XiaoMi-AI文件搜索系统
World File Search System光点
基于传感器融合的运动补偿3D激光点云
摘要：本文提出了一种使用全球定位系统（GPS）和惯性测量单元（IMU）数据的传感器融合来补偿运动引起的3D激光点云数据中失真的方法。通过旋转镜子扫描环境的LIDAR传感器通常假设一个静态视图。但是，自我车辆的运动引入了假定和实际观点之间的差异，从而导致点云数据扭曲。为了解决这个问题，我们的方法融合了从IMU的高频运动动力学的GP的准确定位数据，以估算车辆的探射仪。此数据在东北方（ENU）坐标框架中对齐，并用于在每次激光扫描期间插入车辆的运动。然后根据插值探子仪调整点云中的每个点以纠正变形。利用来自GPS，IMU，相机和LIDAR传感器记录的Udacitic®数据，我们的方法有效地重建了周围环境的准确表示。此过程对于诸如自主驾驶和环境建模等应用程序至关重要，而在此过程中，精确且可靠的点云数据至关重要。
lidpose：稀疏激光点云中实时3D人姿势估计，具有非重复循环扫描模式
摘要：在本文中，我们提出了一种基于新型的，视觉转化器的端到端姿势估计方法，Lidpose，用于实时人类骨架估计，在非重复循环扫描（NRCS）LIDAR点云中。在vitpose架构上建造，我们介绍了新颖的改编，以解决NRCS激光雷达的独特特性，即稀疏性和异常的类似Rosetta的扫描模式。所提出的方法解决了基于NRCS激光雷达的感知的常见问题，即测量的稀疏性，它需要在记录数据的空间和时间分辨率之间保持平衡，以有效地分析各种现象。lidpose利用NRCS激光雷达传感器的前景和背景细分技术来选择感兴趣的区域（ROI），使下痛成为移动行人检测和从RAW NRCS LIDAR LIDAR LIDAR测量序列中移动的端到端方法，该方法由静态传感器捕获的静态传感器供Sureveellance Seasarions捕获。为了评估该方法，我们创建了一个新颖的，真实的，多模式的数据集，其中包含来自Livox Avia传感器的相机图像和LIDAR点云，并带有注释的2D和3D人体骨架地面真相。
三重态三重态能量转移：一种有效的可见光诱导光点击反应的简单策略
摘要：光点击反应结合了光驱动过程和传统点击化学的优势，已在表面功能化、聚合物共轭、光交联和蛋白质标记等多个领域得到应用。尽管取得了这些进展，但大多数光点击反应对紫外光的依赖性对其普遍应用造成了严重障碍，因为这种光可能会被系统中的其他分子吸收，导致其降解或发生不必要的反应。然而，开发一种简单有效的系统来实现红移光点击转换仍然具有挑战性。在这里，我们引入了三重态-三重态能量转移作为一种快速而选择性的方式来实现可见光诱导的光点击反应。具体而言，我们表明，在催化量（少至 5 mol%）的光敏剂存在下，9,10-菲醌 ( PQ s) 可以与富电子烯烃 ( ERA ) 有效反应。光环加成反应可以在绿光（530 nm）或橙光（590 nm）照射下实现，与经典的PQ-ERA体系相比，红移超过100 nm。此外，通过组合适当的反应物，我们建立了正交的蓝光和绿光诱导的光点击反应体系，其中产物的分布可以通过选择光的颜色来精确控制。
双光点源的自适应量子态估计
区分两个光学点源是光学领域的一个重要课题，有望应用于天文观测和生物成像。然而，传统方法有一个称为瑞利诅咒 [1] 的缺陷，当两个点源彼此靠近时，很难区分它们。这个问题可以转化为估计两个点源的质心和分离的问题，瑞利诅咒表示当两个点源彼此靠近时难以估计分离。最近，Tsang 等人 [1] 在量子理论框架下研究了这个问题，并表明有可能以与它们相距较远时相同的精度估计两个靠近的点源之间的分离。此外，他们设计了一种称为空间模式解复用（SPADE）的测量方案，当预先知道两个点源的质心时，该方案可以达到这种精度。 SPADE 方案可以让我们准确估计分离，但它需要事先知道质心。因此，Grace 等人 [2] 提出了一个两步程序，其中首先要估计质心。与此同时，Parniak 等人 [3] 和 Bao 等人 [4] 研究了同时估计质心和分离，但他们没有考虑测量的最优性。
