XiaoMi-AI文件搜索系统
World File Search System精确引导
RTN101 - 华盛顿州参考网络
土地测量 建筑测量 机器控制 分级自动化 重型建筑 结构装配 施工检查 合规性检查 等级检查 工程研究 灾害准备 公用设施位置和许可 GIS - 资源测绘 初步工程资产清单 实物工厂基础设施清单 结构完整性监测 水坝、桥梁、建筑物、工厂 环境测绘 地球物理研究 板块运动 海啸响应规划 山体滑坡研究 地质变形 大气数据 电离层和对流层建模 精确导航 扫雪机导航 海上搬运 危险清除 铁路运营 智能交通 路线划分 应急响应 事件测绘 事件后分析 恢复和重建 精确引导 取证 现场调查 考古 修复控制 纪念碑 纪念碑保护 机器人 计时
![arXiv:1810.02455v2 [cs.RO] 2019 年 3 月 1 日](/simg/7\763a8b44196a9bef96a30b09810486f99c1f2ff0.webp)
arXiv:1810.02455v2 [cs.RO] 2019 年 3 月 1 日
摘要 — 小型无人机可以通过实时监视不断蔓延的火势，帮助消防员扑灭野火。然而，仅根据野火图像自主引导无人机是一个具有挑战性的问题。这项工作对机载摄像机获得的噪声图像进行建模，并提出了两种过滤野火图像的方法。第一种方法使用简单的卡尔曼滤波器来降低噪声并更新观察区域的信念图。第二种方法使用粒子滤波器来预测野火的增长，并使用观测来估计与野火扩张有关的不确定性。信念图用于训练深度强化学习控制器，该控制器学习一种策略来引导飞机勘察野火，同时避免直接飞过火场。仿真结果表明，所提出的控制器可以精确引导飞机并准确估计野火的增长，而对观测噪声的研究证明了粒子滤波方法的鲁棒性。