XiaoMi-AI文件搜索系统
World File Search System地形
LORIS：用于极端地形探索的轻型自由攀爬机器人
摘要 — 攀爬机器人可以调查传统探测车由于地形陡峭而无法到达的具有科学价值的地点。配备微棘爪的机器人特别适合攀爬岩石峭壁，但大多数现有设计要么体积大、速度慢，要么仅限于相对平坦的表面（如墙壁）。我们提出了一种新型自由攀爬机器人，通过创新爪设计和力控制来弥补这一差距。完全被动的爪和腕关节可实现安全抓握，同时减轻质量和复杂性。使用基于优化的控制策略在机器人的爪之间分配力，以最大限度地降低意外脱落的风险。机器人原型已经展示了在地球重力环境下在平坦的煤渣砌块墙壁和不平坦的岩石表面上的垂直攀爬。
使用机器学习和高分辨率激光雷达地形数据绘制丘陵景观的地形
地图是评估土壤和生态杂质的过程和危害，水文建模以及自然资源和土地管理的重要工具。基于现场调查或航空照片的映射土地形式的传统技术可能是时间和劳动密集型，强调了基于遥感产品的自动或半自动方法的重要性。此外，时间密集的手动标记也可以是主观的，而不是对地形的客观识别。在这里，我们实施了一种客观的方法，该方法将随机的森林机器学习算法应用于一组观察到的地形数据和1M水平分辨率裸露的数字高程模型（DEM），它是从空气中的光检测和范围数据（LIDAR）数据开发的，以快速映射丘陵地面的各种地面地面。地面分类包括高地高原，山脊，凸面，平面斜坡，凹陷坡，溪流通道和山谷底部，横跨俄克拉荷马州东北部俄克拉群岛的Ozark山脉的400公里2丘陵景观。我们使用了4200个地面观测值（每个地形600个）和八个从随机森林算法中的2 m，5 m和10 m分辨率LIDAR DEM得出的地形指数，以开发2 m，5 m和10 m分辨率地分辨率地面地面模型。我们通过比较观察到的地貌与建模地面的地图来测试DEM分辨率在映射地图中的有效性。结果表明，当协变量以2 m的分辨率分辨率为〜89％时，该方法绘制了约84％的观察到的地形，分辨率为10 m。使用这种方法开发的地图图具有多种潜在应用。然而，预测的地图显示，2 m分辨率的协变量在捕获准确的地形边界和小型地面的细节（例如溪流通道和山脊）方面表现更好。与使用空中图像和现场观测值相比，此处介绍的方法大大减少了绘制地图的时间，并允许掺入各种各样的协变量。它可以用于水文建模，自然资源管理，并在丘陵景观中表征土壤地球形过程和危害。
地形建模（地貌测量学）参考书目，地形的定量表示 — 补充 4.0
地形建模是一种对地表进行量化的实践，是地球科学、数学、工程学和计算机科学的综合体。该学科有各种名称，如地貌测量学（或简称为形态测量学）、地形分析和定量地貌学。它通过水文学、地质灾害测绘、地质构造学、海底和行星探索以及其他领域的大量应用不断发展壮大。该领域名义上可以追溯到学术地理学的共同创始人亚历山大·冯·洪堡（1808 年，1817 年）和卡尔·里特（1826 年，1828 年），20 世纪后期，计算机操纵地形高度的空间阵列或数字高程模型 (DEM) 彻底改变了该领域，这些模型可以量化和描绘大面积的地表形态（Maune，2001 年）。形态测量程序通常由商业地理信息系统 (GIS) 以及专业软件实施（Harvey 和 Eash，1996 年；Köthe 等人，1996 年；ESRI，1997 年；Drzewiecki 等人，1999 年；Dikau 和 Saurer，1999 年；Djokic 和 Maidment，2000 年；Wilson 和 Gallant，2000 年；Breuer，2001 年；Guth，2001 年；Eastman，2002 年）。《地球物理杂志》的新地球表面版
diter ++：多户户外环境中多机射击导航的各种地形和多模式数据集
摘要 - 多个现场机器人的协作对于大规模环境的导航和映射是必需的。在穿越时，考虑到每个机器人性质的遍历性估算对于确保机器人的安全并确保其性能至关重要。即使在结构化的环境中，不考虑地形信息的行驶也可能导致平台严重损坏，例如由于陡峭的斜坡或由于突然的高度变化而导致的下降。为了应对这一挑战，我们提出了Diter ++，多机器人，多主题和多模式数据集，包括地面信息。使用向前的RGB摄像头和面向接地的RGB-D相机，热相机，两种类型的激光镜头，IMU，GPS和机器人运动传感器获得数据集。数据集和补充材料可在https：//sites.google.com/view/diter-plusplus/上找到。
在陡峭的高山地形中安全的低空导航，带固定翼无人机
[1] Heck，Matthias等。“结合阵列分类和本地化的雪崩自动检测。”地球表面动力学7.2（2019）：491-503。地球表面动力学7.2（2019）：491-503。
地形建模（地貌测量学）参考书目，地形的定量表示 — 补充 4.0
地形建模是一种对地表进行量化的实践，是地球科学、数学、工程学和计算机科学的综合体。该学科有各种名称，如地貌测量学（或简称为形态测量学）、地形分析和定量地貌学。它通过水文学、地质灾害测绘、地质构造学、海底和行星探索以及其他领域的大量应用不断发展壮大。该领域名义上可以追溯到学术地理学的共同创始人亚历山大·冯·洪堡（1808 年，1817 年）和卡尔·里特（1826 年，1828 年），20 世纪后期，计算机操纵地形高度的空间阵列或数字高程模型 (DEM) 彻底改变了该领域，这些模型可以量化和描绘大面积的地表形态（Maune，2001 年）。形态测量程序通常由商业地理信息系统 (GIS) 以及专业软件实施（Harvey 和 Eash，1996 年；Köthe 等人，1996 年；ESRI，1997 年；Drzewiecki 等人，1999 年；Dikau 和 Saurer，1999 年；Djokic 和 Maidment，2000 年；Wilson 和 Gallant，2000 年；Breuer，2001 年；Guth，2001 年；Eastman，2002 年）。《地球物理杂志》的新地球表面版
使用 GIS 技术创建区域地形数字模型来评估退化过程
众所周知，土壤退化是全球性问题之一。由于各种土壤退化过程，全球每年有 600 万公顷农业用地无法使用 [1, 2]。从农业角度来看，土地退化是由土壤生产特性的下降决定的，即人类和牲畜的生物量或生产力的下降。从生态角度来看，土地退化意味着对陆地生态系统的破坏 [3, 6, 9]。根据 Liberti 等人 [12] 的研究，退化的表现是复杂的自然和人为因素相互作用的结果。土壤退化也可以通过多种方式进行研究，包括直接实地观测和遥感 [4-6]。目前，如果没有遥感数据，就无法想象土壤覆盖的研究、土壤测绘及其校正。遥感是土地调查研究中最重要和不可替代的部分之一。现代空间技术和成像设备的进步使得分析、研究、评估和绘制区域不同区域的状况成为可能 [7]。遥感方法比传统方法更经济、更有效，对于通过单一图像控制大面积区域非常重要 [7, 18]。已经开展了大量利用地理信息系统 (GIS) 处理遥感数据和识别退化土地的科学研究。基于遥感获得的图像可以快速定性地检测不同级别的退化土地 [7, 10]。此外，遥感数据在土壤淋溶建模方面非常有效 [11, 13, 14]。
地形脑肿瘤解剖结构驱动风险并启用基于机器学习的预测
目的：本研究的目的是在初次诊断脑肿瘤时确定癫痫发作的相关风险因素，并开发和验证基于机器学习的预测，以允许基于风险的抗癫痫疗法进行量身定制。方法：临床，电生理和高分辨率成像数据是从1051例新诊断的脑肿瘤的连续队列中获得的。与因子相关的癫痫发作风险差异允许确定特定地形，人口统计学和组织病理学变量在诊断时可用的癫痫发作风险时可用的相关性。数据以70/30的比例分为培训和测试集。在选择高性能的同时选择其可追溯性的广义添加剂模型（GAM）之前，对基于机器学习的不同预测模型进行了评估。基于风险因素的临床分层，对三个不同的GAM进行了培训和内部验证。结果：总共923名患者有完整的数据并包括在内。可以确定驱动癫痫发作风险的特定地形解剖模式。脑肿瘤的异质，介质或原发性运动/s骨或躯体的新染色性结构导致癫痫发作风险的显着且临床上相关的增加。虽然地形输入与GAM最相关，但最好的预测是通过形态，人口统计学和组织病理学信息的组合来实现的（验证：AUC：0.79，准确性：0.72，灵敏度：0.81，特异性：0.66）。结论：本研究将特定的系统发育解剖模式鉴定为癫痫驱动因素。GAM允许使用地形，人口统计学和组织病理学数据预测癫痫发作风险，从而在保持透明度的同时实现了公平的表现。
源探测器阵列拓扑的高密度漫射光学地形性能评估
作为功能接口的光学神经成像系统的最新进展增强了我们对大脑神经活动的理解。高密度漫射光学地形（HD-DOT）使用多距离重叠通道来提高图像的空间分辨率，可与功能性磁共振成像（fMRI）相媲美。源和探测器（SD）阵列的拓扑结构直接影响 HD-DOT 成像模态中血流动力学重建的质量。在本文中，通过展示基于分析方法的模拟设置，研究了不同 SD 配置对脑血流动力学恢复质量的影响。鉴于 SD 排列决定了雅可比矩阵的元素，我们得出结论，该矩阵中的各个组件越多，检索质量就越好。结果表明，多距离多方向（MDMD）排列在雅可比阵列中产生更多独特元素。因此，逆问题可以准确地检索漫射光学地形数据的大脑活动。
地形建模（地貌测量学）参考书目，地形的定量表示 — 补充 4.0
地形建模是一种对地表进行量化的实践，是地球科学、数学、工程学和计算机科学的综合体。该学科有各种名称，如地貌测量学（或简称为形态测量学）、地形分析和定量地貌学。它通过水文学、地质灾害测绘、地质构造学、海底和行星探索以及其他领域的大量应用不断发展壮大。该领域名义上可以追溯到学术地理学的共同创始人亚历山大·冯·洪堡（1808 年，1817 年）和卡尔·里特（1826 年，1828 年），20 世纪后期，计算机操纵地形高度的空间阵列或数字高程模型 (DEM) 彻底改变了该领域，这些模型可以量化和描绘大面积的地表形态（Maune，2001 年）。形态测量程序通常由商业地理信息系统 (GIS) 以及专业软件实施（Harvey 和 Eash，1996 年；Köthe 等人，1996 年；ESRI，1997 年；Drzewiecki 等人，1999 年；Dikau 和 Saurer，1999 年；Djokic 和 Maidment，2000 年；Wilson 和 Gallant，2000 年；Breuer，2001 年；Guth，2001 年；Eastman，2002 年）。《地球物理杂志》的新地球表面版