XiaoMi-AI文件搜索系统
World File Search System测量单元
请引用原始版本：Thombre, S.、Zhao, Z.、Ramm-Schmidt, H.、Vallet Garcia, JM、Malkamäki, T.、Nikolskiy, S.、Hammarberg, T.、Nuortie, H.、Bhuiyan, MZH、Särkkä, S. 和 Lehtola, VV (2022)。用于自主船舶态势感知的传感器和人工智能技术：综述。 IEEE 智能交通系统汇刊，23 (1), 64-83。 https://doi.org/10.1109/TITS.2020.3023957
摘要 — 无人驾驶船舶有望提高未来海上航行的安全性和效率。此类船舶需要感知功能，以实现两个目的：执行自主态势感知和监控传感器系统本身的完整性。为了满足这些需求，感知系统必须使用人工智能 (AI) 技术融合来自新型和传统感知传感器的数据。本文概述了对常规和自主航行船舶公认的操作要求，然后着手考虑适合操作传感器系统的传感器和相关 AI 技术。考虑了四个传感器系列的集成：用于精确绝对定位的传感器（全球导航卫星系统 (GNSS) 接收器和惯性测量单元 (IMU)）、视觉传感器（单目和立体摄像机）、音频传感器（麦克风）和用于遥感的传感器（RADAR 和 LiDAR）。此外，还讨论了辅助数据源，例如自动识别系统 (AIS) 和外部数据档案。感知任务与明确定义的问题相关，例如情况异常检测、船舶分类和定位，这些问题可以使用人工智能技术解决。机器学习方法（例如深度学习和高斯过程）被认为与这些问题特别相关。根据操作要求对不同的传感器和人工智能技术进行了描述，并根据准确性、复杂性、所需资源、兼容性和对海洋环境的适应性，特别是针对自主系统的实际实现，比较了一些最先进的选项示例。
阿尔托大学民用无人机系统需求...
ACAS 机载防撞系统 AMC 公认的合规方法 CAA 民航局 CAP722 民航出版物 722 CBRN 化学、生物、放射和核 COA 豁免或授权证书 CR 通信中继 E/O 电光 EASA 欧洲航空安全局 EIRP 等效全向辐射功率 ELOS 等效安全等级 ERP 等效辐射功率 EUROCAE 欧洲民航设备组织 FAA 联邦航空管理局 FINNARP 芬兰南极研究计划 FMI 芬兰气象研究所 FPV 第一人称视角 FSS 固定卫星服务 FTS 飞行终止系统 GCS 地面控制站 GPS 全球定位系统 GTK 芬兰地质调查局 HALE 高空长航时 HSDPA 高速下行分组接入 ICAO 国际民航组织 IMU 惯性测量单元 LALE 低空长航时 LOS 视距 MALE 中空长航时 MASPS 最低航空系统性能标准 Metla 芬兰森林研究所 MI 气象仪器 MRU 移动接收装置 MSS 移动卫星服务 NATO 北大西洋公约组织 R/C 遥控 RS 遥感 RVT 远程视频终端 SAC 特殊适航证 SAR 合成孔径雷达 STANAG 标准化协议 STUK 芬兰核与辐射安全局 SUMO 小型无人气象观测机 SYK
lpit- SOC / Stgo / Protection SG -Net < / div>
定义：IEC [321-01-01]定义的仪器变压器。旨在将信息信号传输到测量仪器，仪表以及保护性或控制设备的变压器。lpit：IEC 61869定义的低功率仪器变压器。它旨在连接到需要低功率（模拟或数字）的仪器，仪表和保护或控制设备。LPIT的一般设计包含3个元素：传感，链接和合并单元，如第2章FD-PAC：完全数字保护和控制系统。保护和控制系统旨在从其数字信息信号中接收数字信息信号。sv：由IEC 61850定义的采样值：从LPIT传输信息到FDPAC的数字信息格式。Other symbols and abbreviated terms AC alternating current ADC analogue-to-digital converter AIS air-insulated switchgear CS control system CT current transformer CVT capacitor voltage transformer EIT electronic LPIT EMC electromagnetic compatibility GIS gas-insulated switchgear GNNS global navigation satellite system IED intelligent electronic device IT instrument transformer LPIT low-power instrument transformer LPVT低功率电压变压器MU合并单元NCIT LPIT NTP NTP网络时间协议PACS保护自动化和控制系统PMU量法测量单元PTP精度时间协议SAMU独立合并单元TSO传输系统操作员
双模式智能鞋，用于偏瘫患者的定量评估“下肢”肌肉力量
摘要 - 中风会导致患者下肢和偏瘫的运动能力受损。准确评估下肢运动能力对于诊断和康复很重要。可以数字化此类评估，以便可以避免任何时间和主观性来追溯每个测试，我们测试如何将配备压力敏感鞋垫和惯性测量单元配备的双模式智能鞋用于此目的。设计了5m步行测试协议，包括左和右转弯。数据是从23名患者和17名健康受试者中收集的。对于下肢的运动能力，两名医生观察到了测试，并使用五个分级的医学研究委员会进行肌肉检查评估。同一患者的两个医生得分的平均值被用作地面真相。使用我们开发的功能集，在对患者和健康受试者进行分类时可以达到100％的精度。使用我们的功能集和回归方法实现了患者的肌肉强度，平均绝对误差为0.143，最大误差为0.395，比每个医生的得分更接近地面真实（平均绝对误差：0.217：最大误差：最大误差：0.5）。因此，我们验证了使用此类智能鞋的可能性，可以客观，准确地评估中风患者的下肢肌肉强度。索引术语 - 中途，机器学习，智能鞋，下肢的肌肉力量
通过基于模型的四旋翼无人机系统识别...
K t = 电机扭矩系数，单位为 N m/amp K e = 电机反电动势系数，单位为 V/(rad/s) V batt = 电池电压，伏特 R tt = 电机电阻（端子到端子），欧姆 J m = 电机和螺旋桨惯性，单位为 kg m2 D r = 转子（螺旋桨）直径，单位为 m ρ = 空气密度，单位为 kg/m3 T = 螺旋桨推力，NQ = 螺旋桨扭矩，单位为 N m CT = 螺旋桨推力常数 CP = 螺旋桨功率常数 Ixx 、I yy 、Izz = 无人机惯性矩，单位为 kg m2 m = 无人机质量，单位为 kg L x 、L y = 从 CG 到电机的力矩臂，单位为 m ω x 、ω y 、ω z = 机身轴旋转速度，单位为 rad/s ψ、θ、φ = 惯性轴到机身的欧拉角，单位为 rad ux 、uy 、uz =感知位置处的体轴速度 ux cg , uy cg , uz cg = 重心处的体轴速度 ω m = 电机速度，rad/s T d = 硬件更新延迟，惯性测量单元 (IMU) T d 2 = 硬件更新延迟，OptiTrack 反馈 CG = 重心 z cg = OptiTrack 传感器测量点下方的垂直重心距离 G 输出输入 = 从输入到输出的传递函数
ORIMA 定向管理
ORIMA 功能 • 具有自校准功能的最先进的光束法平差 • 处理机载 GPS 数据和 IMU 姿态数据，包括 GPS 漂移和惯性测量单元 (IMU) 未对准参数 • 点测量期间显示多幅图像 • ORIMA DP-M 允许对 Leica Geosystems 的 ADS40 和帧图像进行三角测量 • 强大的统计技术用于检测和消除错误以及识别块中的薄弱区域 • 全自动连接点测量 (APM) • 新的 APM 方法允许 APM 在非常大的块上运行，使用可以同时或顺序运行的子块进程 • 支持多个 APM 进程，允许更好地利用多个处理器或多核处理器 • 立体或单声道半自动控制点测量 • ADS40 场景的快速控制点测量 • ADS40 方向数据的卓越内存管理 • 简单易懂且易于解释的块分析图形 • GPS 和 IMU 观测的自动加权 • GPS 和 IMU 的灵活输入格式数据，包括 Applanix POSPac 软件的直接交换格式 • 从地面到传感器的严格转换，包括地图投影或地理坐标 • 用于数字摄影测量 (DP) 的 ORIMA 支持 LPS 的立体查看器 • 对于数字摄影测量工作站 (DPW) 系统，可方便地在薄弱区域进行重新测量 • 图形输出可直接发送到打印机或绘图仪 • 完整
ORIMA 定向管理
ORIMA 功能 • 具有自校准功能的最先进的光束法平差 • 处理机载 GPS 数据和 IMU 姿态数据，包括 GPS 漂移和惯性测量单元 (IMU) 未对准参数 • 点测量期间显示多幅图像 • ORIMA DP-M 允许对 Leica Geosystems 的 ADS40 和帧图像进行三角测量 • 强大的统计技术用于检测和消除错误以及识别块中的薄弱区域 • 全自动连接点测量 (APM) • 新的 APM 方法允许 APM 在非常大的块上运行，使用可以同时或顺序运行的子块进程 • 支持多个 APM 进程，允许更好地利用多个处理器或多核处理器 • 立体或单声道半自动控制点测量 • ADS40 场景的快速控制点测量 • ADS40 方向数据的卓越内存管理 • 简单易懂且易于解释的块分析图形 • GPS 和 IMU 观测的自动加权 • GPS 和 IMU 的灵活输入格式数据，包括 Applanix POSPac 软件的直接交换格式 • 从地面到传感器的严格转换，包括地图投影或地理坐标 • 用于数字摄影测量 (DP) 的 ORIMA 支持 LPS 的立体查看器 • 对于数字摄影测量工作站 (DPW) 系统，可方便地在薄弱区域进行重新测量 • 图形输出可直接发送到打印机或绘图仪 • 完整
通过基于模型的四旋翼无人机系统识别...
K t = 电机扭矩系数，N m/amp K e = 电机反电动势系数，V/(rad/s) V batt = 电池电压，伏特 R tt = 电机电阻（端子到端子），欧姆 J m = 电机和螺旋桨惯性，kg m2 D r = 转子（螺旋桨）直径，米 ρ = 空气密度，kg/m3 T = 螺旋桨推力，N Q = 螺旋桨扭矩，N m C T = 螺旋桨推力常数 C P = 螺旋桨功率常数 Ixx ，I yy ，Izz = 无人机惯性矩，kg m2 m = 无人机质量，kg L x ，L y = 从 CG 到电机的力臂，米 ω x ，ω y ，ω z = 机身轴旋转速度，弧度/秒 ψ，θ，φ = 惯性轴到机身的欧拉角，弧度 u x ，u y , u z = 感测位置处的身体轴速度 u x cg , u y cg , u z cg = 重心处的身体轴速度 ω m = 电机速度，rad/s T d = 硬件更新延迟，惯性测量单元 (IMU) T d 2 = 硬件更新延迟，OptiTrack 反馈 CG = 重心 z cg = OptiTrack 传感器测量点下方的垂直重心距离 G 输出输入 = 从输入到输出的传递函数
使用集成的合作车辆安全应用程序...
协作式车辆安全应用最好具有两米的水平精度和六米的垂直精度，并且可用性均为 95%。解决方案必须包含低成本的传感器选项，具体来说，就是低成本的惯性测量单元，其通常特征是陀螺仪漂移为每小时 100 度，加速度计偏置力为其质量乘以重力的两倍（两毫伽）。我们实施的协作式车辆安全系统在车辆和路边基础设施之间使用低延迟 5.9 GHz 通信链路。这使每辆车能够持续评估发生碰撞的可能性。如果碰撞概率高，系统可能会为驾驶员生成车内警告，甚至自动启动操作以帮助防止碰撞。配备此系统的车辆知道自己的位置和路径，同时还可以无线监控周围车辆的位置和路径。这些应用依赖于两种主要技术：(1) 使用专用短程通信 (DSRC) 进行信息交换，(2) 使用 GNSS 进行定位，尽管还涉及各种其他技术。尽管 GNSS 在信号畅通无阻的开放区域满足所需的精度水平，但它无法在密集的城市环境中支持所需的性能。为了实现设定的性能目标，必须使用其他传感器来增强 GNSS。在本文中，我们描述了一种多传感器架构，该架构旨在实现在困难的 GNSS 环境（例如城市峡谷）中实现精确定位能力，以实现合作车辆安全应用。我们的总体目标是实现米级
融合肌肉和运动信号的混合体机界面
摘要 目的。体机接口 (BoMI) 建立了一种操作各种设备的方法，让用户能够利用脊髓损伤或中风后仍可用的肌肉和运动冗余来扩展其运动能力的极限。在这里，我们考虑了两种信号的整合，即来自惯性测量单元 (IMU) 的运动信号和用肌电图 (EMG) 记录的肌肉活动，这两种信号都有助于 BoMI 的运行。方法。由于 IMU 和 EMG 信号的性质不同，直接组合它们可能会导致控制效率低下。因此，我们使用基于非线性回归的方法从 EMG 信号预测 IMU，然后将预测和实际 IMU 信号组合成混合控制信号。这种方法的目标是为用户提供在运动和 EMG 控制之间无缝切换的可能性，使用 BoMI 作为促进选定肌肉参与的工具。我们在 15 名未受损参与者的队列中以三种控制模式（仅 EMG、仅 IMU 和混合）测试了界面。参与者通过引导计算机光标经过一组目标来练习伸手动作。主要结果。我们发现，所提出的混合控制可实现与基于 IMU 的控制相当的性能，并且明显优于仅使用 EMG 的控制。结果还表明，混合光标控制主要受 EMG 信号的影响。意义。我们得出结论，将 EMG 与 IMU 信号相结合可能是针对肌肉激活的有效方法，同时克服了仅使用 EMG 的控制的局限性。