角度同步问题旨在从 m 个噪声测量偏移量 θ i ´ θ j mod 2 π 中准确估计(直到恒定的加性相位)一组未知角度 θ 1 , ... , θ n P r 0 , 2 π q 。例如,应用包括传感器网络定位、相位检索和分布式时钟同步。将该问题扩展到异构设置(称为 k 同步)是同时估计 k 组角度,给定每组的噪声观测(组分配未知)。现有的角度同步方法通常在高噪声环境中表现不佳,这在应用中很常见。在本文中,我们利用神经网络解决角度同步问题及其异构扩展,提出了 GNNS YNC,这是一个使用有向图神经网络的理论性端到端可训练框架。此外,还设计了新的损失函数来编码同步目标。在大量数据集上的实验结果表明,GNNSync 在角度同步问题及其扩展的一组全面基线中获得了具有竞争力的、通常更优异的性能,证明了 GNNSync 即使在高噪声水平下也具有鲁棒性。1 引言近年来,组同步问题作为许多计算问题的关键构建块受到了广泛关注。组同步旨在估计一组组元素,给定它们的成对比率 Υ i,j “ gig ´ 1 j 的一小部分潜在噪声测量值。一些应用包括‚在 3D 旋转的群 SO(3) 上:3D 计算机视觉中的旋转平均(Arrigoni & Fusiello,2020;Janco & Bendory,2022)和结构生物学中的分子问题(Cucuringu et al.,2012b); ‚ 在整数 t 0 , 1 , 2 , 3 u 的群 Z 4 上,以模 4 加法作为群运算:解决拼图游戏 (Huroyan et al., 2020);‚ 在群 Z n ,分别为 SO(2) 上:从成对比较中恢复全局排名 (He et al., 2022a; Cucuringu, 2016),以及,‚ 在刚体运动的欧几里得群 Euc p 2 q “ Z 2 ˆ SO(2) ˆ R 2 上:传感器网络定位 (Cucuringu et al., 2012a)。
耶鲁大学,加利福尼亚大学,戴维斯大学和联合成像医疗保健的合作成功地开发了神经脱落者,这是一家专门的人脑宠物成像仪,具有高空间分辨率,高灵敏度和内置的3维相机,用于无标记的无效运动跟踪。它具有较高的相互作用和交流时间的分辨率,以及52.4厘米的横向视野(FOV)和扩展的轴向FOV(49.5厘米),以增强灵敏度。在这里,我们介绍了神经解释器的身体表征,性能评估和第一个人类图像。方法:对空间分辨率,灵敏度,计数率性能,能量和时序的测量以及图像质量进行了遵守国家电子制造商协会(NEMA)NU 2-2018标准。通过对Hoffman 3维脑幻影和迷你Derenzo phanmom的成像研究来证明该系统的性能。提出了来自健康志愿者的最初18个F-FDG图像。结果:通过过滤后的反射重建,径向和tan量的空间分辨率(最大宽度为一半)平均为1.64、2.06和2.51mm,轴向分辨率为2.73、2.89,2.89和2.93 mm的径向偏移量为1、10和20cm,相应的距离。平均交流分辨率为236 PS,能量分辨率为10.5%。NEMA敏感性分别为46.0和47.6 kCPS/MBQ,分别为10 cm偏移。在FOV中心达到了11.8%的敏感性。在58.0 kBQ/mL时,峰值噪声等效率为1.31 mcps,在5.3 kbq/mL时的散射分数为36.5%。峰值噪声当量计数率在峰值等效率下的最大计数率少于5%。在3次迭代时,NEMA图像质量对比度恢复系数从74.5%(10毫米球)到92.6%(37毫米球)不等,背景可变性在4.0:1的对比度为3.1%至1.4%。一个例子人脑18 F-FDG图像表现出很高的分辨率,在皮质和皮层结构中捕获了复杂的细节。结论:神经塑料提供了高灵敏度和高空间分辨率。具有长的轴向长度,它还可以实现高质量的脊髓成像和颈动脉的图像衍生的输入功能。这些绩效增强能力将大大扩大人脑宠物范式,方案的范围,从而扩大临床研究应用。
本报告总结了 1999 年至 2003 年期间,俄亥俄州立大学土木与环境工程和大地测量科学系 (CEEGS) 的空间大地测量和遥感研究实验室在五大湖开展的三次全球定位系统 (GPS) 浮标活动。本报告重点介绍了过去这些活动中 GPS 浮标操作的现场工作流程,旨在为将来的类似应用提供经验。本报告中的活动包括 1999 年在密歇根湖的荷兰活动、2001 年在伊利湖的马布尔黑德活动以及 2003 年在伊利湖的克利夫兰活动。这些活动的主要目标是利用 GPS 浮标和美国国家海洋和大气管理局 (NOAA) 业务海洋产品和服务中心 (CO-OPS) 提供的现有潮汐仪为多个卫星高度计建立校准站。这些活动为雷达高度计绝对校准、五大湖安全航行的建立以及在空间信息数据库中开发用于沿海管理和决策的综合海岸线信息等应用提供了有用的信息。由于本报告主要关注现场工作程序,因此仅介绍有限的结果。本报告引用了使用这些活动的数据发布的校准结果。一般而言,GPS 浮标的定义是将 GPS 设备放置在漂浮物体上,包括不同类型的浮标,甚至可以是移动的船只。GPS 浮标的使用对于海洋应用而言是一种相对较新的技术,其设计和操作因应用而异。例如,其平台范围从小型救生浮标到自主加固型浮标。但是,本报告仅强调了 OSU 乘波 GPS 浮标,这是这些活动中使用的救生浮标。OSU 乘波 GPS 浮标的设计相当简单:它是通过将带有扼流圈天线的 Dorne/Margolin 元件连接到覆盖有透明雷达罩的 2 英尺(直径)救生浮标顶部而构建的。浮标被拴在船上,接收器、电源和操作员都住在船上。在浮标的四面都做了标记,并在实验室中仔细测量它们与天线参考点 (ARP) 的偏移量。操作员需要根据这些标记观察水面,以便准确地将 ARP 指向水面。实地工作结束后,浮标数据使用差分 GPS (DGPS) 在动态模式下进行后处理。活动相关文件,包括国家大地测量局 (NGS) 数据表、GPS 站观测日志、能见度障碍图、活动提案和实地工作日志,附于附录中。
在采伐和道路设计中使用激光雷达地形测量的诱惑和陷阱 Finn Krogstad 和 Peter Schiess 论文发表于 2004 年 6 月 13-16 日在不列颠哥伦比亚省温哥华举行的 IUFRO 3.06 山地森林作业联合会议和第 12 届国际山地伐木会议摘要机载激光测高 (Lidar) 可以生成极其详细和准确的地形图,即使在被森林冠层遮挡的地面上也是如此。详细的激光雷达地形图可以识别可能的着陆地点、难以穿越的溪流、不稳定的土壤、难以穿越的边坡和有用的长凳。这些细节可以减少现场时间,指导道路设计选择更好的方案,并提高我们对成本估算的信心。然而,激光雷达测绘偶尔也会失败,这些失败的表现方式将决定激光雷达的可靠性和对道路设计的价值。我们讨论了首次使用激光雷达对雷尼尔山南部的塔霍玛州立森林进行测绘的经验。这种详细的地形测绘被用于森林作业设计,例如着陆点和道路位置,作为基于流域的采伐和运输计划的一部分。随后对基于激光雷达的办公室设计进行了实地验证。这种 DEM 在森林工程设计中取得成功的关键在于能够(或缺乏)区分地面点覆盖充足或边缘的区域,从而导致测绘细节优秀或错误。我们讨论了各种方法,这些方法可以识别激光雷达地面点覆盖边缘的区域,从而形成测绘承包商应遵守的第一组激光雷达数据收集要求。看到树冠下的情况木材采伐和道路规划中反复出现的一个问题是,用于采伐的树木可能会遮挡必须堆放原木和修建道路的地面。规划中常用的地形图基于航空照片,其中我们现在想要采伐的林分遮挡了我们必须规划的地面。因此,得到的地形图是顶部树冠的地图,带有假定树高的偏移量。不幸的是,树冠并不完全贴合地面,在采伐和道路规划中至关重要的细微地形变化并没有反映在最终的树冠顶部。地形通常包括土壤不稳定、岩石露头和不平坦的地形,这些可能会给采伐和道路带来困难。树冠还会遮挡可以作为方便着陆和道路位置的天然土丘和长凳。因此,这些地形图只能作为设计的一般指南,操作的关键要素需要基于现场验证。机载激光地形扫描 (Lidar) 的最新发展使得即使在森林树冠下也可以进行详细的地形测绘。激光雷达的工作原理是拍摄数百万
在采伐和道路设计中使用激光雷达地形测量的诱惑和陷阱 Finn Krogstad 和 Peter Schiess 论文发表于 2004 年 6 月 13-16 日在不列颠哥伦比亚省温哥华举行的 IUFRO 3.06 山地森林作业联合会议和第 12 届国际山地伐木会议摘要机载激光测高 (Lidar) 可以生成极其详细和准确的地形图,即使在被森林冠层遮挡的地面上也是如此。详细的激光雷达地形图可以识别可能的着陆地点、难以穿越的溪流、不稳定的土壤、难以穿越的边坡和有用的长凳。这些细节可以减少现场时间,指导道路设计选择更好的方案,并提高我们对成本估算的信心。然而,激光雷达测绘偶尔也会失败,这些失败的表现方式将决定激光雷达的可靠性和对道路设计的价值。我们讨论了首次使用激光雷达对雷尼尔山南部的塔霍玛州立森林进行测绘的经验。这种详细的地形测绘被用于森林作业设计,例如着陆点和道路位置,作为基于流域的采伐和运输计划的一部分。随后对基于激光雷达的办公室设计进行了实地验证。这种 DEM 在森林工程设计中取得成功的关键在于能够(或缺乏)区分地面点覆盖充足或边缘的区域,从而导致测绘细节优秀或错误。我们讨论了各种方法,这些方法可以识别激光雷达地面点覆盖边缘的区域,从而形成测绘承包商应遵守的第一组激光雷达数据收集要求。看到树冠下的情况木材采伐和道路规划中反复出现的一个问题是,用于采伐的树木可能会遮挡必须堆放原木和修建道路的地面。规划中常用的地形图基于航空照片,其中我们现在想要采伐的林分遮挡了我们必须规划的地面。因此,得到的地形图是顶部树冠的地图,带有假定树高的偏移量。不幸的是,树冠并不完全贴合地面,在采伐和道路规划中至关重要的细微地形变化并没有反映在最终的树冠顶部。地形通常包括土壤不稳定、岩石露头和不平坦的地形,这些可能会给采伐和道路带来困难。树冠还会遮挡可以作为方便着陆和道路位置的天然土丘和长凳。因此,这些地形图只能作为设计的一般指南,操作的关键要素需要基于现场验证。机载激光地形扫描 (Lidar) 的最新发展使得即使在森林树冠下也可以进行详细的地形测绘。激光雷达的工作原理是拍摄数百万
关键词:倾斜影像、相机校准、3D 城市模型、多传感器、视轴校准 摘要:除了创建虚拟动画 3D 城市模型、国土安全和城市规划分析外,准确确定倾斜影像中的几何特征也是当今的一项重要任务。由于单幅图像数量巨大,控制点的减少迫使人们使用直接参考设备。这需要精确的相机校准和额外的调整程序。本文旨在展示各种校准步骤的工作流程,并将展示使用最终 3D 城市模型进行校准飞行的示例。与大多数其他软件不同,倾斜相机不是作为与天底传感器共同配准的传感器使用,所有相机图像都作为单个预定向数据进入 AT 过程。这样可以实现更好的后校准,以便检测单个相机校准中的变化和其他机械效应。所示的传感器(倾斜成像仪)基于 5 台 Phase One 相机,其中天底相机配备 50 毫米镜头,像素为 80 MPIX,而倾斜相机使用 80 毫米镜头以 50 MPix 捕捉图像。相机牢固地安装在外壳内,以防止物理和热变形。传感器头还承载着一个连接到 POS AV GNSS 接收器的 IMU。传感器由陀螺仪支架稳定,陀螺仪支架可产生浮动天线 -IMU 杠杆臂。它们必须与原始 GNSS-IMU 数据一起注册。相机校准程序基于一次特殊校准飞行执行,共拍摄了 5 台相机的 351 张照片并记录了 GPS/IMU 数据。这项特定任务设计在两个不同的高度,每个飞行高度都有额外的十字线。每个曝光位置的五张图像没有重叠,但在区块中有很多重叠,导致每个点的测量次数高达 200 次。每张照片上平均有 110 个分布均匀的测量点,这对于相机校准来说是一个令人满意的数字。第一步,借助天底相机和 GPS/IMU 数据,计算出初始方向校正和径向校正。通过这种方法,整个项目只需一步即可计算和校准。在迭代过程中,分别打开摄像头的径向和切向参数,然后检查相机常数和主点位置并最终进行校准。除此之外,孔侧校准既可以基于天底相机及其偏移量进行,也可以独立于每个相机进行,与其他相机无关。无论如何,这必须在完整的任务中执行,以获得单个摄像头之间的稳定性。确定节点到 IMU 中心的杠杆臂需要比单个相机更加谨慎,特别是由于倾斜角度较大。准备好所有这些步骤后,您将获得一个高精度传感器,该传感器能够完全自动提取数据,并快速更新现有数据。然后可以在完全 3D 环境中频繁监测城市动态。
在当今的应用程序中,使用信息安全策略来获取安全的通信系统变得越来越重要。在我们几乎所有的日常互动中,安全都是必须的,尤其是在涉及敏感信息的情况下。加密算法,例如DES,两条鱼等,可以使用更多的信息来保护信息。由于它提供了高度的安全性并且易于实现,因此自2001年以来,先进的加密标准(AES)算法FIPS-197一直使用。先前建议使用各种位尺寸的AES硬件实现,并针对128-,192-,192-和256位列表标准键尺寸进行了测试。但是,有一些AES实现。这些不同的AES实现支持不同的应用程序需要不同应用程序对同一算法的不同实现。尽管某些应用程序具有严格的区域要求,并且实施紧凑的AE将对提供安全性非常有帮助,就像在某些嵌入式系统案例中一样,其他高度要求最高的安全性,而无需时间或空间约束。系统需要具有所需的安全性,并且可以通过提高ALGORITHS的参数来实现,并且可以通过提高该级别来实现。AES-512位是AES算法的一种新型变体,在这项工作中介绍了。此外,还显示了AES-512算法的硬件体系结构。此外,还将展示创建新的512位密钥的过程。将新AES算法提供了吞吐量和更大的安全性。与原始的AES-128位相比,这项研究的目的是提供AES-512,当需要更好的安全性和吞吐量时,可以在不扩大总设计区域的情况下使用。新算法的构造与原始AES的结构相似,除非它使用较大的键(512位而不是128位)和宣传。当使用512位输入代替128位时,该算法的整个结构会受到影响,因为稍后将更详细地介绍。具有128位的块大小,对称AES密码方法提供了128位,192位和256位的关键尺寸,分别为10、12或14次迭代弹。每个回合由四个主要操作组成:添加圆形钥匙,混合柱,移动行和替换字节。将AES 128位密钥与目前正在使用的其他对称密码算法进行比较,它被认为是安全的。它在安全性至关重要的许多应用程序中广泛使用。采用较大的钥匙会提高安全性,并且使用的块是原始AES块大小的四倍,从而增加了吞吐量。额外设计空间的要求是AES-512的唯一缺点。建议的AES-512算法中有四个主要的基于字节的修改。第一个修改称为“字节替代”,该修改使用并行S-box替换512位的值。换行行,第二个变换,将输出从上一步的行移动到等于行号的偏移量。将圆形钥匙添加到回合的最终结果中代表了回合的最终转换。第三个变换称为“混合列”,其中前阶段的结果乘以每个列中的不同值。