XiaoMi-AI文件搜索系统
World File Search SystemScanning
茂密森林覆盖中机载激光扫描 (ALS) 数据的地表插值精度
摘要：地表数字模型在林业中具有许多潜在应用。如今，光检测和测距 (LiDAR) 是收集形态数据的主要来源之一。通过激光扫描获得的点云用于通过插值对地表进行建模，该过程受到各种误差的影响。使用 LiDAR 数据收集地表数据用于林业应用是一个具有挑战性的场景，因为森林植被的存在会阻碍激光脉冲到达地面的能力。因此，地面观测的密度将降低且不均匀（因为它受到冠层密度变化的影响）。此外，森林地区通常位于山区，在这种情况下，地表的插值更具挑战性。本文对九种算法的插值精度进行了比较分析，这些算法用于在茂密森林植被覆盖的山区地形中从机载激光扫描 (ALS) 数据生成数字地形模型。对于大多数算法，我们发现在一般精度方面具有相似的性能，RMSE 值在 0.11 到 0.28 m 之间（当模型分辨率设置为 0.5 m 时）。其中五种算法（自然邻域、Delauney 三角剖分、多级 B 样条、薄板样条和 TIN 薄板样条）对超过 90% 的验证点的垂直误差小于 0.20 m。同时，对于大多数算法，主要垂直误差（超过 1 m）与不到 0.05% 的验证点相关。数字地形模型 (DTM) 分辨率、地面坡度和点云密度影响地面模型的质量，而对于冠层密度，我们发现与插值 DTM 的质量之间的联系不太明显。
文章 茂密森林覆盖区机载激光扫描 (ALS) 数据地表插值的精度
摘要：地表数字模型在林业中具有许多潜在应用。如今，光探测和测距 (LiDAR) 是收集形态数据的主要来源之一。通过激光扫描获得的点云用于通过插值对地表进行建模，这一过程受到各种误差的影响。使用 LiDAR 数据收集地表数据用于林业应用是一个具有挑战性的场景，因为森林植被的存在会阻碍激光脉冲到达地面的能力。因此，地面观测的密度将降低且不均匀（因为它受到冠层密度变化的影响）。此外，森林地区通常位于山区，在这种情况下，地表的插值更具挑战性。在本文中，我们对九种算法的插值精度进行了比较分析，这些算法用于在茂密的森林植被覆盖的山区地形中从机载激光扫描 (ALS) 数据生成数字地形模型。对于大多数算法，我们发现在总体精度方面性能相似，RMSE 值在 0.11 到 0.28 米之间（当模型分辨率设置为 0.5 米时）。其中五种算法（自然邻域、Delauney 三角剖分、多层 B 样条、薄板样条和基于 TIN 的薄板样条）对于超过 90% 的验证点具有小于 0.20 米的垂直误差。同时，对于大多数算法，主要垂直误差（超过 1 米）与不到 0.05% 的验证点相关。数字地形模型 (DTM) 分辨率、地面坡度和点云密度影响地面模型的质量，而对于冠层密度，我们发现与插值 DTM 的质量之间的联系不太显著。
文章 茂密森林覆盖区机载激光扫描 (ALS) 数据地表插值的精度
摘要：地表数字模型在林业中具有许多潜在应用。如今，光探测和测距 (LiDAR) 是收集形态数据的主要来源之一。通过激光扫描获得的点云用于通过插值对地表进行建模，这一过程受到各种误差的影响。使用 LiDAR 数据收集地表数据用于林业应用是一个具有挑战性的场景，因为森林植被的存在会阻碍激光脉冲到达地面的能力。因此，地面观测的密度将降低且不均匀（因为它受到冠层密度变化的影响）。此外，森林地区通常位于山区，在这种情况下，地表的插值更具挑战性。在本文中，我们对九种算法的插值精度进行了比较分析，这些算法用于在茂密的森林植被覆盖的山区地形中从机载激光扫描 (ALS) 数据生成数字地形模型。对于大多数算法，我们发现在总体精度方面性能相似，RMSE 值在 0.11 到 0.28 米之间（当模型分辨率设置为 0.5 米时）。其中五种算法（自然邻域、Delauney 三角剖分、多层 B 样条、薄板样条和基于 TIN 的薄板样条）对于超过 90% 的验证点具有小于 0.20 米的垂直误差。同时，对于大多数算法，主要垂直误差（超过 1 米）与不到 0.05% 的验证点相关。数字地形模型 (DTM) 分辨率、地面坡度和点云密度影响地面模型的质量，而对于冠层密度，我们发现与插值 DTM 的质量之间的联系不太显著。
文章 茂密森林覆盖区机载激光扫描 (ALS) 数据地表插值的精度
摘要：地表数字模型在林业中具有许多潜在应用。如今，光探测和测距 (LiDAR) 是收集形态数据的主要来源之一。通过激光扫描获得的点云用于通过插值对地表进行建模，这一过程受到各种误差的影响。使用 LiDAR 数据收集地表数据用于林业应用是一个具有挑战性的场景，因为森林植被的存在会阻碍激光脉冲到达地面的能力。因此，地面观测的密度将降低且不均匀（因为它受到冠层密度变化的影响）。此外，森林地区通常位于山区，在这种情况下，地表的插值更具挑战性。在本文中，我们对九种算法的插值精度进行了比较分析，这些算法用于在茂密的森林植被覆盖的山区地形中从机载激光扫描 (ALS) 数据生成数字地形模型。对于大多数算法，我们发现在总体精度方面性能相似，RMSE 值在 0.11 到 0.28 米之间（当模型分辨率设置为 0.5 米时）。其中五种算法（自然邻域、Delauney 三角剖分、多层 B 样条、薄板样条和基于 TIN 的薄板样条）对于超过 90% 的验证点具有小于 0.20 米的垂直误差。同时，对于大多数算法，主要垂直误差（超过 1 米）与不到 0.05% 的验证点相关。数字地形模型 (DTM) 分辨率、地面坡度和点云密度影响地面模型的质量，而对于冠层密度，我们发现与插值 DTM 的质量之间的联系不太显著。
扫描隧道显微镜直接可视化氢转移中间态
摘要：分子腔内成键的氢原子经常经历隧穿或热传递过程，这些过程在各种物理现象中发挥着重要作用。此类传递可能需要也可能不需要中间态。此类瞬时状态的存在通常通过间接方式确定，而尚未实现对它们的直接可视化，主要是因为它们在平衡条件下的浓度可以忽略不计。在这里，我们使用密度泛函理论计算和扫描隧道显微镜 (STM) 图像模拟来预测，在专门设计的电压增强高传输速率非平衡条件下，吸附在 Ag(111) 表面的无金属萘菁分子中两氢转移过程的顺式中间体将在双 C 形态的复合图像中可见。在理论预测的指导下，在调整扫描温度和偏压下，STM 实验实现了顺式中间体的直接可视化。这项工作展示了一种直接可视化难以捉摸的中间体的实用方法，增强了对氢原子量子动力学的理解。
紧凑型扫描激光雷达
美国宇航局和欧空局已将 LiDAR 确定为实现安全精确着陆和交会对接的关键技术。此外，该技术对于难以观察到背景辐射的未来卫星任务和探测车应用至关重要。挑战来自任务参数的限制越来越严格。太空市场普遍倾向于低成本、高可靠性的紧凑型解决方案，而目前的 LiDAR 技术可能会在主要应用中失去相关性。ONEWeb、三星和 SpaceX 等公司的未来商业计划旨在发射总共超过 10,000 颗卫星，2019 年的概念演示任务已经开始，巩固了对这些企业的投资。LiDAR 技术非常适合清除太空垃圾等操作任务参数，但目前的 LiDAR 质量、体积、功率 (MVP) 预算、成本和开发时间在评估新太空应用提案时可能是一个挑战。当前的扫描 LiDAR 使用旋转镜来引导激光束。机械扫描导致解决方案体积庞大、速度相对较慢且耗电。该提案提出了一个项目，旨在加速开发现代一代激光雷达，以更好地适应日益增长的空间应用需求。
提高移动激光扫描仪的定位精度...
在GPS正常工作条件下，MLS系统可以达到厘米级的定位精度。然而，在无GPS环境下，由于MLS的观测模式误差和视轴对准误差无法通过GPS信号进行标定或修正，定位精度可能降低到分米甚至米级。针对这一研究空白，本文提出一种新技术，适当结合稳健加权最小二乘（RWTLS）和全信息最大似然最优估计（FIMLOE），提高无GPS环境下MLS系统的定位精度。首先，建立MLS系统的坐标转换关系和观测参数向量。其次，利用RWTLS算法对三维点观测模型进行修正；然后利用FIMLOE标定激光扫描仪框架与IMU框架之间的不确定度传播参数向量和视轴对准误差。最后，在室内场景中进行实验研究，以评估所提方法的有效性。实验结果表明，所提方法能够显著提高 MLS 系统在 GPS 拒绝环境中的定位精度。
扫描电子显微镜（SEM）
•扫描电子显微镜是使用精细的能量电子束来观察和分析散装样品的表面微观结构的仪器。•电子光系统用于形成电子探针，该探针可以以栅格模式在样品表面扫描。•通过该梁与样品的相互作用产生了各种信号。可以通过适当检测器的应用来收集或分析这些信号。•对于成像，可以组装在栅格图案中每个位置上获得的信号振幅以形成图像。
驾驶员的视线行为和扫视模式
在弯路上驾驶时执行次要任务（或与驾驶无关的任务）可能存在风险且不安全。本研究的目的是探索是否可以使用多种眼球运动测量方法来评估弯路和次要任务情况下的驾驶安全性。除了典型的静态视觉测量（例如扫视频率和持续时间）之外，我们还采用了基于马尔可夫的转换算法（转换/平稳概率、熵）来量化驾驶员的动态眼球运动模式。这些算法的评估基于一项实验（Jeong & Liu，2019），该实验涉及多种道路曲率和刺激-反应次要任务类型。在较陡的弯道中，驾驶员更有可能长时间扫描少数感兴趣的区域。在实验中，不太陡的弯道中总的低头扫视时间更长，但从长远来看，较陡的弯道中低头扫视的概率更高。感兴趣区域之间的可靠转换次数因次要任务类型而异。视觉要求不高的任务的视觉扫描模式与视觉要求高的任务一样随机。与典型的静态测量相比，基于马尔可夫的动态眼球运动测量提供了更好的洞察力，可以更好地了解驾驶员的潜在心理过程和扫描策略。所提出的方法和结果可用于车载系统设计和进一步分析交通中的视觉扫描模式
驾驶员的视线行为和扫视模式
在弯路上驾驶时执行次要任务（或与驾驶无关的任务）可能存在风险且不安全。本研究的目的是探索是否可以使用多种眼球运动测量方法来评估弯路和次要任务情况下的驾驶安全性。除了典型的静态视觉测量（例如扫视频率和持续时间）之外，我们还采用了基于马尔可夫的转换算法（转换/平稳概率、熵）来量化驾驶员的动态眼球运动模式。这些算法的评估基于一项实验（Jeong & Liu，2019）的数据，该实验涉及多种道路曲率和刺激-反应次要任务类型。在较陡的弯道中，驾驶员更有可能长时间扫描少数感兴趣的区域。在实验中，不太陡的弯道中总的低头扫视时间更长，但从长远来看，较陡的弯道中低头扫视的概率更高。感兴趣区域之间的可靠转换次数因次要任务类型而异。视觉要求不高的任务的视觉扫描模式与视觉要求高的任务一样随机。与典型的静态测量相比，基于马尔可夫的动态眼球运动测量可以更好地了解驾驶员的潜在心理过程和扫描策略。所提出的方法和结果可用于车载系统设计和进一步分析交通领域的视觉扫描模式。