XiaoMi-AI文件搜索系统
World File Search System估计误差
统计调查标准和指南 | SAMHSA
统计调查标准列表 第 1 部分 概念、方法和设计的制定 调查规划标准 1.1： 发起新调查或对现有调查进行重大修订的机构必须制定书面计划，阐明理由，包括：目标和目的；潜在用户；调查旨在告知的决策；关键的调查估计值；估计值所需的精度（例如，需要检测的差异大小）；为决策和其他用途提供信息的制表和分析结果；相关和以前的调查；为防止与其他信息来源不必要重复而采取的措施；用户何时以及多久需要一次数据；以及制表、机密微观数据和公共使用数据文件中所需的详细程度。调查设计标准 1.2：机构必须制定调查设计，包括确定目标人群、设计抽样计划、指定数据收集工具和方法、制定切合实际的时间表和成本估算，以及使用普遍接受的统计方法（例如，可以提供抽样误差估计的概率方法）选择样本。任何非概率抽样方法（例如，截止或基于模型的样本）的使用都必须经过统计证明，并且能够测量估计误差。样本的大小和设计必须反映制表和其他数据产品所需的详细程度，以及关键估计所需的精度。这些活动和由此做出的决定的记录都必须保留在项目文件中以供记录使用（参见标准 7.3 和 7.4）。调查回复率标准 1.3：机构必须设计调查，以实现最高的实际回复率，与调查用途的重要性、受访者负担和数据收集成本相称，以确保调查结果代表目标人群，以便可以放心地用于决策。当单位或项目回复率或其他因素表明可能出现偏差时，必须进行无响应偏差分析。预测试调查系统标准 1.4：机构必须确保调查的所有组成部分在全面调查中实施时按预期运行，并通过对调查组成部分进行预测试或在之前的场合成功部署调查组成部分来控制测量误差。第 2 部分 数据收集 开发抽样框架标准 2.1：机构必须确保计划的抽样调查或人口普查的框架适合研究设计，并根据目标人群进行质量评估。
正射影像调查的区域航空图像能否生成高质量的摄影测量冠层高度模型？西欧的单树方法
需要森林监测工具来促进有效的、数据驱动的森林管理和森林政策。遥感技术可以提高森林监测的速度和成本效益，以及大规模森林属性制图（墙到墙方法）。数字航空摄影测量 (DAP) 是一种常见的、具有成本效益的机载激光扫描 (ALS) 替代方案，它可以基于常规获取的用于一般基础地图的航空照片。基于此类预先存在的数据集的 DAP 可以成为具有成本效益的大规模 3D 数据源。在森林特征描述方面，当有高质量的数字地形模型 (DTM) 时，DAP 可以生成描述树冠高度的摄影测量冠层高度模型 (pCHM)。虽然这种潜力似乎非常明显，但很少有研究调查过基于标准官方航空调查获得的航空立体图像的区域 pCHM 质量。我们的研究建议使用参考测量的树高数据库，根据按照此类协议获取的原始图像评估 pCHM 单个树高估计的质量。为了进一步确保该方法的可复制性，pCHM 树高估计基准仅依赖于公共森林清单 (FI) 信息，而摄影测量协议则基于低成本且广泛使用的摄影测量软件。此外，我们的研究调查了基于 FI 程序提供的邻近森林参数的 pCHM 树高估计之间的关系。我们的结果强调了使用 DAP 的 pCHM 提供的树高估计与现场测量和 ALS 树高数据具有良好的一致性。在树高建模方面，我们的 pCHM 方法与应用于 ALS 树高估计的相同建模策略得到的结果相似。我们的研究还确定了 pCHM 树高估计误差的一些驱动因素，并发现树木大小（胸高直径）和树木类型（常绿/落叶）等森林参数以及地形地貌（坡度）比图像调查参数（如重叠变化或数据集中的日照条件）更重要。结合 pCHM 树高估计，地形坡度、胸高直径 (DBH) 和常绿因子用于拟合预测实地测量树高的多元模型。文献中很少涉及这些方面，进一步的研究应侧重于如何将 pCHM 方法整合起来，以改进使用 DAP 和 pCHM 的森林表征。在 r²（0.90 VS 0.87）和均方根误差（RMSE，1.78 VS 2.01 m）方面，该模型比将 pCHM 估计值与实地树高估计值联系起来的模型表现出更好的性能。我们的有希望的结果可用于鼓励使用区域航空正射影像调查档案以非常低的额外成本生成大规模优质树高数据，特别是在更新国家森林资源清查计划的背景下。
来自正射影像调查的区域航空图像能否产生高质量的摄影测量冠层高度模型？西欧的单树方法
需要森林监测工具来促进有效的、数据驱动的森林管理和森林政策。遥感技术可以提高森林监测的速度和成本效益，以及大规模森林属性制图（墙到墙方法）。数字航空摄影测量 (DAP) 是一种常见的、具有成本效益的机载激光扫描 (ALS) 替代方案，它可以基于常规获取的用于一般基础地图的航空照片。基于此类预先存在的数据集的 DAP 可以成为具有成本效益的大规模 3D 数据源。在森林特征描述方面，当有高质量的数字地形模型 (DTM) 时，DAP 可以生成描述树冠高度的摄影测量冠层高度模型 (pCHM)。虽然这种潜力似乎非常明显，但很少有研究调查过基于标准官方航空调查获得的航空立体图像的区域 pCHM 质量。我们的研究建议使用参考测量的树高数据库，根据按照此类协议获取的原始图像评估 pCHM 单个树高估计的质量。为了进一步确保该方法的可复制性，pCHM 树高估计基准仅依赖于公共森林清单 (FI) 信息，而摄影测量协议则基于低成本且广泛使用的摄影测量软件。此外，我们的研究调查了基于 FI 程序提供的邻近森林参数的 pCHM 树高估计之间的关系。我们的结果强调了使用 DAP 的 pCHM 提供的树高估计与现场测量和 ALS 树高数据具有良好的一致性。在树高建模方面，我们的 pCHM 方法与应用于 ALS 树高估计的相同建模策略得到的结果相似。我们的研究还确定了 pCHM 树高估计误差的一些驱动因素，并发现树木大小（胸高直径）和树木类型（常绿/落叶）等森林参数以及地形地貌（坡度）比图像调查参数（如重叠变化或数据集中的日照条件）更重要。结合 pCHM 树高估计，地形坡度、胸高直径 (DBH) 和常绿因子用于拟合预测实地测量树高的多元模型。文献中很少涉及这些方面，进一步的研究应侧重于如何将 pCHM 方法整合起来，以改进使用 DAP 和 pCHM 的森林表征。该模型在 r²（0.90 VS 0.87）和均方根误差（RMSE，1.78 VS 2.01 m）方面比将 pCHM 估计值与实地树高估计值联系起来的模型表现出更好的性能。我们的有希望的结果可用于鼓励使用区域航空正射影像调查档案以非常低的额外成本生成大规模优质树高数据，特别是在更新国家森林资源清查计划的背景下。
![初步沟通 基于人工智能的车载自动列车障碍物距离估计 Ivan ĆIRIĆ*、Milan PAVLOVIĆ、Milan BANIĆ、Miloš SIMONOVIĆ、Vlastimir NIKOLIĆ 摘要：本文提出了一种新方法，利用图像平面单应性矩阵来改进对摄像机和成像物体之间距离的估计。该方法利用两个平面（图像平面和铁轨平面）之间的单应性矩阵和一个人工神经网络，可根据收集的实验数据减少估计误差。SMART 多传感器车载障碍物检测系统有 3 个视觉传感器——一个 RGB 摄像机、一个热成像摄像机和一个夜视摄像机，以实现更高的可靠性和稳健性。虽然本文提出的方法适用于每个视觉传感器，但所提出的方法是在热成像摄像机和能见度受损场景下进行测试的。估计距离的验证是根据从摄像机支架到实验中涉及的物体（人）的实际测量距离进行的。距离估计的最大误差为 2%，并且所提出的 AI 系统可以在能见度受损的情况下提供可靠的距离估计。 关键词：人工神经网络；自动列车运行；距离估计；单应性；图像处理；机器视觉 1 简介 通过遵循自动化趋势，可以大大提高铁路货运的质量和成本竞争力，以实现经济高效、灵活和有吸引力的服务。今天，自动化和自主操作已经在公路、航空和海运中变得普遍。现代港口拥有自动导引车 (AGV)，可将集装箱从起重机运送到轨道旁、仓库、配送中心，而自动驾驶仪是航空公司和大型货船的标准配置，不需要大量机上人员。自动驾驶汽车和卡车的发展已经进入了一个严肃的阶段。此外，轨道交通自主系统的发展主要出现在公共交通服务领域（无人驾驶地铁线路、轻轨交通 (LRT)、旅客捷运系统和自动引导交通 (AGT)）。基本思想是使用一定程度的自动化，将操作任务从驾驶员转移到列车控制系统（例如 ERTMS）。根据国际电工委员会 (IEC) 标准 62290-1，列车自主运行 (ATO) 是高度自动化系统的一部分，减少了驾驶员的监督 [1]。对于完全自主的列车运行，列车操作员的所有活动和职责都需要由多个系统接管，这些系统可以感知环境并俯瞰现场，检测列车路径上的潜在危险物体并做出相应的正确反应 [2-6]。障碍物检测系统作为 ATO 系统的主要部分，障碍物检测系统需要根据货运特定和一般用例（例如 EN62267 和/或自动化领域的相关项目）来监控环境。为了满足严格的铁路标准和法规，障碍物检测系统 (ODS) 应在具有挑战性的环境和恶劣的能见度条件下工作。ODS 是一种具有硬件和软件解决方案的机器视觉系统（图 1），用于提供有关铁路上和/或其附近障碍物的可靠信息，并估算从系统到检测到的障碍物的距离 [7]。该系统需要实时运行，并在不同的光照条件下运行（白天、](/simg/4\4b79ebb2e692147077c5f05290fe6b1288b2aad1.png)
初步沟通 基于人工智能的车载自动列车障碍物距离估计 Ivan ĆIRIĆ*、Milan PAVLOVIĆ、Milan BANIĆ、Miloš SIMONOVIĆ、Vlastimir NIKOLIĆ 摘要：本文提出了一种新方法，利用图像平面单应性矩阵来改进对摄像机和成像物体之间距离的估计。该方法利用两个平面（图像平面和铁轨平面）之间的单应性矩阵和一个人工神经网络，可根据收集的实验数据减少估计误差。SMART 多传感器车载障碍物检测系统有 3 个视觉传感器——一个 RGB 摄像机、一个热成像摄像机和一个夜视摄像机，以实现更高的可靠性和稳健性。虽然本文提出的方法适用于每个视觉传感器，但所提出的方法是在热成像摄像机和能见度受损场景下进行测试的。估计距离的验证是根据从摄像机支架到实验中涉及的物体（人）的实际测量距离进行的。距离估计的最大误差为 2%，并且所提出的 AI 系统可以在能见度受损的情况下提供可靠的距离估计。 关键词：人工神经网络；自动列车运行；距离估计；单应性；图像处理；机器视觉 1 简介 通过遵循自动化趋势，可以大大提高铁路货运的质量和成本竞争力，以实现经济高效、灵活和有吸引力的服务。今天，自动化和自主操作已经在公路、航空和海运中变得普遍。现代港口拥有自动导引车 (AGV)，可将集装箱从起重机运送到轨道旁、仓库、配送中心，而自动驾驶仪是航空公司和大型货船的标准配置，不需要大量机上人员。自动驾驶汽车和卡车的发展已经进入了一个严肃的阶段。此外，轨道交通自主系统的发展主要出现在公共交通服务领域（无人驾驶地铁线路、轻轨交通 (LRT)、旅客捷运系统和自动引导交通 (AGT)）。基本思想是使用一定程度的自动化，将操作任务从驾驶员转移到列车控制系统（例如 ERTMS）。根据国际电工委员会 (IEC) 标准 62290-1，列车自主运行 (ATO) 是高度自动化系统的一部分，减少了驾驶员的监督 [1]。对于完全自主的列车运行，列车操作员的所有活动和职责都需要由多个系统接管，这些系统可以感知环境并俯瞰现场，检测列车路径上的潜在危险物体并做出相应的正确反应 [2-6]。障碍物检测系统作为 ATO 系统的主要部分，障碍物检测系统需要根据货运特定和一般用例（例如 EN62267 和/或自动化领域的相关项目）来监控环境。为了满足严格的铁路标准和法规，障碍物检测系统 (ODS) 应在具有挑战性的环境和恶劣的能见度条件下工作。ODS 是一种具有硬件和软件解决方案的机器视觉系统（图 1），用于提供有关铁路上和/或其附近障碍物的可靠信息，并估算从系统到检测到的障碍物的距离 [7]。该系统需要实时运行，并在不同的光照条件下运行（白天、
初步沟通 基于人工智能的车载自动列车障碍物距离估计 Ivan ĆIRIĆ*、Milan PAVLOVIĆ、Milan BANIĆ、Miloš SIMONOVIĆ、Vlastimir NIKOLIĆ 摘要：本文提出了一种新方法，利用图像平面单应性矩阵来改进对摄像机和成像物体之间距离的估计。该方法利用两个平面（图像平面和铁轨平面）之间的单应性矩阵和一个人工神经网络，可根据收集的实验数据减少估计误差。SMART 多传感器车载障碍物检测系统有 3 个视觉传感器——一个 RGB 摄像机、一个热成像摄像机和一个夜视摄像机，以实现更高的可靠性和稳健性。虽然本文提出的方法适用于每个视觉传感器，但所提出的方法是在热成像摄像机和能见度受损场景下进行测试的。估计距离的验证是根据从摄像机支架到实验中涉及的物体（人）的实际测量距离进行的。距离估计的最大误差为 2%，并且所提出的 AI 系统可以在能见度受损的情况下提供可靠的距离估计。 关键词：人工神经网络；自动列车运行；距离估计；单应性；图像处理；机器视觉 1 简介 通过遵循自动化趋势，可以大大提高铁路货运的质量和成本竞争力，以实现经济高效、灵活和有吸引力的服务。今天，自动化和自主操作已经在公路、航空和海运中变得普遍。现代港口拥有自动导引车 (AGV)，可将集装箱从起重机运送到轨道旁、仓库、配送中心，而自动驾驶仪是航空公司和大型货船的标准配置，不需要大量机上人员。自动驾驶汽车和卡车的发展已经进入了一个严肃的阶段。此外，轨道交通自主系统的发展主要出现在公共交通服务领域（无人驾驶地铁线路、轻轨交通 (LRT)、旅客捷运系统和自动引导交通 (AGT)）。基本思想是使用一定程度的自动化，将操作任务从驾驶员转移到列车控制系统（例如 ERTMS）。根据国际电工委员会 (IEC) 标准 62290-1，列车自主运行 (ATO) 是高度自动化系统的一部分，减少了驾驶员的监督 [1]。对于完全自主的列车运行，列车操作员的所有活动和职责都需要由多个系统接管，这些系统可以感知环境并俯瞰现场，检测列车路径上的潜在危险物体并做出相应的正确反应 [2-6]。障碍物检测系统作为 ATO 系统的主要部分，障碍物检测系统需要根据货运特定和一般用例（例如 EN62267 和/或自动化领域的相关项目）来监控环境。为了满足严格的铁路标准和法规，障碍物检测系统 (ODS) 应在具有挑战性的环境和恶劣的能见度条件下工作。ODS 是一种具有硬件和软件解决方案的机器视觉系统（图 1），用于提供有关铁路上和/或其附近障碍物的可靠信息，并估算从系统到检测到的障碍物的距离 [7]。该系统需要实时运行，并在不同的光照条件下运行（白天、