XiaoMi-AI文件搜索系统
World File Search System雷达的
G 波段雷达：未来太空的现状和机遇......
解决方案：频率范围从 10 GHz 到 200 GHz 以上的多频（多普勒）雷达的组合可以表征从重降水颗粒到小尺寸冰晶的特征。加入 G 波段（1.5 毫米）对三个领域非常有益：边界层云、卷云和中层冰云以及降雪。
ratrack：使用4D雷达点云
摘要 - 移动自主权依赖于动态环境的精确感知。在3D世界中强有力地跟踪移动对象，因此在诸如Trajectory预测，避免障碍和路径计划之类的应用中起着关键作用。虽然大多数当前方法利用激光镜或摄像机进行多个对象跟踪（MOT），但4D成像雷达的功能仍未得到探索。认识到4D雷达数据中雷达噪声和点稀疏所带来的挑战，我们引入了Ratrack，这是一种针对基于雷达的轨道量身定制的创新解决方案。绕过对特定对象类型和3D边界框的典型依赖，我们的方法着重于运动分割和聚类，并由运动估计模块丰富。评估在“视图”数据集中，ratrack展示了移动对象的卓越跟踪精度，在很大程度上超过了最新技术的性能。我们在https://github.com/ljacksonpan/ratrack上发布代码和模型。
lix.pure slc在一眼检测区域中所有优点
lix.pure SLC提供了基于雷达的运动检测，对行人，周期和车辆具有集成的调光控制和无线网络。该传感器是一个紧凑的插件系统，用于脚和循环路径，停车场和交通缓慢。朝下的Zhaga插座上的简单附件使动态照明控制特别容易。
经纱视觉-Kerem Yildirir
LIDAR和SLAM为我们提供了一个离线的全球地图，但是我们需要检测动态障碍，最重要的是行人，以及在录制全球地图时不存在的汽车，骑自行车的人和其他物体。基于Intel Realsense和Livox 100中激光雷达的实时图像，我们需要确定3D中障碍物的位置和类别。
军用雷达：...时代的全视之眼
1.军用雷达：作战系统主要视频传感器 根据扫描控制方式不同，雷达站可分为机械扫描雷达、电子扫描雷达、频率扫描雷达、相控阵雷达（相控阵雷达）和合成孔径雷达（特别行政区）。雷达作为现代战争作战系统的主要视频传感器，负责对目标进行全天候精确侦察和实时监控；探测和跟踪可能对军事基础设施造成严重损害的武器，例如弹道导弹和巡航导弹；各种隐藏目标的检测和识别；确定失败的结果并识别目标、导弹制导和武器火力控制。2.世界军用雷达发展趋势：技术多元化、市场稳定、产业集中 雷达技术正处于发展中期阶段。整个中间阶段是基于相控阵雷达、合成孔径雷达和脉冲多普勒雷达三个主要系统的起源、发展、完善、集成和智能化。雷达的发展包括三个方向——载体和系统的多样化以及宽频率范围（其扩展）。关于载体（安装地点），随着雷达技术向小型化、集成化方向发展，雷达的使用不再局限于地面、机载和舰载载体，而是越来越多地应用于无人机和卫星；说到波段，随着新波段（如毫米波雷达）的发现，雷达的波长不断扩大。纵观整个雷达系统，传统的脉冲多普勒雷达（PD - Pulse-Doppler）机械扫描模式正逐渐淡出背景，取而代之的是相控电子扫描阵列雷达和合成孔径雷达（SAR）。将成为主要发展方向。雷达系统最终将统一为一个网络，其特征还包括：多功能集成、数字化和分布式。短期内，雷达发展的重点将是天线技术、成像技术和射程扩展，即相控阵雷达、SA雷达和毫米波雷达。
通过LIDAR引起的自主驾驶中的欺骗
抽象的轨迹预测基于其历史轨迹附近的动作。准确的轨迹预测（或简而言之）对于自动驾驶汽车（AVS）至关重要。现有的攻击通过直接操纵攻击者AV的历史轨迹来损害受害者AV的预测模型，该攻击者的历史轨迹有限。本文首次探讨了一种间接攻击方法，该方法通过对受害者AV的感知模块的攻击引起预测错误。尽管已经证明，通过将一些对象放置在战略位置，对基于激光雷达的感知的物理可实现的攻击是可能的，但是从广阔的搜索空间中找到一个对象位置，以便为了在不同的受害者AV速度下对预测进行有效的预测，这仍然是一个开放的挑战。通过分析，我们观察到一个预测模型容易出现在场景中的一个点上的攻击。顺便说一句，我们提出了一个新颖的两阶段攻击框架来实现单点攻击。预测侧攻击的第一阶段有效地识别出在基于对象的攻击下对概念的检测结果的分布，这是对预测模型的状态扰动，这些模型有效且对速度不敏感。在匹配的第二阶段，我们将可行的对象位置与发现的状态扰动匹配。我们使用公共自主驾驶数据集进行评估表明，我们的攻击率最高63％，受害者AV的各种危险响应。我们攻击的有效性也在真实的测试台车上策划。据我们所知，这项研究是从基于激光雷达的感知到自主驾驶预测的首次安全分析，从而导致对预测的现实攻击。 为了抵消拟议的攻击，讨论了潜在的防御措施。据我们所知，这项研究是从基于激光雷达的感知到自主驾驶预测的首次安全分析，从而导致对预测的现实攻击。为了抵消拟议的攻击，讨论了潜在的防御措施。
多功能雷达中的跟踪和控制
5. 1 简介 89 5.2 资源管理和任务调度目标 91 5.3 静态阵列多功能雷达中的任务调度 92 5.3.1 背景 92 5.3.2 MESAR 算法 93 5.3.3 改进的 MESAR 算法 97 5.3.4 仿真架构 98 5.3.5 使用简单的双扇区监视系统进行调度 100 5.3.6 使用 MESAR 监视体积进行调度 104 5.3.7 使用 MESAR 调度程序进行绘图确认延迟 109 5.4 旋转阵列多功能雷达中的任务调度 110 5.4.1 背景 110 5.4.2 旋转多功能雷达系统的任务调度算法 114 5.4.3 旋转多功能雷达的波束搜索模式 118 5.4.4 旋转多功能雷达任务调度算法的结果 119 5.4.5 旋转多功能雷达的其他资源管理问题 123 5.5 用于高效调度的惩罚函数和模糊逻辑 124 5.5.1 模糊逻辑的使用 125 5.6 结论 126
带有成像雷达ISIS的高级空间监视...
德国航空航天中心（DLR）的微波和雷达研究所已开发并构建了一个称为IOSIS（空间中卫星成像）的实验雷达系统。该系统的总体目标是研究概念的研究，用于高分辨率在低地球轨道（LEO）中的高分辨率雷达图像。与现有的基于雷达的空间监视系统（具有单静态天线构型）相比，将来的ISIS不使用一种，而是使用一个空间分布的天线，以处理即将到来的轨道卫星量，并且更重要的是实现双静态成像的几何形状。后者与现有的基于单声道雷达的卫星图像相比，允许增强图像信息内容。本文首先概述了使用反合成孔径雷达（ISAR）的基于雷达卫星成像的基本理论。进一步解决了IOSIS系统的简短描述。根据模拟成像结果说明了对雷达图像的大气影响，并且基于干涉成像结果引入了多通道系统的优势，从而在三个维度中提供了空间分辨率。通过在厘米区域中具有空间分辨率的真实空间对象的IOSIS系统获得的测量结果显示了连续实现的误差校正策略。
sfpnet：用于一般激光雷德点云上语义分割的稀疏焦点网络
摘要。尽管LiDAR语义分割迅速发展，但最先进的方法通常融合了源自机械旋转激光雷的基准的专门设计的诱导偏差。这可以将模型的通用性限制在其他类型的LiDAR技术中，并使超参数调整更加复杂。为了解决这些问题，我们提出了一个广义框架，以通过我们稀疏的焦点调制来代替窗户注意力来适应市场中普遍存在的各种各样的发光剂。我们的SFPNET能够阐述多层上下文，并使用栅极机制动态聚集它们。通过实现渠道信息查询，编码包含本地和全局上下文的功能。我们还引入了一种新型的大型混合溶质激光雷达语义segmentation数据集，用于机器人应用。sfpnet表现出对源自机械旋转激光雷达的常规基准测试的竞争性能，同时在从固态激光拉尔的基准上实现最新结果。此外，它在我们的新型数据集中的现有方法胜过来自混合固体激光雷达的新型数据集。代码和数据集可从https://github.com/cavendish518/sfpnet和https://www.semanticindustry.top获得。
lidpose：稀疏激光点云中实时3D人姿势估计，具有非重复循环扫描模式
摘要：在本文中，我们提出了一种基于新型的，视觉转化器的端到端姿势估计方法，Lidpose，用于实时人类骨架估计，在非重复循环扫描（NRCS）LIDAR点云中。在vitpose架构上建造，我们介绍了新颖的改编，以解决NRCS激光雷达的独特特性，即稀疏性和异常的类似Rosetta的扫描模式。所提出的方法解决了基于NRCS激光雷达的感知的常见问题，即测量的稀疏性，它需要在记录数据的空间和时间分辨率之间保持平衡，以有效地分析各种现象。lidpose利用NRCS激光雷达传感器的前景和背景细分技术来选择感兴趣的区域（ROI），使下痛成为移动行人检测和从RAW NRCS LIDAR LIDAR LIDAR测量序列中移动的端到端方法，该方法由静态传感器捕获的静态传感器供Sureveellance Seasarions捕获。为了评估该方法，我们创建了一个新颖的，真实的，多模式的数据集，其中包含来自Livox Avia传感器的相机图像和LIDAR点云，并带有注释的2D和3D人体骨架地面真相。