XiaoMi-AI文件搜索系统
World File Search System高动态
动态光流跟踪VSLAM方法
抽象的视觉同时本地化和映射（VSLAM）技术可以为关键任务提供可靠的视觉定位和映射功能。现有的VSLAM可以在静态环境中提取准确的特征点，以进行匹配和姿势估计，然后构建环境图。但是，在动态环境中，随着对象的移动，VSLAM系统提取的特征点将变得不准确，这不仅会导致跟踪故障，而且还严重影响了环境图的准确性。为了减轻这些挑战，我们提出了一种基于Yolov8的动态目标感光流量跟踪方法。首先，我们使用Yolov8来识别环境中的移动目标，并提出了一种消除动态轮廓区域中动态点的方法。其次，我们使用光流膜方法来识别目标检测对象框架之外的动态特征点。第三，我们全面消除了动态特征点。最后，我们结合了静态图点的几何和语义信息，以构建环境的语义图。我们使用ATE（绝对轨迹误差）和RPE（相对姿势误差）作为评估指标，并将原始方法与我们在TUM数据集上的方法进行了比较。我们方法的准确性显着提高，尤其是Walking_xyz数据集的96.92％。实验结果表明，我们提出的方法可以显着改善高动态环境下VSLAM系统的整体性能。
基于差分平坦度的双端口双向超级电容器转换器控制策略，适用于氢能移动应用
摘要：本文重点介绍一种应用于交通系统的原始控制方法，该系统包括聚合物电解质膜燃料电池 (PEMFC) 作为主要能源，超级电容器 (SC) 作为储能备用。为了将超级电容器与嵌入式网络的直流总线连接起来，使用了双端口双向 DC-DC 转换器。为了控制系统并确保其稳定性，通过采用微分平坦算法的非线性控制方法开发了网络的降阶数学模型，这是一种有吸引力且有效的解决方案，通过克服交通系统电力电子网络中普遍遇到的动态问题来使系统稳定。系统控制的设计和调整与平衡点无关，在该平衡点上，所提出的控制律考虑了 PEMFC 主电源、超级电容器储能装置和负载之间的相互作用。除此之外，还实现了负载功率抑制的高动态性，这是本文的主要贡献。为了验证所开发控制律的有效性，在实验室中实现了小型实验测试台，并在 dSPACE 1103 控制器板上实现了控制律。实验测试使用 1 kW PEMFC 源和 250 F 32 V SC 模块作为储能备份进行。最后，根据在驾驶循环中测量的实际实验结果验证了所提出的控制策略的性能，包括电动模式、骑行和再生制动模式。
从大脑到生物标志物发现脑脊液的解密蛋白质分泌
摘要：脑脊液（CSF）是发现神经系统疾病生物标志物的重要基质。然而，CSF中蛋白质浓度的高动态范围阻碍了不靶向的质谱法检测最少丰富的蛋白质生物标志物。因此，对大脑内部的分泌过程有更深入的了解是有益的。在这里，我们旨在探讨脑蛋白是否以及如何预测CSF的分泌。通过将策划的CSF蛋白质组和人蛋白质图集的脑升高蛋白质组相结合，将脑蛋白分类为CSF或非CSF分泌。机器学习模型接受了一系列基于序列的特征的培训，以区分CSF和非CSF组，并有效地预测蛋白质的大脑起源。分类模型如果使用高置信度CSF蛋白，则在曲线下达到0.89的面积。最重要的预测特征包括亚细胞定位，信号肽和跨膜区域。分类器良好地概括为较大的大脑检测到的蛋白质组，并能够正确预测通过亲和力蛋白质组学鉴定的新型CSF蛋白。除了阐明蛋白质分泌的潜在机制外，受过训练的分类模型还可以支持生物标志物候选者的选择。关键字：脑蛋白质组，脑脊液，流体生物标志物，机器学习，蛋白质分泌■简介
HgCdTe APD 探测器的高速、低光子数和大动态范围光电检测开发
HgCdTe 雪崩光电二极管 (APD) 由 CEA/Leti 开发，用于实现需要检测每个空间和/或时间箱中少量光子所含信息的应用，例如 LiDAR 和自由空间光通信。此类探测器的要求与应用密切相关，这就是为什么 HgCdTe APD 技术和用于提取检测到的光电流的近距离电子设备都需要针对每种应用进行优化的原因。本通讯报告了在 H2020 项目 HOLDON 范围内制造的高动态范围 LiDAR 应用探测器和与 Mynaric Lasercom AG 合作制造的高数据速率 FSO 的开发结果。对于 FSO 应用，我们已测量了直径为 10 µm 的 APD 在单位增益下的 10 GHz 带宽。在更高的 APD 增益和直径下，BW 目前分别受载流子传输和小面积和大面积 APD 中的电阻电容积限制。对于 LiDAR，我们开发了由并联二极管阵列组成的 APD，其直径高达 200 µm，雪崩增益大，M>100，将与专用 CMOS 放大器混合使用。该电路旨在实现光子散粒噪声限制的线性检测，信号动态范围为 6 个数量级，观察时间范围从 ns 到 µs。在单位 APD 增益下进行的首次表征表明，HOLDON 探测器将满足灵敏度和线性动态范围方面的大多数所需性能参数。
![arxiv：2407.15708v2 [CS.CV] 2024年7月24日](/simg/4\488aab87bdf39533adf2700d198b787626a3d6b2.webp)
arxiv：2407.15708v2 [CS.CV] 2024年7月24日
摘要。尖峰摄像头具有高的时间分辨率，低功能和高动态范围，可应对运动模糊等高速成像挑战。它独立地捕获每个像素的光子，使二进制尖峰流呈富含时间信息，但对图像重建充满挑战。当前的算法，无论是传统的还是基于深度学习的算法，在利用丰富的时间细节以及重建的重建信息的细节的恢复方面仍然需要改善。为了克服这一点，我们介绍了Swin SpikeFormer（Swinsf），这是一种从Spike流进行动态场景重建的新型模型。swinsf由尖峰特征提取，时空特征表和最终重建模块组成。它结合了移动的窗口自我注意力和提出的暂时尖峰注意，确保了综合特征提取，可封装空间和温度动力学，从而导致尖峰流的更强大，更准确的重建。此外，我们为Spike Image重建构建了一个新的合成数据集，该数据集与最新的Spike相机的分辨率相匹配，从而确保了其对Spike Camera Imaging中最新开发的相关性和适用性。实验结果表明，所提出的网络SWINSF设置了一个新的基准测试，在一系列数据集中实现了最新的性能，包括各种分辨率的现实世界和综合数据。我们的代码和建议的数据集可在https://github.com/bupt-ai-cz/swinsf上找到。
SFOD：脉冲融合物体探测器 - CVF 开放存取
事件相机具有高时间分辨率、高动态范围、低功耗和高像素带宽等特点，为特殊环境中的物体检测提供了独特的功能。尽管有这些优势，事件数据固有的稀疏性和异步性对现有的物体检测算法提出了挑战。脉冲神经网络 (SNN) 受到人脑编码和处理信息方式的启发，为这些困难提供了潜在的解决方案。然而，在当前的实现中，它们在使用事件相机进行物体检测方面的性能受到限制。在本文中，我们提出了脉冲融合物体检测器 (SFOD)，一种基于 SNN 的简单有效的物体检测方法。具体而言，我们设计了一个脉冲融合模块，首次实现了应用于事件相机的 SNN 中不同尺度特征图的融合。此外，通过整合我们在 NCAR 数据集上对主干网络进行预训练期间进行的分析和实验，我们深入研究了脉冲解码策略和损失函数对模型性能的影响。从而，我们建立了基于 SNN 的当前最佳分类结果，在 NCAR 数据集上实现了 93.7% 的准确率。在 GEN1 检测数据集上的实验结果表明，SFOD 实现了 32.1% 的当前最佳 mAP，优于现有的基于 SNN 的方法。我们的研究不仅强调了 SNN 在事件摄像机物体检测中的潜力，而且推动了 SNN 的发展。代码可在 https://github.com/yimeng-fan/SFOD 获得。
基于事件的视觉：一项调查
摘要 —事件相机是一种受生物启发的传感器，不同于传统的帧相机：它们不是以固定速率捕获图像，而是异步测量每个像素的亮度变化，并输出对亮度变化的时间、位置和符号进行编码的事件流。与传统相机相比，事件相机具有吸引人的特性：高时间分辨率（μs 级）、非常高的动态范围（140 dB 对 60 dB）、低功耗和高像素带宽（kHz 级），从而减少运动模糊。因此，事件相机在传统相机面临的挑战性场景（例如低延迟、高速度和高动态范围）中具有巨大的机器人和计算机视觉潜力。然而，需要新颖的方法来处理这些传感器的非常规输出，以释放它们的潜力。本文全面概述了新兴的基于事件的视觉领域，重点介绍了为解锁事件相机的优秀性能而开发的应用程序和算法。我们从工作原理、实际可用的传感器以及它们所用于的任务等方面介绍了事件相机，从低级视觉（特征检测和跟踪、光流等）到高级视觉（重建、分割、识别）。我们还讨论了为处理事件而开发的技术，包括基于学习的技术，以及这些新型传感器的专用处理器，例如脉冲神经网络。此外，我们还强调了尚待解决的挑战以及在寻找一种更有效、更符合生物启发的机器感知和与世界互动的方式方面面临的机遇。
测量航空母舰弯曲以支持自主...
美国国防部正在开发的联合精确进近和着陆系统 (JPALS) 旨在使用与其他传感器增强的 GPS 为着陆在陆地和航空母舰上的军用飞机提供准确可靠的引导信息。对于陆基作业，将使用局部差分全球定位系统 (LDGPS) 技术，而对于航空母舰着陆，将采用舰载相对 GPS (SRGPS) 技术。在这两种情况下，最终系统的可靠性和完整性都至关重要。对于 LDGPS 的情况，情况类似于为民航实施的局部区域增强系统 (LAAS) [1]，固定参考站生成差分 GPS 数据以发送给进场飞机。虽然 SRGPS 在概念上与 LDGPS 相似，但主要的实际区别在于参考接收器一直在运动，因为它们现在直接安装在航空母舰上。遗憾的是，由于操作限制，参考 GPS 天线无法安装在飞行甲板上飞机的预期着陆点 (TDP)。相反，它们通常安装在船舶的桁臂上。但是，由于进港飞机需要了解其相对于 TDP 的位置，因此需要将 GPS 测量结果几何平移到该点。此外，这种平移必须考虑所有船舶运动，最明显的是船舶的姿态变化。但是，在当前情况下，后一种假设可能没有完全合理。最终，实际上，GPS 参考站数据从桁臂到 TDP 的转换是使用两点之间假定的已知基线向量（例如从调查中获得）、船舶姿态知识以及船舶为刚体的假设来完成的。特别是在转弯或在波涛汹涌的大海中等高动态情况下，船舶可能会变形，本文称为船舶弯曲。
HDR 发射特性的光学表征...
简介现在，许多采用不同技术制造的高动态范围 (HDR) 和宽色域 (WCG) 显示器都已在市场上销售。 HDR10、杜比视界和混合对数伽马 (HLG) [1-2] 等新高清视频标准均将 ITU-R BT.2020 作为默认色域。 此外，HDR 不仅需要广泛的色域，还需要比标准动态范围 (SDR) 高得多的亮度动态范围。 例如，HDR10 [2] 的最大白色亮度为 1000cd/m2，而杜比视界 [3] 的最大白色亮度高达 10000cd/m2。 色域始终是一种与亮度范围无关的限制性属性。 相反，色彩体积同时涉及色域和亮度范围，并且似乎是比较应该具有大色域和扩展亮度范围的显示器的更好的描述符。 我们已经提出使用色彩体积来分析显示器的视角色彩测量 [4-6]。在这些研究中，使用了标准 L*a*b* CIE 1976 和 L*u*v* 色彩空间，并计算了不同显示器的色彩体积的几个参数。国际显示器计量委员会也对该方法进行了标准化 [7]。在本文中，我们使用杜比实验室最近提出的 ICtCp 色彩空间，该空间非常适合 HDR 和 WCG 内容 [8]。我们将这个新色彩空间与标准 L*a*b* CIE 1976 色彩空间 [9] 进行了比较，分析了在两个 HDR 显示器上测得的色彩视角属性：一台 QLED 电视和一台 OLED 电视。使用最大角度孔径为 ±80° 的 EZContrast 傅里叶光学视角系统在白色、黑色、红色、绿色、蓝色、洋红色、黄色和青色状态下进行色彩测量。
母校StudiorumUniversitàdiBologna Archivio ...
由于低成本无人机的扩散代表了安全性的潜在风险增加[1] [2]，因此对小小的无人机的检测最近已成为一个非常重要的话题。FMCW雷达被认为是无人机检测的最合适的解决方案之一，因为其架构简单性和短距离检测能力[1] - [4]。对小型无人机的检测代表了一项具有挑战性的任务，因为它们的尺寸非常有限和非反射材料组成意味着非常小的雷达横截面（RCS）。出于这个原因，只能通过利用毫米波频率，高发射功率和具有低噪声图（NF）和高动态范围的接收器来实现雷达检测范围和分辨率的优化。在这种情况下，在性能方面，硝酸盐（GAN）微波技术代表了最佳解决方案，因为它们为发射器和接收器微波前端提供了最先进的优点图[4] - [6]。在微波频率下对上GAN功率密度的开发是实现紧凑，高功率发射器所需的优势，以增加无人机目标的弱回声信号（低RCS）。另一方面，由于低噪声和广泛的动态范围特征的结合，GAN技术在RX部分中也非常有吸引力[5] - [9]。在本文中，我们描述了一种基于GAN的Ka-band MMIC LNA，该LNA将在FMCW雷达的接收器中被利用，以进行小型无人机检测。This feature is of primary importance in a FMCW radar receiver for drone detection, since the LNA needs to detect very low drone-echo signals (close to the thermal noise level), while maintaining its linearity even in presence of strong interferer/blocking signals, which are typically due to radar clutter and the leakage of the power amplifier of its own transmitter [3][4].MMW-GAN技术的采用使得可以同时针对低NF，高增益和大型动态范围，从而导致上KA频段无与伦比的组合性能。