目标追踪算法的数据集，包括视频帧的收集、目标物体的标注以及场景的多样性。定义和选择合适的性能评估指标，如跟踪精度、鲁棒性、实时性等，以及制定量化指标的标准。构建仿真环境或实际飞行测试平台，用于算法的测试和验证，根据测试结果对算法进行优化和调整，以提高追踪性能和适应不同的追踪场景。 3.无人机深度学习目标检测算法性能测试 本分项主要服务范围针对无人机深度学习目标检测算法性能测试展开，研究和设计适用于无人机目标检测的深度学习算法框架，包括但不限于卷积神经网络、区域建议网络、YOLO、SSD等，创建或利用现有的无人机目标检测数据集，并进行必要的标注工作，以支持算法训练和测试。定义和采用适当的性能评估指标，如精度、召回率、平均精度(mAP)、F1分数等。测试和分析算法在无人机平台上的实时性能，确保算法能够满足实时处理的需求。评估算法在不同环境条件下的鲁棒性，如光照变化、遮挡、目标尺寸变化等。并研究算法在不同硬件平台上的兼容性和性能。 4.无人机路径规划算法性能测试 本分项主要服务范围针对无人机路径规划算法性能测试展开，研究和实现不同的路径规划算法，如A*算法、Dijkstra算法、遗传算法、人工势场算法等。创建虚拟环境或使用实际地图数据，用于算法的仿真测试。定义评估路径规划算法性能的指标，如路径长度、路径平滑度、计算时间、能耗等。评估算法在实时条件下的性能，确保算法能够快速响应环境变化。测试算法在面对动态障碍物、传感器误差、GPS信号丢失等情况下的鲁棒性。评估多无人机系统中各无人机路径规划的协调性。评估算法在复杂环境中避开静态和动态障碍物的能力。测试算法在无人机硬件上的兼容性和性能。评估算法在不同环境和任务中的泛化能力。 二、服务要求 1.测试场景的构建 （1）测试场景应尽可能模拟真实世界的飞行环境，场景应涵盖各种不同的环境条件和障碍物类型. （2）测试场景应包括动态元素，场景应具有足够的复杂性，以测试算法在复杂环境下的性能。 （3）测试场景中的元素应能够被控制，以便于重现特定的测试条件。 （4）场景应能够重复构建，以便于进行多次测试和验证。 （5）场景应能够提供足够的数据和指标，以评估算法的性能。 （6）场景应支持数据的记录和分析，包括飞行路径、速度、时间、能耗等。 （7）场景应能提供实时反馈，以便于监控测试过程并及时调整. （8）场景应允许操作者与环境进行交互，以测试算法的响应能力。 2.无人机目标追踪算法性能测试 （1）测试算法在不同条件下追踪目标的准确性，包括跟踪误差和目标定位精度。 （2）评估算法在面对遮挡、光照变化、目标尺度变化、背景干扰等复杂情况下的稳定性和可靠性。 （3）测试算法处理视频流或实时数据的能力，确保算法能够在无人机飞行过程中实时响应。 （4）评估算法的计算复杂度，包括算法执行时间和资源消耗。 （5）测试算法在不同环境（ (略) 、野外、室内等）中的性能。 （6）测试算法处理多个目标同时出现时的性能。 （7）测试算法在无人机搭载的硬件上的表现，包括处理器、内存和存储等。 （8）构建或使用现有的无人机目标追踪数据集，包括各种场景和目标类型。 （9）定义清晰的性能评估指标，如精确度、召回率、平均精度（mAP）、跟踪稳定性等。 （10）设计覆盖各种测试需求的场景，包括静态和动态环境。测试算法对未知目标和环境的泛化能力。 3.无人机深度学习目标检测算法性能测试 （1）测试算法在不同数据集上的目标检测精度，包括分类准确率和定位精度。 （2）评估算法在无人机平台上的实时处理能力，确保算法能够在无人机飞行过程中实时响应。 （3）测试算法在不同环境条件下的性能，如光照变化、遮挡、天气条件等。 （4）评估算法的计算复杂度和资源消耗，包括处理速度和内存使用情况。 （5）测试算法在不同硬件配置上的兼容性和性能。 （6）评估算法在复杂场景中同时检测多个目标的能力。 （7）测试算法对小尺寸目标的检测能力。 （8）评估算法在不同场景（ (略) 、野外、室内等）中的适应性和泛化能力。 （9）构建或使用现有的无人机目标检测数据集，包括各种目标类型和场景。 （10）定义清晰的性能评估指标，如精确度、召回率、平均精度（mAP）等。 4.无人机路径规划算法性能测试 （1）算法应能准确计算出从起点到终点的最优或可行路径。 （2）算法在面对环境变化（如动态障碍物、GPS信号丢失等）时，应能保持稳定运行并快速适应。 （3）算法应具备快速响应能力，以适应无人机实时路径规划的需求。 （4）评估算法的计算复杂度和资源消耗，确保算法能在有限的计算资源下运行。 （5）算法应能在多种环境（ (略) 、野外、室内等）中有效规划路径。 （6）在多无人机系统中，算法应能处理无人机之间的协调和避碰问题。 （7）算法应能实时识别和规避动态和静态障碍物。 （8）确保规划路径满足安全标准，避免高风险区域。 （9）构建多样化的测试场景，包括不同的地形、障碍物分布和环境条件。 （10）定义清晰的性能评估指标，如路径长度、时间、能耗、安全性等。 | ||
| 吉林大学招标与备案(采购)管理中心 | 设 备 类：林老师: 0431-* 工 程 类：白老师: 0431-* 服务及其他货物：李老师: 0431-* |
|---|
| 项目编号 | BA* | 项目名称 | 基于仿真环境的无人机感知决策算法测试 |
|---|---|---|---|
| 经办人单位 | (略) | 经办人 | 马锐 |
| 预算金额 | *.00 人民币 | 成交金额 | *.00 人民币 |
| 成交供应商 | 上海 (略) | ||
| 联系地址 | (略) -市辖区-徐汇区 | 采购单位 | 吉林大学 (略) |
| 付款方式 | 服务完毕验收合格后100%付款。 | ||
| 供应商联系手机 | * | 服务时间 | **日 至 **日 |
| 服务地址 | (略) - (略) -前进大街2699号吉林大学正新楼 | ||
| 验收方式 | 以成交单为准，参考相关内容进行验收。验收程序以*方职能部门规定为准。 | ||
| 售后服务要求 | 本次基于仿真环境的无人机感知决策算法测试项目，服务范围包括测试场景的构建、无人机深度学习目标检测算法性能测试、无人机目标追踪算法性能测试、无人机路径规划算法性能测试。上海 (略) 承诺针对 基于仿真环境的无人机感知决策算法测试 项目提供三年免费质保期，提供专人进行服务，针对用户需求可做到24小时热线服务，如遇问题8小时内进行远程技术响应，如遇重大事故24小时内现场维护，超过质保期提供最优惠的维保服务，并在项目结束后提供用户需求的所有源文件，做到文件保密绝不外泄。 | ||
| 采购材料 | 上海 (略) .pdf | ||
| 采购品目 | 计算机科学技术研究服务 | 名称 | 基于仿真环境的无人机感知决策算法测试 |
|---|---|---|---|
| 单位 | 项 | 数量 | 1 |
| 单价 | ￥210,000.00 | 总价 | ￥210,000.00 |
| 范围/服务内容及要求 | 本次基于仿真环境的无人机感知决策算法测试项目，服务范围包括测试场景的构建、无人机深度学习目标检测算法性能测试、无人机目标追踪算法性能测试、无人机路径规划算法性能测试。 1.测试场景的构建 本分项服务范围需根据需求分析结果，设计测试场景的框架和逻辑。创建测试场景中的3D模型，包括环境、物体和角色并构建测试所需的虚拟环境。 2.无人机目标追踪算法性能测试 本分项主要服务范围针对无人机目标追踪算法性能测试展开，本项目需研究和开发用于无人机目标追踪的算法，包括但不限于基于相关滤波、深度学习、孪生网络等方法。创建和标注用于测试无人机目标追踪算法的数据集，包括视频帧的收集、目标物体的标注以及场景的多样性。定义和选择合适的性能评估指标，如跟踪精度、鲁棒性、实时性等，以及制定量化指标的标准。构建仿真环境或实际飞行测试平台，用于算法的测试和验证，根据测试结果对算法进行优化和调整，以提高追踪性能和适应不同的追踪场景。 3.无人机深度学习目标检测算法性能测试 本分项主要服务范围针对无人机深度学习目标检测算法性能测试展开，研究和设计适用于无人机目标检测的深度学习算法框架，包括但不限于卷积神经网络、区域建议网络、YOLO、SSD等，创建或利用现有的无人机目标检测数据集，并进行必要的标注工作，以支持算法训练和测试。定义和采用适当的性能评估指标，如精度、召回率、平均精度(mAP)、F1分数等。测试和分析算法在无人机平台上的实时性能，确保算法能够满足实时处理的需求。评估算法在不同环境条件下的鲁棒性，如光照变化、遮挡、目标尺寸变化等。并研究算法在不同硬件平台上的兼容性和性能。 4.无人机路径规划算法性能测试 本分项主要服务范围针对无人机路径规划算法性能测试展开，研究和实现不同的路径规划算法，如A*算法、Dijkstra算法、遗传算法、人工势场算法等。创建虚拟环境或使用实际地图数据，用于算法的仿真测试。定义评估路径规划算法性能的指标，如路径长度、路径平滑度、计算时间、能耗等。评估算法在实时条件下的性能，确保算法能够快速响应环境变化。测试算法在面对动态障碍物、传感器误差、GPS信号丢失等情况下的鲁棒性。评估多无人机系统中各无人机路径规划的协调性。评估算法在复杂环境中避开静态和动态障碍物的能力。测试算法在无人机硬件上的兼容性和性能。评估算法在不同环境和任务中的泛化能力。 二、服务要求 1.测试场景的构建 （1）测试场景应尽可能模拟真实世界的飞行环境，场景应涵盖各种不同的环境条件和障碍物类型. （2）测试场景应包括动态元素，场景应具有足够的复杂性，以测试算法在复杂环境下的性能。 （3）测试场景中的元素应能够被控制，以便于重现特定的测试条件。 （4）场景应能够重复构建，以便于进行多次测试和验证。 （5）场景应能够提供足够的数据和指标，以评估算法的性能。 （6）场景应支持数据的记录和分析，包括飞行路径、速度、时间、能耗等。 （7）场景应能提供实时反馈，以便于监控测试过程并及时调整. （8）场景应允许操作者与环境进行交互，以测试算法的响应能力。 2.无人机目标追踪算法性能测试 （1）测试算法在不同条件下追踪目标的准确性，包括跟踪误差和目标定位精度。 （2）评估算法在面对遮挡、光照变化、目标尺度变化、背景干扰等复杂情况下的稳定性和可靠性。 （3）测试算法处理视频流或实时数据的能力，确保算法能够在无人机飞行过程中实时响应。 （4）评估算法的计算复杂度，包括算法执行时间和资源消耗。 （5）测试算法在不同环境（ (略) 、野外、室内等）中的性能。 （6）测试算法处理多个目标同时出现时的性能。 （7）测试算法在无人机搭载的硬件上的表现，包括处理器、内存和存储等。 （8）构建或使用现有的无人机目标追踪数据集，包括各种场景和目标类型。 （9）定义清晰的性能评估指标，如精确度、召回率、平均精度（mAP）、跟踪稳定性等。 （10）设计覆盖各种测试需求的场景，包括静态和动态环境。测试算法对未知目标和环境的泛化能力。 3.无人机深度学习目标检测算法性能测试 （1）测试算法在不同数据集上的目标检测精度，包括分类准确率和定位精度。 （2）评估算法在无人机平台上的实时处理能力，确保算法能够在无人机飞行过程中实时响应。 （3）测试算法在不同环境条件下的性能，如光照变化、遮挡、天气条件等。 （4）评估算法的计算复杂度和资源消耗，包括处理速度和内存使用情况。 （5）测试算法在不同硬件配置上的兼容性和性能。 （6）评估算法在复杂场景中同时检测多个目标的能力。 （7）测试算法对小尺寸目标的检测能力。 （8）评估算法在不同场景（ (略) 、野外、室内等）中的适应性和泛化能力。 （9）构建或使用现有的无人机目标检测数据集，包括各种目标类型和场景。 （10）定义清晰的性能评估指标，如精确度、召回率、平均精度（mAP）等。 4.无人机路径规划算法性能测试 （1）算法应能准确计算出从起点到终点的最优或可行路径。 （2）算法在面对环境变化（如动态障碍物、GPS信号丢失等）时，应能保持稳定运行并快速适应。 （3）算法应具备快速响应能力，以适应无人机实时路径规划的需求。 （4）评估算法的计算复杂度和资源消耗，确保算法能在有限的计算资源下运行。 （5）算法应能在多种环境（ (略) 、野外、室内等）中有效规划路径。 （6）在多无人机系统中，算法应能处理无人机之间的协调和避碰问题。 （7）算法应能实时识别和规避动态和静态障碍物。 （8）确保规划路径满足安全标准，避免高风险区域。 （9）构建多样化的测试场景，包括不同的地形、障碍物分布和环境条件。 （10）定义清晰的性能评估指标，如路径长度、时间、能耗、安全性等。 | ||
| 吉林大学招标与备案(采购)管理中心 | 设 备 类：林老师: 0431-* 工 程 类：白老师: 0431-* 服务及其他货物：李老师: 0431-* |
|---|
招投标大数据
最近搜索
无
热门搜索
无
