XiaoMi-AI文件搜索系统
World File Search System感知系统
使用校准环境的感知系统的联合固有和外在校准
摘要 - 基本上所有多传感器系统都必须校准其传感器，以利用其全部潜力进行状态估计，例如映射和本地化。在本文中，我们研究了感知系统的外在和内在校准的问题。传统上，以围板或独特身份标签的形式的目标用于校准这些系统。我们建议将整个校准环境用作支持不同类型传感器的内在和外在校准的目标。这样做，我们能够校准具有不同配置，传感器类型和传感器方式的多个感知系统。我们的方法不依赖于传感器之间的重叠，这些传感器通常在使用经典目标时通常需要。主要思想是将每个传感器的测量值与校准环境的精确模型联系起来。为此，我们可以为每个传感器选择一种最适合其校准的特定方法。然后，我们使用最小二乘调整共同估算所有内在和外部设备。最终评估了我们系统的激光镜头到相机校准，我们提出了一种与校准无关的评估方法。这允许在不同校准方法之间进行定量评估。实验表明我们提出的方法能够提供可靠的校准。
多对象检测的远程智能感知系统
方法：视觉技术的进步对多个对象检测和场景理解的领域有重大影响。这些任务是各种技术的组成部分，包括将场景集成到增强现实中，促进机器人导航，启用自主驾驶系统以及改善旅游信息中的应用程序。尽管在视觉解释方面取得了长足的进步，但许多挑战仍然存在，包括语义理解，遮挡，定向，标记数据的可用性不足，照明不均匀，包括阴影和照明，方向变化，对象大小以及背景变化。为了克服这些挑战，我们提出了一个创新的场景识别框架，事实证明这是非常有效的，并产生了非凡的结果。首先，我们在场景数据上使用内核卷积执行预处理。第二，我们使用UNET分割执行语义分割。然后，我们使用离散小波变换（DWT），SOBEL和LAPLACIAN以及文本（本地二进制模式分析）从这些分段数据中提取特征。要识别对象，我们使用了深度信念网络，然后找到对象对象关系。最后，Alexnet用于基于图像中识别的对象将相关标签分配给场景。
通过隐基因遗传算法优化多航天器地月空间领域感知系统
本文提出了一种优化问题公式，以通过多航天器监测解决地月空间域感知 (SDA) 的挑战。由于关注点范围广以及动态环境丰富，传统的地球架构设计方法难以满足地月 SDA 的设计要求；因此，越来越需要在地月轨道上部署多航天器系统以实现 SDA。基于多航天器的地月 SDA 架构的设计会产生一个复杂的多目标优化问题，其中必须同时考虑航天器数量、可观测性和轨道稳定性等参数。通过使用多目标隐基因遗传算法，本研究探索了与地月 SDA 问题相关的整个设计空间。演示案例研究表明，我们的方法可以提供针对成本和效率进行优化的架构。
160 一种可靠性感知的车辆众包感知系统...
准确地描绘路面上的坑洼不仅有助于消除安全相关顾虑并提高驾驶员的通勤效率，还可以减少交通机构不必要的维护成本。在本文中，我们提出了一种基于智能手机的系统，该系统能够精确估计坑洼的长度和深度，并介绍了坑洼数据收集、轮廓聚合以及坑洼警告和报告的整体设计。所提出的系统依靠车载智能手机的内置惯性传感器来估计坑洼轮廓，并警告驾驶员即将出现的坑洼。由于驾驶行为和车辆悬架系统的差异，构建此类系统的一个主要挑战是如何聚合来自多辆参与车辆的相互冲突的传感器报告。为了应对这一挑战，我们提出了一种新颖的可靠性感知数据聚合算法，称为可靠性自适应真相发现（RATD）。它推断每个数据源的可靠性并以无监督的方式聚合坑洼轮廓。我们的现场测试表明，所提出的系统可以有效地估计坑洼轮廓，并且与流行的数据聚合方法相比，RATD 算法显著提高了轮廓绘制的准确性。
160 可靠性感知车辆众包感知系统...
准确地描绘路面上的坑洼不仅有助于消除安全相关顾虑并提高驾驶员的通勤效率，还可以减少交通机构不必要的维护成本。在本文中，我们提出了一种基于智能手机的系统，该系统能够精确估计坑洼的长度和深度，并介绍了坑洼数据收集、轮廓聚合以及坑洼警告和报告的整体设计。所提出的系统依靠车载智能手机的内置惯性传感器来估计坑洼轮廓，并警告驾驶员即将出现的坑洼。由于驾驶行为和车辆悬架系统的差异，构建此类系统的一个主要挑战是如何聚合来自多辆参与车辆的相互冲突的传感器报告。为了应对这一挑战，我们提出了一种新颖的可靠性感知数据聚合算法，称为可靠性自适应真相发现（RATD）。它推断每个数据源的可靠性并以无监督的方式聚合坑洼轮廓。我们的现场测试表明，所提出的系统可以有效地估计坑洼轮廓，并且与流行的数据聚合方法相比，RATD 算法显著提高了轮廓精度。
上下文感知系统：文献综述和分类
如今，许多期刊和会议发表了与上下文感知系统有关的文章，表明许多研究人员的兴趣。因此，本文的目的是审查在期刊上发表的作品，提出一个新的分类框架，以探索上下文感知系统的新作品，并探索分类框架的每个功能。本文使用关键字索引和文章标题搜索对2000年至2007年的上下文感知系统的文献综述。分类框架是基于上下文感知系统的架构开发的，该系统由以下五个外行组成：概念和研究层，网络层，中间件层，应用程序层和用户基础层。文章是根据分类框架对文章进行分类的。本文允许研究人员提取几个对实施上下文意识系统很重要的经验教训。Crown版权所有2008年由Elsevier Ltd.发布的所有权利保留。