XiaoMi-AI文件搜索系统
World File Search SystemSLAM
文章：在 GPS 受限环境下基于无人机目标跟踪的协作式 Visual-SLAM 系统：以目标为中心的方法
摘要：使用无人机 (UAV) 自主跟踪动态目标是一个具有挑战性的问题，在许多场景中都有实际应用。在这种情况下，必须解决的一个基本方面与空中机器人和目标的位置估计有关，以控制飞行编队。对于非合作目标，必须使用机载传感器估计其位置。此外，为了估计无人机的位置，全球位置信息可能并不总是可用的（GPS 拒绝环境）。这项工作提出了一种基于视觉的合作 SLAM（同步定位和地图绘制）系统，该系统允许一组空中机器人自主跟踪在 GPS 拒绝环境中自由移动的非合作目标。这项工作的贡献之一是提出并研究使用以目标为中心的 SLAM 配置来解决估计问题，这与众所周知的以世界为中心和以机器人为中心的 SLAM 配置不同。从这个意义上讲，所提出的方法得到了广泛非线性可观测性分析所获得的理论结果的支持。此外，还提出了一种控制系统，用于保持无人机相对于目标的稳定飞行编队。在这种情况下，使用 Lyapunov 理论证明了控制律的稳定性。通过大量计算机模拟，所提出的系统显示出可能优于其他相关方法。
自动驾驶汽车感知（E061670）
本课程由项目补充的讲座组成。讲座：•介绍和介绍自动驾驶汽车的用例。• Basic problems in autonomous vehicle perception (positioning, observation, • SLAM problem...) • Physical principles of perception and sensors (light-material interaction, • properties of light, antennas and propagation...) • Mathematical concepts of sensor performance (bandwidth, resolution, • quantization, dynamic range...) • Sensor technology (quantitative vs qualitative, active vs passive sensors, • strengths and弱点...）•定位原理（绝对和相对参考系统，探测器，•跟踪，猛击...）•映射原理（大满贯，缝制，摄影测量，注册...）•对环境的解释（对象检测和跟踪，路径计划...）
Lidbot（2D映射的自动启动）
本文介绍了一种自主机器人系统，该系统采用LiDAR（光检测和范围）技术，该技术由Raspberry Pi 4单板计算机驱动，并与机器人操作系统2（ROS2）无缝集成，以实现2D映射和同时本地化和绘图（SLAM）在印地环境中。Raspberry Pi 4用作板载计算机，负责处理LIDAR数据，传感器融合，控制算法以及与外部设备的通信。ROS2充当中间件，确保无缝使用传感器，控制算法和可视化工具。实施SLAM算法是该项目的重要方面，允许机器人同时确定其在该地图中的位置，允许机器人构建复杂的环境2D地图。此信息对于在动态室内环境中的安全有效导航来说是必不可少的。
在施工环境中的强大高精度激光雷达本地化
摘要 - 准确的定位在自主机器人系统的有效运行中起着至关重要的作用，尤其是在诸如施工站点之类的染色体环境中。同时使用LIDAR传感器同时定位和映射（SLAM）已成为一种流行的解决方案，因为它在没有外部基础架构的情况下可以进行功能。但是，现有的al-gorithms表现出重大的缺点。尽管当前的方法在长期轨迹上达到了很高的准确性，但它们在复杂的室内环境中的精确性和可靠性而苦苦挣扎。本文介绍了一种新型的基于功能的LiDAR SLAM系统，旨在解决这些局限性并增强短期精度和整体鲁棒性。使用现有数据集和物理机器人平台评估了所提出的系统，以解决当前实现的局限性，并在挑战现实世界中，尤其是在施工环境中展示改进的穿孔。
Xin YuXin Yu
•视觉：图像分类，单视3D建模和自主驾驶（SLAM）•语言：语言生成和零拍的大型语言建模•科学的AI：用于物理模拟的数据驱动方法（替代模型，操作员学习，操作员学习），时间序列学习（时间序列学习）
APC抗鼠Ly108抗体
描述 小鼠 Ly108，也称为 SLAMF6 和 NTB-A（NK 细胞、T 细胞、B 细胞抗原），是信号淋巴细胞活化分子 (SLAM) 免疫受体家族成员之一。它在 T 细胞、B 细胞、巨噬细胞、树突状细胞、NK 细胞和粒细胞上表达。Ly108 的同源相互作用参与增强 NK 细胞的细胞毒性。已证明 Ly108 通过增强细胞毒性对 NK 细胞起作用。据报道，Ly108 在 CD4 T 细胞反应和对细菌和寄生虫的先天免疫中起着重要作用。在 Ly108 基因被靶向破坏的小鼠中，CD4 T 细胞和先天反应存在缺陷。SLAM 受体家族与自身免疫的病理生理学有关。例如，Ly108 与小鼠的狼疮易感性密切相关。 Ly108 可能作为耐受性检查点的潜在调节者来审查自身反应性 B 细胞，从而防止自身免疫。因此，Ly108 可作为先天性和适应性免疫反应的调节者。
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。
机器人操作系统（ROS）
▶ Standard architecture in packages (dependencies, versioning, APIs) ▶ Inter-process communication (parameters, topics, services, actions) ▶ Universal description of robots (URDF) ▶ Geometric transformations (TF) ▶ Direct and Inverse Geometry (MoveIt) ▶ Path Planning, Obstacle Avoidance, SLAM (MoveIt, nav2d) ▶ 3D Visualisation, physics simulation (Rviz, Gazebo) ▶数据记录，播放（ROSBAG）
基于视觉的情况图利用基于语义实体的集成基金标记
情境图（S图）合并了通过同时定位和映射（SLAM）将3D场景图的接近的几何模型合并到多层联合优化因子图中。作为一种优势，S-graph不仅是通过将几何图与一个图中的各种层次组织的语义界面及其拓扑关系相结合，因此更全面的机器人情境意识，还可以改善本地化的性能，并通过Exploit-exploit-exploit-neploit-neploit-opploit-依靠语义信息绘制。在本文中，我们介绍了基于视觉的S-Graphs版本，其中使用传统的视觉猛击（VSLAM）系统用于低级功能跟踪和映射。此外，该框架利用了ducial标记的潜力（可见以及我们最近引入的透明或完全看不见的标记）来编码有关环境及其内部对象的全面信息。标记有助于识别和绘制结构性的语义实体，包括环境中的墙壁和门，在全球参考中具有可靠的姿势，随后与包括走廊和房间在内的高级实体建立了有意义的关联。然而，除了包括语义实体外，还利用了公爵标记物施加的语义和几何约束来提高重建的地图的质量并减少本地化错误。使用腿部机器人收集的实际数据集上的实验结果表明，我们的框架在制作更丰富的多层分层图方面表现出色，并同时增强了机器人姿势精度。