除了从立体数据生成数字表面模型 (DSM) 之外,从卫星立体影像生成 3D 城市模型的下一个关键步骤是将城市 3D 对象与地面分离。为此,最常用的方法是从 DSM 派生所谓的数字地形模型 (DTM)。理想情况下,DTM 应仅包含城市对象所在的地面。由于从太空只能看到对象的表面,因此必须开发复杂的方法来获取裸露地面的信息。本文介绍并评估了从 DSM 中提取 DTM 的选定方法。通过将这些方法应用于合成生成的 DSM 来进行评估。这些合成 DSM 是地面和置于其上的典型城市对象的组合。DTM 提取方法的应用反过来应该尽可能好地恢复原始地面模型。此外,获得的 DTM 和城市物体轮廓的总和应该重建原始 DSM。城市物体的轮廓通常被称为归一化数字高程模型 (nDEM)。但一般来说,DSM = DTM + nDEM 方程并不总是有效的——尤其是对于位于山坡上的建筑物。如果 nDEM 只是 DSM – DTM 的差值,那么 DTM 中包含的山坡将反映在建筑物的屋顶上。因此,还提出并测试了一种从 DSM 和 DTM 推导 nDEM 的高级方法。
该文件包括五个部分。第一部分为高层管理人员提供了该文件的简明、广泛的概述。第二部分确定了那些管理、监管和运营该行业的人员可以尽最大努力防止 CFIT 的领域。第三部分介绍了 CFIT 的历史,以及致病因素、陷阱和解决方案。本节专门针对运营商端。第四部分提供了特定的学术和模拟器培训计划,旨在告知机组人员在预防 CFIT 方面的责任和义务。附录包括地面简报、视频脚本和飞机特定的 CFIT 逃生动作示例。第五部分包含精选阅读材料,包括最新的 CFIT 事故/事件信息。视频“CFIT:避免遭遇”全面解决了 CFIT 问题。
以下人员阅读并讨论了学生 Micah Sandusky 提交的论文,并评估了他在期末口试中的陈述和对问题的回答。他们发现该学生通过了期末口试。Inanc Senocak,博士。监督委员会主席
现场的“一般后勤人员”使无国界医生能够保持行动敏捷性,这在紧急情况下非常有价值。此外,更专业的后勤人员在特定活动领域(例如生物医学设备的建设、管理、供应等)的专业知识使得在面对苛刻的技术挑战时保证真正的专业精神成为可能。本手册还强调了布鲁塞尔运营中心后勤部门的一般原则,以及与每个干预项目中后勤人员职位相关的角色和职责。在人道主义危机中开展行动往往会导致迷失方向和不稳定。因此,对于后勤人员来说,准确了解对他们的期望就显得尤为重要,尤其是当他们第一次加入无国界医生队伍时。本手册旨在通过处理所谓的基本后勤概念来做到绝对基础,并在可能的情况下适应无国界医生组织最常见的干预环境。它总结了当今布鲁塞尔行动中心实施的人道主义计划中组织后勤的信息。其中一些信息来自无国界医生组织其他部门或其他组织已经制作的现有作品
I. 简介 月球车 (LRV)(更广为人知的名称是阿波罗“小车”)是阿波罗任务期间宇航员使用的探测车,用于支持月球表面探索活动。20 世纪 70 年代初,从阿波罗 15 号到阿波罗 17 号,共使用了三辆 LRV,它们对阿波罗最后几次任务的发现至关重要。宇航员步行只能行进不到一公里的总距离,而到阿波罗任务结束时,在阿波罗 17 号上,他们已经行进了近 36 公里。这三辆车都是非增压的,可容纳两名宇航员。不同版本的 LRV 在设计上几乎相同,只是每次新迭代都会有一些细微的增加。LRV 重约 210 公斤,在月球白天的使用寿命为 78 小时。这三辆 LRV 均由电池供电,不可充电。它们是根据美国宇航局与波音公司和德尔科公司签订的合同建造的,德尔科公司是波音公司的分包商 1 。
Bertram F. Malle和Philip Robbins“道德心理学”一词通常在至少两种不同的感觉中使用。在哲学史上,道德心理学是指道德哲学的一个分支,该分支解决了关于道德心理基础的概念和理论问题,通常是从规范角度来看(但并非总是)(Tiberius,2015)。在心理学,人类学,社会学和相邻领域的实证研究中,道德心理学研究了为道德判断和决策做出提供的认知,社会和文化机制,包括情感,规范和价值观,以及对道德基础的生物学和进化贡献。自2010年以来,学术期刊中有6,000篇文章从描述性经验的角度研究了道德的性质,这是当前手册强调的观点。然而,我们在本卷中的总体目标是将道德心理学的哲学和心理观点带入更紧密的接触,同时将对经验科学的承诺作为证据的基础。朝着这一目标努力,我们试图提出大量的问题和方法,但自然而然地,我们无法涵盖所有主题,问题和立场。我们为本引言后期省略的主题提供了一些指导,我们希望读者能够迈出第一步。
序言和致谢 指南和标准的目的和内容 致谢 1.0 介绍 1.1 历史回顾 1.2 地形测绘和地表地质测绘:定义和比较 2.0 不列颠哥伦比亚省地形和地表地质图的来源 2.1 介绍 2.2 机构 2.3 现行测绘计划 2.3 地形测绘人员和地形测绘资质 3.0 地形图的使用 3.1 现有地图用户 4.0 基本地形图 4.1 地形多边形的定义 4.2 划定地形多边形 4.3 多边形边界线 4.4 地形符号:字母符号 4.5 现场符号 4.6 地图比例尺和地形勘测强度等级(TSIL) 5.0 方法论 I:启动项目 5.1 确定项目目标 5.2 选择地图比例尺和调查强度等级 5.3 选择航空照片 5.4 回顾先前的工作,包括先前的测绘 6.0 方法论 II:航空照片解释 7.0 方法论 III:实地工作 7.1 目标 7.2 实地工作所需时间 7.3 初始程序 7.4 观测地点 7.5 实地检查方法 7.6 收集的数据和数据表格 7.7 数据模型 7.8 样本收集和实验室分析 7.9 收集基岩数据 7.10 晚间活动 8.0 方法论 IV:编制地形图 8.1 确定航空照片上的地形信息 8.2 将地形数据传输到底图或其他介质上 8.3 准备地图图例 8.4 附加信息
地形分类在各个领域之间都是关键的,尤其是机器人技术,自动驾驶汽车和军事行动,在这种情况下,有效的导航依赖于了解各种景观。利用传感器数据,相机数据和声学信息,地形分类使机器能够辨别地形特征对于知情决策至关重要。本研究的重点是利用深度学习技术来准确地对地形进行分类,并在军事应用和决策中的潜在应用。本文深入研究地形分类方法,利用传输学习模型和视觉变压器通过预处理技术增强。通过利用深度学习算法和传感器数据分析,这些模型区分了地形特征,例如斜坡,植被和障碍,增强了自主系统的导航和情境意识。
摘要 - 大多数传统的轮式机器人只能在平坦的环境中移动,而只需将其平面工作区分为自由空间和障碍即可。将障碍物视为不可超越的障碍,可以显着限制机器人在现实世界中的移动性,极为坚固的越野环境,其中一部分地形(例如,不规则的巨石和倒下的树木)将被视为不可避免的障碍物。与传统的轮式机器人相比,我们在那些具有垂直具有挑战性的地形的环境中改善了车轮动员。我们收集了轮式机器人的数据集,这些机器人在以前的不可传输的,垂直挑战性的地形上爬行,以促进数据驱动的移动性;我们还提出了算法及其实验结果,以表明传统的轮子机器人以前具有在垂直挑战性的地形上移动的不真实潜力。我们公开使用平台,数据集和算法,以促进对车轮移动性的未来研究。1
该文件包括五个部分。第一部分为高层管理人员提供了该文件的简明扼要的概述。第二部分确定了那些管理、监管和运营该行业的人员可以尽力预防 CFIT 的领域。第三部分介绍了 CFIT 的历史,以及致病因素、陷阱和解决方案。本节专门针对运营商。第四部分提供了特定的学术和模拟器培训计划,旨在告知机组人员在预防 CFIT 方面的责任和义务。附录包括地面简报、视频脚本和飞机特定的 CFIT 逃生动作示例。第五部分包含精选阅读材料,包括最新的 CFIT 事故/事件信息。视频“CFIT:避免遭遇”全面介绍了 CFIT 问题。