XiaoMi-AI文件搜索系统
World File Search Systemclouds
使用移动测绘系统根据点云绘制室内步行环境地图
摘要 摘要 步行性是智慧城市规划中需要解决的问题之一。尽管对户外步行行人进行了大量研究，但对室内步行性的研究却很少。最近，大多数行人倾向于使用室内路线而不是室外路线来保护自己免受日晒雨淋，因为大多数室内路线都位于购物中心和轨道交通站等建筑物上。因此，收集室内建筑物中的所有相关信息以解决步行性问题非常重要。GeoSLAM ZEB REVO 扫描仪因其方便进入狭窄空间、繁忙区域和复杂的建筑结构而受到广泛使用。该扫描仪便于携带，操作员可以将其安装在推车上或用背包携带，易于操作。扫描仪捕获建筑物的几何形状和设施并将其呈现为点云的形式。然后可以使用点云分割方法从点云中提取必要的信息。最终用户（例如城市规划师）可以从最终产品中受益，以使用行人友好型工具设计未来的建筑，以鼓励更多人步行。因此，除了减少道路上私家车的使用外，它还通过提供健康的生活方式给社会带来影响。
sfpnet：用于一般激光雷德点云上语义分割的稀疏焦点网络
摘要。尽管LiDAR语义分割迅速发展，但最先进的方法通常融合了源自机械旋转激光雷的基准的专门设计的诱导偏差。这可以将模型的通用性限制在其他类型的LiDAR技术中，并使超参数调整更加复杂。为了解决这些问题，我们提出了一个广义框架，以通过我们稀疏的焦点调制来代替窗户注意力来适应市场中普遍存在的各种各样的发光剂。我们的SFPNET能够阐述多层上下文，并使用栅极机制动态聚集它们。通过实现渠道信息查询，编码包含本地和全局上下文的功能。我们还引入了一种新型的大型混合溶质激光雷达语义segmentation数据集，用于机器人应用。sfpnet表现出对源自机械旋转激光雷达的常规基准测试的竞争性能，同时在从固态激光拉尔的基准上实现最新结果。此外，它在我们的新型数据集中的现有方法胜过来自混合固体激光雷达的新型数据集。代码和数据集可从https://github.com/cavendish518/sfpnet和https://www.semanticindustry.top获得。
大平流层水蒸气的长期气候影响
摘要：已广泛报道说，非沉积云中气雾剂浓度的增加会导致其液态水路的减少。在这里，我们检查了使用大涡模拟和机制抑制测试在亚热带和北极层云中驱动此反应的物理机制。先前已经确定了三个过程，以促进蒸发，沉积和辐射的尺寸依赖性，并且所有作用都可以调节边界层顶部的温暖，干燥空气的夹带率。我们发现，正如预期的那样，液体阻止路径的降低与夹带的增加相关，但是由于云辐射冷却的减少而增加了这种减少。即使在云顶部局部，辐射冷却速率也更强并有助于增强夹带，也可能发生云辐射冷却。我们发现，在这两种情况下，较慢的液滴沉淀都会导致夹带的夹带和液体水减少。更快的蒸发直接由较小，越来越多的液滴降低了液态水路路径，但不一定会增加夹带率。另一方面，直接由较小的液滴引起的更强的辐射云顶冷却会增加夹带，而较慢的沉积物确实会减少液态水路路径。通常，在北极的情况下，云顶部直接或直接增加辐射冷却的过程更为重要，在亚热带情况下，增加蒸发率的过程更为重要。
使用pctma-net
为完成自主导航和完成任务的完成，精确映射和感知三维环境的能力至关重要，这是至关重要的，例如Maddern对自主系统中3D感知的分析[1]和O'Mahony对机器人中3D感知的探索[2]的研究强调了。水下机器人技术也不例外。只有初始条件显着差异，包括失真，可见性降低，声学干扰和与压力相关的挑战。这防止了重建的完美传递，并在完成水下环境中的完成方法进行了完美的转移。声纳图像是强度图，可根据对象的反向散射强度颜色图像[3]。在这里，斑点噪声是一种颗粒状干扰或干扰，通常会影响雷达和声纳系统获得的图像质量。因此，该域中的主要挑战之一是从2D成像来源生成准确的3D模型。这项工作着重于完善和完成不完整和嘈杂的点云，这些云是使用[4]的高程估计方法从2D声纳图像中重建的，该方法通过训练模型来估算高程角度，从而产生了2D声纳图像的3D点云。尽管如此，即使此方法非常有效，结果云仍然需要更准确，以提供自主系统环境的有用表示。为了实现有效的完善和完成点云，我们将PCTMA-NET用于致密点云，
ecloudgen：利用电子云作为潜在变量，以扩展基于结构的分子设计
。CC-BY-NC 4.0国际许可证的永久性。是根据作者/资助者提供的预印本（未经同行评审认证）提供的，他已授予Biorxiv的许可证，以在2024年12月26日发布的此版本中显示此版本的版权持有人。 https://doi.org/10.1101/2024.06.03.597263 doi：Biorxiv Preprint
在浅云中以森林砍伐驱动的增加是最大的，在东南亚的干燥，低气层地区
抽象的人为活动驱动了广泛的热带森林砍伐，特别是在东南亚，在2000年至2020年之间，森林总覆盖量的16％。虽然土地表面变化显着影响大气，但它们对对流云的净影响并没有得到很好的约束。在这里，我们使用卫星数据来证明东南亚的长期森林砍伐可牢固地改变云的性质，并提供了第一个观察性证据，即这种响应的幅度取决于大气环境。砍伐森林在白天向更广泛，较浅的云层转移，与潮湿的沿海地区相比，干燥内陆地区的效果得到了扩增。气溶胶仅弱调节云分数响应，但抵消了云顶对砍伐森林的响应，这表明气溶胶间接影响的影响。我们得出结论，森林损失的局部特征并不统一，在评估对云和气候系统的森林砍伐影响时，必须考虑气候学的区域差异。
云，空气中微生物的绿洲 - 元基因组学/ metatranscriptomics分析云和清晰的大气情况 div
细菌细胞和真菌孢子可以在大气中雾化并悬浮几天，暴露于水的限制，氧化和缺乏营养素。使用比较宏基因组学/metatranscriptomics，我们表明云与20种空气中微生物（包括真菌孢子发芽）的20种代谢功能的激活相关。整个现象反映了通过雨水重新吹干土壤中微生物活性的快速恢复，称为“桦木效应”。云滴中的营养资源不足会导致饥荒，使细胞结构可以减轻。云中微生物的代谢活性恢复可能有利于沉积后的表面侵袭，但在云蒸发后也可能有25次妥协进一步的生存。在任何情况下，云都显示为浮动生物活性水生系统。
地理空间人工智能：机器学习在 3D 点云和地理空间数字孪生中的潜力
摘要 人工智能 (AI) 正在从根本上改变 IT 解决方案在所有应用领域（包括地理空间领域）的实施和运行方式。本文概述了基于 AI 的 3D 点云和地理空间数字孪生技术，作为地理空间 AI 的通用组成部分。首先，我们简要回顾一下“AI”一词，并从软件工程的角度概述将 AI 应用于 IT 解决方案所需的技术发展。接下来，我们将 3D 点云描述为地理数据的关键类别，及其在创建地理空间数字孪生基础中的作用；我们解释了机器学习 (ML) 和深度学习 (DL) 方法对 3D 点云的可行性。具体而言，我们认为 3D 点云可以看作具有与自然语言语料库相似属性的语料库，并为 3D 点云制定了“自然性假设”。在主要部分中，我们介绍了一种基于 ML/DL 方法解释 3D 点云的工作流程，该方法无需创建显式空间 3D 模型或显式规则集即可得出 3D 点云的特定领域和特定应用语义。最后，通过示例展示了 ML/DL 如何使我们能够高效地构建和维护地理空间数字孪生（例如虚拟 3D 城市模型、室内模型或建筑信息模型）的基础数据。
从森林地区的机载激光扫描点云中进行全自动电力线提取
摘要：高压电线可以很容易地利用激光扫描数据进行测绘，因为高压线附近的植被通常会被移除，而且与区域网络和低压网络相比，高压电线位于地面上方。相反，低压电线位于茂密的森林中间，在这样的环境中很难对电线进行分类。本文提出了一种用于森林环境的自动电力线检测方法。我们的方法是基于统计分析和二维图像处理技术开发的。在统计分析过程中，应用一组标准（例如高度标准、密度标准和直方图阈值）来选择电力线候选点。将候选点转换为二值图像后，采用基于图像的处理技术。对象几何特性被视为电力线检测的标准。该方法在来自不同森林环境的六组机载激光扫描 (ALS) 数据中进行。与参考数据相比，93.26% 的电力线点被正确分类。分析并讨论了这些方法的优缺点。
Open3DSG：带有可查询对象和开放式关系的点云的开放式vocabulary 3D场景图
3D场景图预测的当前方法依赖于标记的数据集来训练固定的对象类和关系类别的固定模型。我们提供Open3DSG，这是一种在开放世界中学习3D场景图预测的替代方法，而无需标记的场景图数据。我们将3D场景图预测主链的功能与功能性开放世界2D Vision Language Foundation Models的功能空间相结合。这使我们能够通过从开放的词汇查询对象类，并以零摄像的方式从3D点云中预测3D场景图，并从接地的LLM中预测与场景图fea的接地LLM相对的关系，并查询对象类作为上下文。Open3DSG是第一个3D点云方法，不仅可以预测显式开放式唱机对象类，而且还可以预测不限于预定标签集的开放式关系 - 使得在预测的3D场景图中表达稀有物以及特定的对象和关系。我们的实验表明，Open3DSG可以有效地预测Arbitary对象类别及其复杂的对象间关系，描述了空间，支持性，语义和比较关系。