摘要 机载激光扫描 (或激光雷达) 已成为获取数字地形模型数据的一种非常重要的技术。除此之外,该技术越来越多地用于获取点云,以对各种物体进行建模,例如建筑物、植被或电力线。作为一种主动技术,机载激光扫描即使在图像对比度较差的地形上也能提供高可靠性。该技术的精度通常规定为一到两分米的数量级。由于其主要用于数字地形建模,迄今为止对机载激光扫描精度潜力的检查主要集中在高度精度上。随着该技术用于一般重建任务和激光扫描仪系统分辨率的提高,激光扫描仪点云的平面精度成为一个重要问题。除了激光测距仪和偏转镜系统中的误差外,机载激光扫描仪的误差预算还受到用于传感器姿态 [位置和方向] 确定的 GPSI INS 系统的强烈影响。这些系统的误差通常会导致激光扫描仪数据条带变形,并且可能表现为激光扫描仪数据块中相邻条带重叠区域的差异。本文介绍了在 TIN 结构上实施的最小二乘匹配,作为确定激光扫描仪
定向金属沉积 (DMD) 是一种很有前途的金属增材制造技术,其中零件是通过使用沿预定义轨迹移动的激光束融合注入的金属粉末颗粒来制造的。刀具路径通常包括曲线或边缘部分,机器轴需要相应地减速和加速。因此,局部施加的激光能量和粉末密度在沉积过程中会发生变化,导致局部过度沉积和过热。这些偏差还受到刀具路径几何形状和工艺持续时间的影响:先前的沉积可能会在时间和空间上影响相近的刀具路径段,导致局部热量积聚,并形成与使用相同参数沉积的其他段中产生的轮廓和微观结构不同的轮廓和微观结构,这是由于几何形状和温度相关的集水轮廓所致。为了防止这些现象,需要轻量级和可扩展的模型来预测可变刀具路径的工艺行为。在本文中,我们提出了一种基于人工智能的方法来处理 Inconel 718 的工艺复杂性和多种刀具路径变化。考虑到先前定义的刀具路径,使用人工神经网络 (ANN) 来预测沉积高度。通过打印包含多个曲率和几何形状的随机刀具路径,生成了训练数据。基于训练后的模型,可以成功预测整个刀具路径的显著局部几何偏差,并且可以通过相应地调整工艺参数来预测。
摘要:定向能量沉积(DED)是添加剂制造技术的家族。使用这些过程,金属零件是按一层构建的,引入了在时间和层域传播的动力学,这意味着更复杂的性能,因此很难预测所产生的零件质量。控制沉积层厚度和高度是一个关键问题,因为它会影响几何准确性,过程稳定性和产品的整体质量。因此,需要使用适当的传感器策略的DED流程进行在线反馈高度控制。这项工作通过与640 nm波长脉冲照明激光器同步的CCD摄像头的离轴呈现出新型的基于视觉的三角剖分技术。图像处理和机器视觉技术允许金属固化后的在线高度测量。通过激光金属沉积(LMD)过程中的OFF和进程试验验证了拟议设置的线性和精度。此外,还针对基于ARC的DED过程测试了开发的在线检查系统的性能,并与实验焊珠特征数据进行了比较。在最后一个情况下,该系统还允许测量焊珠宽度和接触角,这在多层堆积的最初运行中至关重要。
模型Sonaris高度杆类型的声纳技术具有三角剖分程序(真正无触摸的数字精度)测量范围1至9 ft/30至275厘米高度单位/英寸/英寸,英寸,英寸,厘米和毫米的精度ft/In in and In:0.2毕业时; CM:0.5 cm毕业; MM:5毫米毕业表演0.75英寸(19毫米)高,七个段LCD带有蓝色背光按钮电源和单元按钮类型机械开关类型电源要求6“ AA”细胞碱,NI-CAD或NIMH电池(不包括)国内模型:100至240V AC 50/60HZ 12V DC DC 1A ACS ACS ACSA列表: 6800-1045(不包括)国际型号:100至240V AC 12V DC 1A多针输入输入AC功率适配器:检测零件号6800-1047(不包括)总体尺寸5.9在D x 3.5中,在H / 149 mm W x 89 mm w x 89 mm d x 1,203 mm h / d x x x 47.4 In in d x 47.4中在D / 1,270毫米L X 457毫米W x 203毫米D运输重8磅 / 3.6千克UPC代码809161204506美国原产国< / div
摘要。压力脊影响海冰覆盖的质量、能量和动量预算,并对穿越冰封水域的运输造成障碍。量化脊特征对于了解海冰总量和改善高分辨率模型中海冰动力学的表示非常重要。在每年的北极冰桥行动 (OIB) 航空调查期间收集的多传感器测量数据为评估冬末的海冰提供了新的机会。我们提出了一种从高分辨率 OIB 数字测绘系统 (DMS) 可见光图像中得出脊帆高度的新方法。我们通过绘制西部和中部北极 12 个压力脊沿线的完整帆高分布来评估该方法的有效性。通过与同时发生的机载地形测绘仪 (ATM) 高程异常进行比较,可以证明该方法并评估 DMS 得出的帆高。帆高和高程异常的相关性为 0.81 或以上。平均而言,帆高平均值和最大值与 ATM 海拔高度的吻合度分别在 0.11 米和 0.49 米以内。在绘制的山脊中,帆高平均值范围为 0.99 至 2.16 米,而最大帆高范围为 2.1 至 4.8 米。DMS 沿山脊的采样率也高于同步的 ATM 数据。
摘要。行星边界层(PBL)高度(PBLH)是各种流星和气候研究的重要参数。本研究提出了一个多结构深神经网络(DNN)模型,该模型可以通过整合早晨的温度纤维和表面气象观测来估计PBLH。DNN模型是通过利用富含的PBLH数据集而开发的,该数据集是从长期存在的辐射记录中得出的,并以高分辨率的微脉冲激光雷达和多普勒激光雷达观测来增强。我们以10个成员的合奏访问DNN的性能,每个成员都有独特的隐藏结构,从1994年到2020年,在南部大平原上共同产生了强大的27年PBLH数据集。各种气象因素对PBLH的影响是通过重要性测试严格分析的。此外,还评估了DNN模型的准确性,以针对辐射观测值进行评估,并与传统的遥感方法并置,包括多普勒激光雷达,天花板,拉曼激光雷达和微脉冲激光雷达。DNN模型在各种条件下表现出可靠的性能,并且相对于遥感方法表现出较低的偏见。此外,最初在普通区域进行训练的DNN模型在应用于山羊山(Green Ocean Amazon; Tropical Rainforest)和Cacti(云,Aerosol和Aerosol,Aerosol和复杂的地形相互作用; Middle lat Lattlative Mountains; Middle Lattlative Mountains)活动中遇到的异质地形和气候时,表现出显着的适应性。这些发现证明了深度学习模型在估计PBLH中的有效性,增强了我们对边界层过程的理解,对改善PBL在天气预测和气候建模中的表示的影响。
使用模糊逻辑的 2-D 雷达进行空中物体高度估计 SGK Murthy、MV Ramana Murthy、D Satya Narayana 摘要 - 多传感器跟踪是航空航天应用中广泛使用的技术,用于精确估计目标运动学。特别是海军跟踪系统在多传感器跟踪场景中利用不同类型的雷达(2-D、3-D)进行稳健估计。由于 2-D 雷达提供的信息仅包含距离和方位角值,因此很难使用 2-D 雷达估计空中物体的高度。为了克服这一限制,考虑采用几何方法来组合从位于两个不同位置的两个 2-D 雷达获得的信息。由于几何方法的解决方案取决于某些几何特征,因此不可能用一对传感器获得良好的结果。然而,为了获得更好的结果,提出了一种方法,并尝试使用两个以上的 2-D 雷达结合基于模糊逻辑的验证。本文讨论了与 2-D 雷达跟踪相关的问题,以及包括三角测量几何和基于模糊逻辑的验证方法在内的方法,以提高实时高度估计精度。索引术语:模糊决策、模糊逻辑、使用 2-D 雷达进行目标跟踪 I。简介雷达技术的发展始于 20 世纪初的第二次世界大战。所有部队都使用雷达来控制天空和海洋。那个时代开发的雷达技术仍然用于跟踪空中和陆地物体。目标跟踪是一个重要的研究领域,涵盖了国防和商业应用的广阔领域[1]。了解空中情况是空域控制的一项基本任务。多雷达跟踪 (MRT) 是海军目标跟踪应用中广泛使用的技术。在多传感器数据融合系统中,从位于不同位置的多个雷达获得的信息被融合到手稿中 2010 年 5 月 20 日收到 SGK Murthy 在印度海得拉巴国防研究与发展实验室工作,电话:91-40-24151654,电子邮件:sgk_murthy@yahoo.com MV Ramana Murthy 在印度海得拉巴奥斯马尼亚大学数学系工作,电子邮件:mv_rm50@gmail.com D Satya Narayana 在印度海得拉巴奥斯马尼亚大学数学系工作
摘要:估计单幅航拍图像中建筑物和植被的高度是一个具有挑战性的问题。提出了一种以任务为中心的深度学习 (DL) 模型,该模型结合了成功的 DL 模型(U-NET 和残差网络)的建筑特征,并学习从单个航拍图像到规范化数字表面模型 (nDSM) 的映射。该模型在具有相应 DSM 和数字地形模型 (DTM) 的航拍图像上进行训练,然后用于推断没有高程信息的图像的 nDSM。使用覆盖英国曼彻斯特大片地区的数据集以及 2018 年 IEEE GRSS 数据融合竞赛 LiDAR 数据集对该模型进行了评估。结果表明,所提出的 DL 架构适合该任务,并且大大超越了其他最先进的 DL 方法。
摘要。许多海洋活动,例如设计海洋结构和规划海洋行动,都需要海态气候的特征。考虑其时空行为,这项研究调查了风状态与海洋国家之间的统计关系。在北大西洋上(预测指标)和三个位置的显着波高(预测和预测)之间建立了传递功能:法国海岸(Gironde)的西南(Gironde),英国通道和缅因州海湾。开发的方法通过包括局部和全球预测因子来考虑风海和膨胀。使用完全数据驱动的方法,定义了全局预测指标的时空结构,以说明风与波之间的非本地和非恒定关系。天气类型是使用回归引导的聚类方法构建的,所得簇对应于不同的波系统(膨胀和风向海域)。然后,在每种天气类型中,预测指标和预测指数之间都拟合了惩罚的线性回归模型。验证分析证明了预测显着波高的模型技能,在三个考虑的位置中,均方根误差约为0.3 m。此外,该研究还讨论了所提出方法的物理见解。
(未通过同行评审认证)是作者/资助者。保留所有权利。未经许可就不允许重复使用。此预印本版的版权持有人于2024年4月1日发布。 https://doi.org/10.1101/2024.03.28.585318 doi:Biorxiv Preprint