XiaoMi-AI文件搜索系统
World File Search SystemSLAM
功能增强的移动映射系统上的LiDAR-SLAM
猛击和进程是使用视觉准确定位车辆的主要方法。SLAM基准[6]使3D大满贯用于自动驾驶。与基于图像的SLAM [11]相比，基于激光雷达的SLAM具有更高的准确性，对照明条件的敏感性降低以及直接获取3D数据的能力。基于激光雷达的SLAM是机器人技术的重要研究主题。第一个值得注意的框架Google制图师[7]是针对2D大满贯开发的。随后，2D LiDAR SLAM已在室内映射中广泛使用，其中包括Navvis M3手推车[2]之类的示例。从2D到3D大满贯，使用两种主要策略来匹配连续的LiDAR点云：基于迭代的最接近点（ICP）的方法[5，14，16]和基于特征的方法[13，17]。深
可持续发展伊斯兰框架
塞勒姆·阿伯里（Salem al Abri）管理系，阿曼尼兹瓦大学，阿曼摘要目的 - 本研究的主要目的是通过提出一个将伊斯兰原则与可持续发展目标（SDGS）融合的综合框架来解决当前学术文献中的差距。设计/方法论/方法 - 利用系统文献综述，本研究的重点是2012年至2023年发表的学术作品，采用主题分析，并与主题专家合作制定了一个框架，以提高全球可持续性目标。发现 - 本研究的框架将Zakat和道德财务定位为公平财富分配和可持续经济增长的关键。Halal和gayyib（允许和纯净的）原则被证明可以支持道德消费和粮食安全，这对于经济可持续性至关重要。伊斯兰关于教育和性别平等的教义被确定为社会福祉和平等的驱动力，这是社会可持续性的核心。此外，关于水，资源使用和海洋生物伦理的伊斯兰环境原则增强了对生态可持续性的承诺。独创性/价值 - 这项研究的独创性在于其具有可持续性目标的伊斯兰教义的新方法，为知识体会贡献了独特的观点。它扩展了伊斯兰经济学的论述，包括对环境问题的整体考虑，从而提供了一个与全球可持续性议程相吻合的全面和实用框架。本文发表在《创意共享归因》（CC By 4.0）许可下。研究局限性/含义 - 研究奠定了一个理论框架，但它强调了对经验测试和验证的需求。含义要求采用跨学科的方法来完善框架及其在各种社会经济和文化环境中的应用。实践和社会含义 - 该框架是决策者的蓝图，提供了可行的见解，将伊斯兰原则与可持续发展计划相结合。它强调了伊斯兰价值观在制定政策中的相关性，这些政策不仅在经济上可行，而且在社会上公平且在环境上可持续。关键词 - 伊斯兰经济学，政策和监管环境，利益相关者参与，可持续发展目标（SDG），可持续性文章分类 - 研究论文©Kausar Yasmeen和Kashifa Yasmeen。发表在Inceif University ISRA研究管理中心的《国际伊斯兰金融与可持续发展杂志》上。任何人都可以归因于原始出版物和作者，但任何人都可以复制，分发，翻译和创建本文的衍生作品。本许可的完整条款可在以下网址获得：http：//creativecommons.org/licences/4.0/legalcode
使用数字双胞胎
摘要 - 城市环境中的一致性本地化对于自动驾驶汽车和无人机等自主系统以及视觉上障碍者的辅助技术至关重要。传统的视觉惯性进程（VIO）和视觉同时定位和映射（VSLAM）方法虽然足以进行局部姿势估计，但由于依赖局部传感器数据，因此长期存在漂移。尽管GPS抵消了这种漂移，但它在室内不可用，在城市地区通常不可靠。一种替代方法是使用视觉功能匹配将相机定位到现有的3D地图。这可以提供厘米级的准确定位，但受当前视图和地图之间的视觉相似性的限制。本文介绍了一种新颖的方法，该方法通过将VIO/VSLAM系统生成的稀疏3D点云与使用点上的平面匹配相结合，从而实现准确且全球的本地化。不需要视觉数据关联。所提出的方法提供了一个6-DOF的全球测量，该测量紧密整合到VIO/VSLAM系统中。实验在高保真的GPS模拟器和从无人机收集的现实世界数据上进行，这表明我们的方法的表现优于最先进的VIO-GPS系统，并且与最先进的视觉大满贯系统相比，针对观点变化提供了卓越的鲁棒性。
Hilti Slam挑战2023：基准单 +多...
摘要 - 中等定位和映射系统是在手持和机器人应用中定位的关键推动剂。过去几年中组织的希尔蒂大满贯挑战在基准以高准确性为世界上最好的大满贯系统基准测试。但是，这些系统的更多功能尚待探索，例如在各种传感器套房和多课程大满贯之间的平台不可知论。这些因素间接用作现实应用程序中鲁棒性和易于部署的指标。没有公开可用的数据集和基准组合，这考虑了这些因素的总和。HILTI SLAM挑战2023数据集和基准测试解决了此问题。此外，我们提出了一种新型的效果标记设计，以从地面上的预先调查点进行预测，从安装在机器人上的架子上的激光雷达和算法可以估算其在MM级准确性上的位置。挑战的结果表明，整体参与的增加，单课大满贯系统变得越来越准确，在不同的传感器套件中成功运行，但相对较少的参与者进行了多课大满贯。数据集URL：https：//www.hilti-challenge.com/dataset-2023.html
伊斯兰粮食安全组织（IOFS）第 40 届
我很高兴向伊斯兰合作组织经济和商业合作常设委员会第 40 届部长级会议介绍伊斯兰粮食安全组织报告。在我们齐聚一堂讨论伊斯兰合作组织成员国面临的关键经济和商业问题之际，我很荣幸能回顾伊斯兰粮食安全组织自第 39 届会议以来取得的重大成就和采取的举措。这份报告对我来说很重要，因为这是我第一次率领伊斯兰粮食安全组织代表团参加庄严的年度 COMCEC 会议。在过去的一年里，伊斯兰粮食安全组织坚定不移地履行其使命，即加强整个伊斯兰合作组织地区的粮食安全和可持续农业实践。在我们的关键举措中，我们推出了一系列有影响力的计划，旨在使成员国有能力应对粮食不安全、气候变化和农业复原力等紧迫挑战。因此，本报告借鉴了这些举措，包括在实施伊斯兰会议组织 2031 年战略愿景、非洲粮食安全倡议 (AFSI) 和阿富汗粮食安全计划 (AFSP) 背景下开展的举措，并强调了与土耳其合作与协调机构 (TIKA) 联合实施的支持阿富汗西部农民的举措。我很高兴地注意到，对于这些发展，成员国正在赋予我们更多近期的任务，包括由哈萨克斯坦共和国主办的急需的伊斯兰会议组织 IOFS 基因库或卡塔尔国提议的关于为成员国应用良好农业规范和提高成员国对农业保险认识的培训和指导区域中心。最后，回顾本届会议的核心主题“伊斯兰会议组织成员国支付系统的数字化转型”，我认为它触及了一个与整个发展举措领域有关的关键主题，包括粮食安全和可持续农业实践。在当今快速发展的全球经济中，数字化转型已成为增长、创新和包容性的强大推动力。考虑到第 50 届外交部长理事会（2024 年 8 月 29 日至 30 日，喀麦隆雅温得）已批准 12 月 11 日为伊斯兰合作组织粮食安全日，也许我们应该在今年纪念这一吉祥的日子，进一步思考金融体系在支持农业和粮食安全等部门的数字化未来，而这些部门是伊斯兰合作组织粮食安全的核心使命。
ACKR2缺陷型NK细胞增强CCR2的表达增加了肿瘤细胞治疗疗效
摘要：本文提出了一种基于视觉的障碍物避免自动自动驾驶汽车，可以使用单个RGB-D摄像头在仅CPU的设备上运行。该方法由两个步骤组成：视觉感知和路径计划。视觉感知部分使用Orbslam 3增强了使用光流量来估计汽车的姿势并从场景中提取丰富的纹理信息。在路径计划阶段中，提出的方法采用一种方法，将控制lyapunov函数和控制屏障功能结合起来，形式是二次程序（CLF-CBF-QP）以及障碍物形状重建过程（SRP）来计划安全稳定的轨迹。为了验证提出方法的性能和鲁棒性，使用凉亭模拟环境在各种复杂的室内环境中使用汽车进行了模拟实验。提出的方法可以有效地避免在场景中遇到障碍。所提出的算法在实现多个模拟场景的更稳定和较短的轨迹方面优于基准算法。
rz家族 - 视觉AI大满贯解决方案指南
RENESAS的动态可重构处理器（DRP）技术是内置的特殊用途硬件（MPU），可显着加速图像处理算法的10倍或更多。它将硬件解决方案的高性能与CPU的灵活性和扩展能力相结合。有关更多信息，请参阅Vision Accelerator：DRP Web。
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。
适用于移动增强现实的强大协作视觉惯性大满贯
摘要 - 在多用户移动AR应用程序中确保精确的实时本地化并确保鲁棒性是关键挑战。利用协作信息来增强轻量级设备的跟踪准确性，并强化整体系统的鲁棒性是至关重要的。在本文中，我们提出了一个可靠的集中式协作多代理VI-SLAM系统，用于移动AR交互和服务器端有效的一致映射。该系统在移动设备上部署了轻巧的VIO前端，以进行实时跟踪，并在远程服务器上运行的后端以更新多个子包。当检测到跨代理之间的跨代理之间的重叠区域时，系统执行子束融合以建立全球一致的图。此外，我们提出了一个基于在线注册和融合的多代理场景中的可覆盖率领域的地图注册和融合策略。为了提高前端对代理的跟踪准确性，我们介绍了一种策略，以将全局地图更新为本地地图，以中等频率的摄像机率姿势估计前端VIO和低频全局地图优化，使用紧密耦合的策略，以实现全局图中的多代数前端估计的一致性。通过在服务器上执行后端映射并在多个移动设备上部署VIO前端以进行AR排除，从而进一步确认了所提出的方法的有效性。此外，我们通过分析代理和服务器结束的网络流量，同步频率以及其他因素来讨论提出系统的可扩展性。