XiaoMi-AI文件搜索系统
World File Search System俯视
P600 AEW 手册 - 英文.pdf - IAI
P600 AEW&C 通过在空中领域产生持续的态势感知，准备快速应对国家防空挑战。无论是俯视山谷还是克服山脉上的盲点，P600 AEW&C 都能提供扩展的早期预警，尤其是针对低空飞行的来袭威胁，因为地面防空雷达受到视线限制。P600 AEW&C 能够控制友军战斗机进行快速、高效和安全的拦截，同时通过数据链将空中态势图 (ASP) 传播给其自己的战斗机和指挥与控制中心。
P600 AEW 手册 - 英文版.pdf - IAI
P600 AEW&C 通过在空中领域产生持续的态势感知，准备快速应对国家防空挑战。无论是俯视山谷还是克服山脉上的盲点，P600 AEW&C 都能提供扩展的早期预警，尤其是针对低空飞行的来袭威胁，因为地面防空雷达受到视线限制。P600 AEW&C 能够控制友军战斗机进行快速、高效和安全的拦截，同时通过数据链将空中态势图 (ASP) 传播给自己的战斗机和指挥与控制中心。
“AI起重机摄像机人体检测系统”简介
■ 简介 - 用起重机摄像机拍摄的图像 - 起重机摄像机安装在吊臂顶部并俯视地面，因此监视器上显示的人像非常小。如果操作员专注于驾驶，他们可能会忽视这一点，这是一个风险。为了充分发挥起重机摄像机的作用，我们利用基于人工智能的图像识别技术，识别起重机摄像机（监视器）上捕捉到的人和物体，并发出警报（监视器上的画面、警告音等）。开发了一种系统来检测
P600 AEW 手册 - 英文版.pdf - IAI
P600 AEW&C 通过在空中领域产生持续的态势感知，准备快速应对国家防空挑战。无论是俯视山谷还是克服山脉上的盲点，P600 AEW&C 都能提供扩展的早期预警，尤其是针对低空飞行的来袭威胁，因为地面防空雷达受到视线限制。P600 AEW&C 能够控制友军战斗机进行快速、高效和安全的拦截，同时通过数据链将空中态势图 (ASP) 传播给自己的战斗机和指挥与控制中心。
P600 AEW 手册 - 英文版.pdf - IAI
P600 AEW&C 通过在空中领域产生持续的态势感知，准备快速应对国家防空挑战。无论是俯视山谷还是克服山脉上的盲点，P600 AEW&C 都能提供扩展的早期预警，尤其是针对低空飞行的来袭威胁，因为地面防空雷达受到视线限制。P600 AEW&C 能够控制友军战斗机进行快速、高效和安全的拦截，同时通过数据链将空中态势图 (ASP) 传播给自己的战斗机和指挥与控制中心。
P600 AEW 手册 - 英文版.pdf - IAI
P600 AEW&C 通过在空中领域产生持续的态势感知，准备快速应对国家防空挑战。无论是俯视山谷还是克服山脉上的盲点，P600 AEW&C 都能提供扩展的早期预警，尤其是针对低空飞行的来袭威胁，因为地面防空雷达受到视线限制。P600 AEW&C 能够控制友军战斗机进行快速、高效和安全的拦截，同时通过数据链将空中态势图 (ASP) 传播给自己的战斗机和指挥与控制中心。
数据表 UVC-AI-360
UVC-AI-360 是一款高分辨率数字 PTZ 摄像机，专为具有计算机视觉应用的俯视环境而设计。UVC-AI-360 配备 5 百万像素 CMOS 传感器和超宽 180x180 Øsheye 视角镜头，能够以 Øne 细节全面监视和监控大空间，使其成为购物中心、停车场、机场、火车站和其他人流量大区域的卓越监控摄像机。凭借标准的 1920x1920 30 FPS 视频流、IR LED 夜视和计算机视觉功能，UVC-AI-360 能够轻松检测和监控您场所内的任何人。使用 UniFi Protect App 轻松设置、配置和监控 UVC-AI-360。
销售总监和产品指南 - 主页
活动 HUD 系统是为新型飞机和改装应用而开发的，通常由飞行员显示装置和电子装置（计算机）组成，后者负责界面、符号生成和武器瞄准（空/空和空/地）。对于特定项目，电子装置还可以执行完整的导航计算。最新的系统是双模式的，其中显示可以是正常的飞行/武器瞄准符号，也可以是前视传感器（如前视红外线）的光栅（电视类型）显示，并叠加正常的符号。还生产了许多类型的俯视显示器，最新的使用触摸交互系统来简化飞行员！系统界面。为了补充夜视 HUD，生产了两种类型的夜视镜：专门用于固定翼的“猫眼”和用于固定翼和直升机应用的“夜枭”。
传感器 - ScienceOpen
摘要：本研究提出了一种新方法，利用无人机 (UAV) 成像联合评估积雪深度和冬季叶面积指数 (LAI)，后者是植被的结构特性，影响积雪和融雪。在冬季，评估了在捷克共和国舒马瓦国家公园 (Šumava NP) 内部分健康或受昆虫影响的挪威云杉林和草地覆盖区拍摄的一组多时间高分辨率数字表面模型 (DSM)（无雪和积雪条件），以评估积雪深度。无人机得出的 DSM 的分辨率为 0.73–1.98 cm/pix。通过减去 DSM，确定了积雪深度，并与在地面控制点 (GCP) 位置进行的手动雪深测量进行比较，均方根误差 (RMSE) 在 0.08 m 到 0.15 m 之间。将基于无人机的积雪深度与更密集的手动积雪深度测量网络进行比较分析，得出的 RMSE 在 0.16 m 到 0.32 m 之间。LAI 评估对于正确解释森林地区的积雪深度分布至关重要，它基于在森林状况下拍摄的俯视无人机图像。为了从俯视无人机图像中识别冠层特征，使用雪背景代替天空部分。参考了两种有效的冬季 LAI 检索常规方法，即 LAI-2200 植物冠层分析仪和数字半球摄影 (DHP)。与实地调查相比，冠层密度和地面特性对基于无人机成像的 DSM 评估准确性的影响显而易见。基于无人机的 LAI 值提供的估计值与 LAI-2200 植物冠层分析仪和 DHP 得出的值相当。与常规调查的比较表明，使用无人机摄影测量方法高估了春季积雪深度，低估了春季 LAI。由于积雪深度和 LAI 参数对于积雪研究至关重要，因此这种组合方法在未来将具有重要价值，可以简化雪深和雪动力学的 LAI 评估。