XiaoMi-AI文件搜索系统
World File Search System校准技术
cctr：校准不确定性的轨迹预测 -
自主驾驶系统依靠精确的轨迹前词进行安全有效的运动计划。尽管努力提高预测准确性，但由于数据噪声和不完整的观察，固有的不确定性仍然存在。许多策略需要将预测结果形式化为分布，并利用差异代表不明显。然而，我们的实验研究表明，现有的轨迹预测模型产生了不可靠的不可估计的估计，需要进行其他定制的核心过程。另一方面，直接将电流校准技术应用于预测输出可能会产生亚最佳结果，因为对所有预分解使用了通用缩放器并忽略了信息性的数据提示。在本文中，我们提出了使用调节器（CCTR）的定制校准温度，这是一个通用框架，可以校准外部分布。具体来说，CCTR 1）采用基于校准的正规器将输出差异与预测与地面真相之间的差异相一致，并且2）使用上下文和历史信息为每个预测提供了每个预测的量身定制的温度缩放器。涉及多种谓词和计划方法的广泛评估表明，CCTR比现有的校准算法和不确定性意识方法的优越性，校准质量的11％ - 22％的显着提高，运动计划的17％-46％。
cctr：校准不确定性的轨迹预测 -
自主驾驶系统依靠精确的轨迹前词进行安全有效的运动计划。尽管努力提高预测准确性，但由于数据噪声和不完整的观察，固有的不确定性仍然存在。许多策略需要将预测结果形式化为分布，并利用差异代表不明显。然而，我们的实验研究表明，现有的轨迹预测模型产生了不可靠的不可估计的估计，需要进行其他定制的核心过程。另一方面，直接将电流校准技术应用于预测输出可能会产生亚最佳结果，因为对所有预分解使用了通用缩放器并忽略了信息性的数据提示。在本文中，我们提出了使用调节器（CCTR）的定制校准温度，这是一个通用框架，可以校准外部分布。具体来说，CCTR 1）采用基于校准的正规器将输出差异与预测与地面真相之间的差异相一致，并且2）使用上下文和历史信息为每个预测提供了每个预测的量身定制的温度缩放器。涉及多种谓词和计划方法的广泛评估表明，CCTR比现有的校准算法和不确定性意识方法的优越性，校准质量的11％ - 22％的显着提高，运动计划的17％-46％。
3D 积云数码相机的几何校准...
介绍了一种用于积云立体摄影测量的数码相机校准技术。该技术已被用于表征在积云摄影测量、现场和多普勒观测 (CuPIDO) 项目期间观察到的夏季雷暴的形成。从相机位置、方向和地标调查的粗略测量开始，通过最小化几何误差 (GE) 获得相机的准确位置和方向。一旦获得准确的相机参数，就可以通过三角测量计算云特征点的 3D 位置。本文的主要贡献如下。首先，证明了 GE 在相机真实参数的邻域中只有一个最小值。换句话说，即使初始测量值与其真实值之间存在显著差异，搜索 GE 的最小值也能使作者找到正确的相机参数。其次，开发了一种新的由粗到细的迭代算法，该算法最小化 GE 并找到相机参数。数值实验表明，由粗到细算法是高效且有效的。第三，提出了一种基于地理信息系统 (GIS) 而非现场测量的新型地标调查。在这些实验中，GIS 地标调查是一种有效且高效的获取地标世界坐标以进行相机校准的方法。通过 NASA/地球观测系统卫星和仪表飞机收集的数据验证了该技术。本文以先前的研究为基础，详细介绍了校准和 3D 重建。
基于原型的独立于主体的脑机接口领域泛化框架
摘要 — 由于脑电图 (EEG) 的受试者间/受试者内变异性，脑机接口 (BCI) 在实践中难以使用。通常，BCI 系统需要一种校准技术来获取受试者/会话特定数据，以便在每次使用系统时调整模型。这个问题被认为是 BCI 的一个主要障碍，最近出现了一种基于领域泛化的新策略来解决它。鉴于此，我们专注于开发一个 EEG 分类框架，该框架可以直接应用于来自未知域（即受试者）的数据，仅使用先前从不同受试者获得的数据。为此，在本文中，我们提出了一个框架，该框架采用开放集识别技术作为辅助任务，从源数据集中学习特定于主题的风格特征，同时帮助共享特征提取器将看不见的目标数据集的特征映射为新的看不见的域。我们的目标是在同一域中施加跨实例样式不变性，并降低潜在未见主体的开放空间风险，以提高共享特征提取器的泛化能力。我们的实验表明，使用域信息作为辅助网络可以提高泛化性能。临床相关性——本研究提出了一种提高独立于主体的 BCI 系统性能的策略。我们的框架可以帮助减少进一步校准的需要，并可用于一系列心理状态监测任务（例如神经反馈、癫痫发作的识别和睡眠障碍）。
具有串联双线性的节能 delta-sigma ADC ...
Delta-sigma (ΔΣ) ADC 广泛用于信号采集和处理应用。因此，这种类型的 ADC 被用作编解码器和助听器，这些设备需要信号路径具有较大的动态范围 [1-4]。与奈奎斯特速率转换器相比，ΔΣ ADC 更易于设计，因为它们不需要具有严格参数的模拟组件。过采样转换器对输入信号带宽进行采样，因此无需使用抗混叠滤波器。通过中等过采样率和增加的采样率，可以设计高分辨率 ADC。这可以有效降低整个功耗，同时保持所需的分辨率 [5]。电压缩放适用于数字电路设计，以降低散热量，同时牺牲速度。已报道了几种解决该问题的技术，例如体驱动电路、SAR 操作、亚阈值操作 [6-9] 和过零电路 [10, 11]，但这些电路的性能非常低。delta-sigma ADC 是一种非常高效的结构，具有过采样和噪声整形特性。连续 ΔΣADC 的工艺缩放因子和带宽得到了改善。高性能模拟电路包括无运算放大器流水线 ADC [12, 13]、节能逐次逼近寄存器 (SAR) ADC [14, 15] 和数字校准技术 [16, 17]。为了在时域中处理信号，压控振荡器 (VCO) 起着重要作用 [18-24]。当触发器同步时，VCO 输出会在 VCO 中引入量化误差。
基于 EEG 的脑机接口利用 Steady-...
摘要。脑机接口旨在从用户的大脑活动中获取命令，以便将其传递到外部设备。为此，它可以检测到所谓的“主动”BCI 中的心理状态的自发变化，或“反应性”BCI 中大脑对外部刺激的反应的瞬时或持续变化。在后者中，用户通过感官通道（通常是视觉或听觉）感知外部刺激。当刺激持续且周期性时，大脑反应会达到可以相当容易检测到的振荡稳定状态。我们关注基于 EEG 的 BCI，其中周期性信号（机械或电）刺激用户皮肤。这种类型的刺激会引起体感系统的稳态响应，可以在记录的 EEG 中检测到。表征这种反应的振荡和锁相电压分量称为稳态体感诱发电位 (SSSEP)。研究表明，SSSEP 的幅度会受到特定心理任务的调节，例如当用户将注意力集中在或不集中在体感刺激上时，从而允许将这种变化转化为命令。实际上，基于 SSSEP 的 BCI 可以从直接的 EEG 信号分析技术中受益，就像反应式 BCI 一样，同时允许自定节奏的交互，就像主动式 BCI 一样。在本文中，我们对与利用 SSSEP 的基于 EEG 的 BCI 相关的科学文献进行了调查。首先，我们努力描述 SSSEP 的主要特征和允许调整刺激以最大化其幅度的校准技术。其次，我们介绍了作者实施的信号处理和数据分类算法，以便在基于 SSSEP 的 BCI 中详细说明命令，以及他们在用户实验中评估的分类性能。
过渡辐射跟踪器校准，超越...
本论文包含我对 LHC 上 ATLAS 实验中质子-质子碰撞物理研究工作的两个不同方面。第一部分侧重于理解和开发校准系统，以便在过渡辐射跟踪器中获得最佳带电粒子重建。本论文中解释的方法是 TRT 中当前使用的校准技术，它适用于 ATLAS 收集的所有数据。由于开发的方法，实现了探测器设计分辨率，甚至在 TRT 的中心区域得到了改进。在第二部分中，介绍了三种不同的分析。由于我对跟踪的兴趣以及 LHC 上可用的新能量范围，第一个分析是研究 900 GeV 和 7 TeV 的多粒子相关性。这项分析是使用 2010 年收集的第一批 ATLAS 数据进行的。研究了两个不同的方面：高阶矩和尝试测量 η 箱中的归一化阶乘矩。本论文中描述的另外两个数据分析侧重于发现超出标准模型的物理学。同号顶夸克和 b 型第四代夸克的搜索就是其中之一。对于这项分析，详细研究了使用错误电荷测量重建轻子的概率。开发了新的数据驱动方法，其中似然技术表现出色，并被 ATLAS 中的其他分析所采用。这项搜索表明数据与标准模型预期一致。最后的分析是寻找最终状态中有两个轻子且横向能量缺失较大的超对称性。详细描述了双玻色子的产生，这是本次分析的主要背景之一。最终测量结果与标准模型预期相比没有超出。
使用LIDAR和监视摄像机的数据估算道路洪水的深度
摘要在这项研究中，我们从安装在车辆上的3D激光雷达和外部交通监视摄像头的图像中融合数据，以创建经常洪水泛滥的道路部分的3D表示。这项研究中的LIDAR的点云数据是从ODU校园附近Norfolk的W 49街的一条路段收集的。交通监视摄像头安装在同一地区的公共停车大楼上。LIDAR在车辆穿越该部分时会收集连续的点云框架。使用ICP注册方法将与外部摄像头监控的多个与各个道路相关的LIDAR框架首先合并为单位点云，代表路段的局部高分辨率数字高程模型（DEM）。然后，将结果的DEM投射到监视摄像头捕获的被淹没的道路的图像上。到此目的，采用了摄像机校准技术来估计转换参数。相机校准方法依赖于一个包含点及其相应像素的数据集中的目标图像。生成了点的虚拟网格和相应的像素以运行相机校准函数。提到的数据集是借助激光雷达的内部相机上的投射点云而生成的，从而使我们能够识别对象和Curbsides。还采用了观点几何原则来创建DEM。投影结果显示了用于摄像机校准的技术技术的成功性能。深度估计是在外部相机记录的洪水图像上使用投影的DEM模型进行的。
过渡辐射跟踪器校准、超越标准模型的搜索和 ATLAS 中的多粒子相关性
本论文包含我对 LHC 上 ATLAS 实验中质子-质子碰撞物理研究工作的两个不同方面。第一部分侧重于理解和开发校准系统，以便在过渡辐射跟踪器中获得最佳带电粒子重建。本论文中解释的方法是 TRT 中当前使用的校准技术，它适用于 ATLAS 收集的所有数据。由于开发的方法，实现了探测器设计分辨率，甚至在 TRT 的中心区域得到了改进。在第二部分中，介绍了三种不同的分析。由于我对跟踪的兴趣以及 LHC 上可用的新能量范围，第一个分析是研究 900 GeV 和 7 TeV 的多粒子相关性。这项分析是使用 2010 年收集的第一批 ATLAS 数据进行的。研究了两个不同的方面：高阶矩和尝试测量 η 箱中的归一化阶乘矩。本论文中描述的另外两个数据分析侧重于发现超出标准模型的物理学。同号顶夸克和 b 型第四代夸克的搜索就是其中之一。对于这项分析，详细研究了使用错误电荷测量重建轻子的概率。开发了新的数据驱动方法，其中似然技术表现出色，并被 ATLAS 中的其他分析所采用。这项搜索表明数据与标准模型预期一致。最后的分析是寻找最终状态中有两个轻子且横向能量缺失较大的超对称性。详细描述了双玻色子的产生，这是本次分析的主要背景之一。最终测量结果显示，相对于标准模型的预期，没有超出。
Vishnu Veilu Muthu的简历
Stop Project（2017-2018）：我的研究工作是关于基础设施的多机巡逻，重点是机器人人工感知方法，用于检测和识别异常情况。自动监视系统中的安全威胁包括使用深度学习算法，人的活动分析以及使用多个机器人和3D传感器的本地化检测。实习列表（2017年）：我有机会使用重新分割软件开发应用程序。重新分割 - 开发桌面有形用户界面的框架。我的工作是在基准标记和程序软件的中心设计一个空心空间来检测它。硕士论文（2017）：“投影框架的同步”，通过单个全球投射转换来整合不同框架投影重建矩阵组的方法。大多数投射重建方法都有常见的缺点，这些缺点需要多个迭代过程，并且可能不会收敛或仅收敛到局部最小值。通过安排全局网络中不同视图的每个摄像机之间的转换并使用图形建模来求解它们，以避免此类问题。清洁机器人 - ROS的计算机视觉（2016）：该项目是硕士课程工作的一部分；该项目的主要目的是从路边环境或派对现场检测垃圾。该过程设计的是对机器人进行编程以导航整个区域并搜索对象（垃圾）。实习Girona（2016）：我有机会学习和理解视频中移动对象的动态。实习Girona（2016）：我有机会学习和理解视频中移动对象的动态。我的工作是从移动车辆捕获的视频中提取光流信息。工作包括使用运动技术和场景分割的结构的视觉感知。种子图像细分（2015年）：该项目是Master课程工作实施和改进的一部分，“ Laplacian坐标是种子图像细分的坐标” CVPR2014研究论文。实习LE2I（2015）：我有机会学习相机校准技术和视觉感知概念的基本概念。我的工作是捕获带有未知相机参数在墙上投射的多个图像，并使用Jean-Yves Bouguet的相机校准工具箱对其进行校准。软件工程项目（2015年）：该项目是学士课程（软件工程模块）的一部分，其工作是为使用C ++的机器人框架设计GUI。该应用程序包含服务器和客户端部分，以管理机器人和工作站之间的网络连接。