XiaoMi-AI文件搜索系统
World File Search Systemclouds
基于传感器融合的运动补偿3D激光点云
摘要：本文提出了一种使用全球定位系统（GPS）和惯性测量单元（IMU）数据的传感器融合来补偿运动引起的3D激光点云数据中失真的方法。通过旋转镜子扫描环境的LIDAR传感器通常假设一个静态视图。但是，自我车辆的运动引入了假定和实际观点之间的差异，从而导致点云数据扭曲。为了解决这个问题，我们的方法融合了从IMU的高频运动动力学的GP的准确定位数据，以估算车辆的探射仪。此数据在东北方（ENU）坐标框架中对齐，并用于在每次激光扫描期间插入车辆的运动。然后根据插值探子仪调整点云中的每个点以纠正变形。利用来自GPS，IMU，相机和LIDAR传感器记录的Udacitic®数据，我们的方法有效地重建了周围环境的准确表示。此过程对于诸如自主驾驶和环境建模等应用程序至关重要，而在此过程中，精确且可靠的点云数据至关重要。
2022 年第三季度热门趋势 - 展望云端宣传册
近来，世界经历了一些重大冲击，从 COVID-19 到乌克兰战争，所有这些都发生在剧烈的气候变化背景下。这些冲击从根本上改变了我们生活的世界，其影响将持续数十年。COVID-19 危机暴露了全球供应链的脆弱性，改变了工作习惯，并促进了在线经济。俄乌战争表明能源和大宗商品来源过度集中的危险，并加剧了对能源独立性的呼吁。总的来说，这两次冲击将导致世界全球化程度降低，区域化程度提高。最后，可持续发展革命将需要在能源转型方面进行大量投资，并将影响人们的消费内容和方式。碳排放将开始产生成本，这将在未来纳入商品和服务的价格中。
研究人员教神经网络将云和雪添加到图像
这项研究为从气候监测到广泛的地区到环境项目和农业任务提供了更准确的细分机会。例如，该解决方案促进了对森林区域的有效分析，其特征和变化，即使在云云比例很高的北部地区，同时考虑了气候条件对图像的影响。
用于基础架构场景3D点云语义分割的层次SVM
摘要：建筑信息建模（BIM）的结合带来了土木工程的重大进步，增强了项目生命周期的效率和可持续性。激光扫描等高级3D点云技术的利用扩展了BIM的应用，尤其是在操作和维护中，促使探索自动化解决方案以进行劳动密集型点云建模。本文介绍了监督机器学习（特别是支持向量机）的演示，用于分析和分割3D点云，这是3D建模的关键步骤。对点云语义分割工作流进行了广泛的审查，以涵盖关键元素，例如邻域选择，特征提取和特征选择，从而为此过程开发了优化的方法。在每个阶段都实施各种策略，以增强整体工作流程并确保弹性结果。然后使用来自桥梁基础结构场景的不同数据集评估该方法，并将其与最先进的深度学习模型进行了比较。调查结果强调了在精确细分3D点云时监督机器学习技术的有效性，超过了较小的培训数据集的深度学习模型，例如PointNet和PointNet ++。通过实施高级分割技术，要点对点云的3D建模所需的时间有所减少，从而进一步提高了BIM过程的效率和有效性。
云在热木星WASP-43 B
上下文。热木星是潮汐锁定的气态系外行星，表现出巨大的白天温度对比。正如许多观察结果所暗示的那样，他们凉爽的夜晚被认为是托管云。然而，这些云的确切性质，它们的空间分布以及它们对大气动力学，热结构和光谱的影响仍然不清楚。目标。我们研究了WASP-43 B的大气，这是最近与James Webb空间望远镜（JWST）观察到的短期热木星，以了解云对大气循环和热结构的辐射和动态影响。我们旨在了解具有各种尺寸和大气金属性的不同种类的冷凝物的影响。方法。，我们使用了一个3D全球气候模型（GCM），该模型具有新的温度依赖性云模型，其中包括辐射反馈以及水动力整合，以研究WASP-43 b的大气特性。我们从GCM模拟中产生了可观察到的物品，并将它们与光谱相曲线进行了比较，从各种观察结果到对大气特性的限制。结果。我们表明云具有净变暖效果，这意味着由云引起的温室效应比反照率冷却效果强。我们表明，云的辐射效应对黄蜂的动力学和热结构有各种影响。取决于冷凝水的类型及其尺寸，辐射动力反馈将改变水平和垂直温度梯度并降低风速。对于超极性金属气氛，大气中形成的云层较少，导致反馈较弱。与HST，Spitzer和JWST观察到的光谱相曲线的比较表明，Wasp-43 B的夜间夜间浑浊，排除了Sub-Micron Mg 2 Sio 4云颗粒作为主要不透明源。区分多云的太阳能和多云的超极性金属气氛并不简单，需要进一步观察反射的光和热发射。
神经模拟管道：启用基于容器的模拟本地和公共云中的模拟
在这项研究中，我们探讨了计算神经科学中的模拟设置。我们使用Genesis，一种通用模拟引擎，用于亚细胞组件和生化反应，现实的神经元模型，大型神经网络和系统级模型。Genesis支持开发和运行计算机模拟，但留下了一个差距，用于建立当今更大，更复杂的模型。大脑网络现实模型的领域已过度生长了最早模型的简单性。挑战包括管理软件依赖性和各种模型的复杂性，设置模型参数值，将输入参数存储在结果旁边以及提供执行统计信息。此外，在高性能计算（HPC）上下文中，公共云资源正在成为昂贵的本地集群的替代品。我们提出了神经模拟管道（NSP），该管道有助于使用基础架构作为代码（IAC）容器化方法，促进了大规模的计算机模拟及其部署到多个计算基础架构。作者通过定制的视觉系统（称为retnet（8×5,1））使用生物学上可见的霍奇金 - 赫斯利尖刺神经元，证明了NSP在用创世纪编程的模式识别任务中的效果。我们通过在Hasso Plattner Institute（HPI）将来以服务为导向的计算（SOC）实验室以及通过全球最大的公共云服务提供商的Amazon Web Services（AWS）上执行54套本地执行的模拟来评估管道。我们报告了使用Docker的非候选和容器的执行，并在AWS中呈现每个仿真的成本。结果表明，我们的神经模拟管道可以减少神经模拟的进入障碍，从而使它们更实用和成本效率。
多样性对未来大西洋热带的影响...
摘要：冰的形成仍然是气候模型中代表最差的微物理过程之一。虽然已知主要的冰生产（PIP）参数化对建模的云特性具有很大的影响，但次级冰产生（SIP）的表示不完整，因此其相应的影响在很大程度上是毫无疑问的。此外，冰的聚集是总云冰预算的另一个重要过程，这在很大程度上也不受限。在这项研究中，我们使用挪威地球系统模型（Noresm2）研究了PIP，SIP和ICE聚集对北极云的影响。具有预后和诊断PIP的模拟表明，仅异质冻结不能再现观察到的云冰含量。Noresm2中缺失的SIP机制（胶水分解，掉落和升华分解）的实施可改善建模的冰属性，而液体含量中的图案仅在预后PIP的模拟中发生。但是，结果对碰撞分裂的描述很敏感。这种机制在所检查的条件下占主导地位，对升华校正因子的治疗非常敏感，升华校正因子的治疗是一种受使用的参数的约束参数。最后，冰聚集处理的变化也可以显着影响云特性，这主要是由于它们对碰撞分手效率的影响。总体而言，通过添加SIP机制来增强冰产量和冰聚集的减少（与浅北极云的雷达观察一致）导致云层覆盖率和降低TOA辐射偏见，与卫星测量相比，尤其是在寒冷的月份。
PointNeuron：通过点云的几何和拓扑学习进行 3D 神经元重建
从 3D 显微镜图像重建数字神经元是研究大脑连接组学和神经元形态的重要技术。现有的重建框架使用基于卷积的分割网络在应用追踪算法之前将神经元从噪声背景中分割出来。追踪结果对原始图像质量和分割精度很敏感。在本文中，我们提出了一种新的 3D 神经元重建框架。我们的关键思想是利用点云的几何表示能力来更好地探索神经元的内在结构信息。我们提出的框架采用一个图卷积网络来预测神经骨架点，采用另一个图卷积网络来产生这些点的连通性。我们最终通过解释预测的点坐标、半径和连接来生成目标 SWC 文件。在 BigNeuron 项目的 Janelia-Fly 数据集上进行评估，我们表明我们的框架实现了具有竞争力的神经元重建性能。我们对点云的几何和拓扑学习可以进一步有益于 3D 医学图像分析，例如心脏表面重建。我们的代码可在 https://github.com/RunkaiZhao/PointNeuron 上找到。
SANS 2024多云调查：在恒定更改中保护多个云
关键要点：尽管大多数组织都认识到DNS安全在多云环境中的重要性并采用了解决方案，但很大一部分仍然不知道或不相信。这为DNS安全提供者提供了一个很大的机会，可以通过满足不同组织的独特需求来教育潜在客户并扩大其市场份额。
通过图卷积和可逆神经网络对潜在空间中的点云进行去噪
点云经常包含噪声和异常值，为下游应用带来障碍。在本文中，我们介绍了一种新颖的点云去噪方法。通过利用潜在空间，我们明确地发现噪声成分，从而可以提取干净的潜在代码。这反过来又有助于通过逆变换恢复干净点。我们网络中的一个关键组件是一个新的多层图卷积网络，用于捕获从局部到全局各个尺度的丰富几何结构特征。然后将这些特征集成到可逆神经网络中，该网络双射映射潜在空间，以指导噪声解缠结过程。此外，我们使用可逆单调算子来模拟变换过程，有效地增强了集成几何特征的表示。这种增强使我们的网络能够通过将噪声因素和潜在代码中的内在干净点投影到单独的通道上来精确区分它们。定性和定量评估均表明，我们的方法在各种噪声水平下都优于最先进的方法。源代码可在 https://github.com/yanbiao1/PD-LTS 获得。