XiaoMi-AI文件搜索系统
World File Search System多光谱
利用机载无人机进行野外路况检测及应急救援识别
摘要：无人机视觉技术在野外救援中的重要性日益凸显。针对野外网络状况不佳、天气恶劣的人类，本文提出了一种从无人机多光谱相机实时拍摄的视频或预先下载的卫星多光谱图像中提取道路和检测路况的技术，为人类提供最优的路线规划。此外，根据无人机的飞行高度，人类可以通过动态手势识别与无人机进行交互，以识别紧急情况和潜在危险，以便进行紧急救援或重新规划路线。本研究的目的是检测路况并识别紧急情况，以便为野外的人类提供必要和及时的援助。通过获取归一化植被指数（NDVI），无人机可以有效区分裸土路和碎石路，从而完善我们之前的路线规划数据的结果。在低空人机交互部分，我们基于媒体管道手势标志，结合机器学习方法，构建了四种基本手势的数据集，用于求救动态手势识别。我们在不同的分类器上测试了数据集，最好的结果表明该模型在测试集上可以达到 99.99% 的准确率。在这篇概念验证论文中，上述实验结果证实了我们提出的方案可以实现我们预期的无人机救援和航线规划任务。
使用融合...绘制城市树冠覆盖图
关键词：树冠覆盖、机载 LiDAR、图像数据、NDVI、数据融合 摘要：城市绿地，特别是城市树木，在提高城市宜居性方面发挥着关键作用。获得准确且最新的树冠覆盖图对于城市绿地的可持续发展至关重要。LiDAR 点云广泛用于建筑物和树木的测绘，并且已经提出了多种 LiDAR 点云分类技术用于自动测绘。然而，城市地区树冠形状的复杂性可能会影响从 LiDAR 数据自动提取树木的点云分类技术的有效性。多光谱影像为 LiDAR 数据提供互补信息，可以提高点云分类质量。本文提出了一种从融合的 LiDAR 点云和多光谱卫星图像数据中提取树冠覆盖的可靠方法。所提出的方法最初将每个 LiDAR 点与来自联合配准的卫星图像数据的光谱信息相关联。它计算每个 LiDAR 点的归一化差异植被指数 (NDVI) 值，并纠正被错误分类为建筑物的树点。然后，应用考虑 NDVI 值的树点区域增长。最后，利用分类为树点的 LiDAR 点生成树冠覆盖图。所提出的树冠性能
综合防御辅助套件 - 萨博
IDAS/CIDAS 系列是一套先进的系统，旨在为复杂、多样和密集威胁环境中的空中平台提供电子战自我保护。该系列包括 CIDAS 和 IDAS-3。当今的 IDAS/CIDAS 是萨博原始概念的进一步发展，旨在生产世界上第一个完全集成的防御辅助套件 IDAS-1，它提供多光谱雷达、激光和导弹警告以及自动对抗诱饵投放。
Tasi Aquila - SmallSats 的质量方法 - F. Micheli
端到端系统由一组低地球轨道卫星子星座（上游段）、地面运营基础设施（下游段）和面向意大利公共行政部门的服务（服务段）组成。基于多种不同的传感仪器和技术，IRIS 星座将是独一无二的；范围从微波成像（使用合成孔径雷达，SAR）到各种空间分辨率（从高分辨率到中分辨率）和不同频率范围的光学成像，从全色到多光谱、高光谱到红外波段。
集成防御辅助套件 - 萨博
IDAS/CIDAS 系列是一套先进的系统，旨在为复杂、多样和密集威胁环境中的空中平台提供电子战自我保护。该系列包括 CIDAS 和 IDAS-3。当今的 IDAS/CIDAS 是萨博原始概念的进一步发展，旨在生产世界上第一个完全集成的防御辅助套件 IDAS-1，它提供多光谱雷达、激光和导弹警告以及自动对抗诱饵投放。
人工智能在远程监控数据处理任务中的应用Yu.Yu.格罗莫夫 1，I.N.伊什丘克 1，V.V.罗季奥诺夫 1
摘要 本文提出了一种使用深度学习卷积神经网络U-net对地表多时相多光谱图像进行分类的方法。使用无人驾驶飞机的多光谱光电系统获取可见光和红外图像，并用于构建该地区的正射影像图。根据获得的数据，训练神经网络来解决检测人造物体的问题。基于深度学习和热物理参数评估的远程监控对象智能识别方法允许使用遗传算法创建背景目标环境。该算法解决了热导率的系数反问题，并提供了材料热物理参数的估计。为了训练模型，引入了 18 类物体，根据人造物体和背景（人为或自然景观）之间的热对比差异进行研究。每天以 4 小时为间隔对地球表面进行 6 次勘测。该实验于2021年夏季进行，具体日期为8月4日至5日。在人造物体的检测和分类任务中，发现该模型表现出具有不同可靠性的适用性。进行的研究表明，在模型运行过程中发现了所需的对象类别。关键词1 深度学习，分类，分割，远程监控，神经网络，遗传算法，背景目标环境，光电系统，热物理参数。人工智能在远程监测数据处理任务中的应用 YY Gromov 1、IN Ishchuk 1、VV Rodionov 1
Leena Matikainen, Milo š Pand ž ic´, Fashuai Li, Kirsi Karila, Juha Hyyppä, Paula Litkey, Antero Kukko, Matti Lehtomäki, Mika Karjalainen, Eetu Puttonen，“利用多时相多光谱机载激光扫描，Sentinel-2，和移动激光扫描在地图更新中的应用，”J. Appl。遥感. 13 (4), 044504 (2019), doi: 10.1117/1.JRS.13.4.044504。
摘要。遥感技术的快速发展为进一步发展目前主要基于被动航空图像的全国测绘程序提供了有趣的可能性。特别是，我们假设多时相机载激光扫描 (ALS) 在地形测绘方面具有巨大的未被发现的潜力。在本研究中，首次测试了多时相多光谱 ALS 数据的自动变化检测。结果表明，直接比较不同日期的高度和强度数据可以揭示与郊区发展相关的微小变化。未来工作的主要挑战是将变化与地图制作中感兴趣的对象联系起来。为了在未来的测绘中有效利用多源遥感数据，我们还研究了卫星图像和地面数据补充多光谱 ALS 的潜力。开发并测试了一种从 Sentinel-2 卫星图像时间序列中进行连续变化监测的方法。最后，使用地面移动激光扫描获取高密度点云并自动将其分为四类。将结果与 ALS 数据进行比较，并讨论了不同数据源在未来地图更新过程中可能发挥的作用。© 作者。由 SPIE 根据 Creative Commons Attribution 4.0 Unported 许可证发布。全部或部分分发或复制本作品需要完全署名原始出版物，包括其 DOI。[DOI：10.1117/1.JRS.13.4.044504]
Boris X. Vintimilla Burgos博士 - 技术杂志-ESPOL div div>
▪G。Bastidas，博士学位（继续）。“用于多模式图像融合的深度学习架构”。ESPOL大学，厄瓜多尔。▪L。Chuquimarca，博士学位（继续）。 “使用计算智能方法对收获后水果的外部质量检查”。 ESPOL大学，厄瓜多尔▪J.Charco，博士（2023）。 “基于多视图环境的深度学习技术中的3D人姿势估计”。 共同参议员。 ESPOL大学，厄瓜多尔。 ▪R。Rivadeneira，博士（2023）。 “使用深卷积网络增强了远红外光谱图像”。 共同参议员。 ESPOL大学，厄瓜多尔。 ▪P。Suarez，博士（2020）。 “使用深度学习技术对多光谱图像进行处理和表示”。 共同参议员。 ESPOL大学，厄瓜多尔。 ▪M。Realpe，PhD（2016）。 “城市自动驾驶汽车的可容忍感知”。 共同参议员。 澳大利亚格里菲斯大学。 ▪D。Ochoa，PhD（2011）。 “模型生物的生物图像分析”。 共同参议员。 比利时根特大学。 主论文▪L。Chuquimarca，博士学位（继续）。“使用计算智能方法对收获后水果的外部质量检查”。ESPOL大学，厄瓜多尔▪J.Charco，博士（2023）。“基于多视图环境的深度学习技术中的3D人姿势估计”。共同参议员。ESPOL大学，厄瓜多尔。▪R。Rivadeneira，博士（2023）。“使用深卷积网络增强了远红外光谱图像”。共同参议员。ESPOL大学，厄瓜多尔。▪P。Suarez，博士（2020）。 “使用深度学习技术对多光谱图像进行处理和表示”。 共同参议员。 ESPOL大学，厄瓜多尔。 ▪M。Realpe，PhD（2016）。 “城市自动驾驶汽车的可容忍感知”。 共同参议员。 澳大利亚格里菲斯大学。 ▪D。Ochoa，PhD（2011）。 “模型生物的生物图像分析”。 共同参议员。 比利时根特大学。 主论文▪P。Suarez，博士（2020）。“使用深度学习技术对多光谱图像进行处理和表示”。共同参议员。ESPOL大学，厄瓜多尔。▪M。Realpe，PhD（2016）。“城市自动驾驶汽车的可容忍感知”。共同参议员。澳大利亚格里菲斯大学。▪D。Ochoa，PhD（2011）。“模型生物的生物图像分析”。共同参议员。比利时根特大学。 主论文比利时根特大学。主论文