XiaoMi-AI文件搜索系统
World File Search System或传感器
特刊 - 传感器
近年来，在自动驾驶中取得了巨大进展，并取得了重大的研究结果和公共道路部署，包括实施系列生产车辆和乘车服务，提供负担得起的自主游乐设施。因此，使用感知传感器以及在存在意外的车辆和脆弱的道路使用者的情况下，使用感知传感器以及控制和导航算法需要进行更多的研究，除了建立安全的方法和开发这种基于感知的情境意识和导航算法外，还需要进行安全操纵。本期特刊旨在收集有关使用相机，激光雷达和雷达等传感器的研究的研究，并用于检测自动驾驶汽车与其他道路使用者之间的罕见和极端相互作用；在这种罕见和极端的相互作用中，控制和导航方法可以安全地操纵自动驾驶汽车（AV）；现实有效的评估方法；以及在公共道路部署之前在安全环境中开发此类算法。我们欢迎您对本主题的本期贡献。
HTU21D(F) 传感器数字相对湿度传感器... - Adafruit
HTU21D(F) 是一款新型数字湿度传感器，由 MEAS 输出温度。它采用可回流焊接的双扁平无引线 (DFN) 封装，尺寸仅为 3 x 3 x 0.9 毫米，在尺寸和智能方面树立了新标准。该传感器提供经过校准的线性化数字 I²C 信号。HTU21D(F) 数字湿度传感器是专用的湿度和温度即插即用传感器，适用于需要可靠和准确测量的 OEM 应用。该模块可直接与微控制器连接，用于湿度和温度数字输出。这些低功耗传感器专为空间受限、批量大、成本敏感的应用而设计。每个传感器都经过单独校准和测试。批次标识印在传感器上，电子识别码存储在芯片上 - 可通过命令读取。可以检测到电池电量不足，校验和可提高通信可靠性。这些数字湿度传感器的分辨率可以通过命令更改（RH/T 为 8/12 位，最高为 12/14 位）。随着 MEAS 的改进和此传感器的小型化，性价比得到了提高 - 最终，任何设备都应受益于其尖端的节能操作模式。可选的 PTFE 过滤器/膜 (F) 可保护 HTU21D 数字湿度传感器免受灰尘和水浸入以及颗粒污染。PTFE 过滤器/膜保持较高的响应时间。白色 PTFE 过滤器/膜直接粘在传感器外壳上。
自动驾驶汽车中的传感器和传感器融合技术
摘要：随着传感器和通信技术的重大进步以及障碍物检测技术和算法的可靠应用，自动驾驶正在成为一项能够彻底改变未来交通和移动性的关键技术。传感器是自动驾驶系统中感知车辆周围环境的基础，多个集成传感器的使用和性能可以直接决定自动驾驶车辆的安全性和可行性。传感器校准是任何自动驾驶系统及其组成传感器的基础，必须在实施传感器融合和障碍物检测过程之前正确执行。本文评估了自动驾驶汽车中常用的传感器的功能和技术性能，主要关注大量视觉摄像头、激光雷达传感器和雷达传感器以及这些传感器在实际中可能运行的各种条件。我们概述了传感器校准的三个主要类别，并回顾了现有的用于多传感器校准的开源校准包及其与众多商用传感器的兼容性。我们还总结了传感器融合的三种主要方法，并回顾了当前用于自动驾驶应用中物体检测的最先进的多传感器融合技术和算法。因此，本文对传感器融合物体检测所需的硬件和软件方法进行了端到端的回顾。最后，我们强调了传感器融合领域的一些挑战，并提出了自动驾驶系统未来可能的研究方向。
多传感器 – 多目标 – 仅方位传感器配准
纯方位估计是目标跟踪中的基本问题之一，也是具有挑战性的问题。与雷达跟踪的情况一样，偏移或位置偏差的存在会加剧纯方位估计的挑战。对各种传感器偏差进行建模并非易事，文献中专门针对纯方位跟踪的研究并不多。本文讨论了纯方位传感器中偏移偏差的建模以及随后的带偏差补偿的多目标跟踪。偏差估计在融合节点处处理，各个传感器以关联测量报告 (AMR) 或纯角度轨迹的形式向该节点报告其本地轨迹。该建模基于多传感器方法，可以有效处理监视区域中随时间变化的目标数量。所提出的算法可得出最大似然偏差估计器。还推导出相应的 Cram´er-Rao 下限，以量化所提出的方法或任何其他算法可以实现的理论精度。最后，给出了不同分布式跟踪场景的模拟结果，以证明所提出方法的能力。为了证明所提出的方法即使在出现误报和漏检的情况下也能发挥作用，还给出了集中式跟踪场景的模拟结果，其中本地传感器发送所有测量值（而不是 AMR 或本地轨道）。
自动驾驶汽车中的传感器和传感器融合技术
摘要：随着传感器和通信技术的重大进步以及障碍物检测技术和算法的可靠应用，自动驾驶正在成为一项能够彻底改变未来交通和移动性的关键技术。传感器是自动驾驶系统中感知车辆周围环境的基础，多个集成传感器的使用和性能可以直接决定自动驾驶车辆的安全性和可行性。传感器校准是任何自动驾驶系统及其组成传感器的基础，必须在实施传感器融合和障碍物检测过程之前正确执行。本文评估了自动驾驶汽车中常用的传感器的功能和技术性能，主要关注大量视觉摄像头、激光雷达传感器和雷达传感器以及这些传感器在实际中可能运行的各种条件。我们概述了传感器校准的三个主要类别，并回顾了现有的用于多传感器校准的开源校准包及其与众多商用传感器的兼容性。我们还总结了传感器融合的三种主要方法，并回顾了当前用于自动驾驶应用中物体检测的最先进的多传感器融合技术和算法。因此，本文对传感器融合物体检测所需的硬件和软件方法进行了端到端的回顾。最后，我们强调了传感器融合领域的一些挑战，并提出了自动驾驶系统未来可能的研究方向。
HTU21D(F) 传感器数字相对湿度传感器... - TI E2E
HTU21D(F) 是一款新型数字湿度传感器，由 MEAS 输出温度。它采用可回流焊接的双扁平无引线 (DFN) 封装，尺寸仅为 3 x 3 x 0.9 毫米，在尺寸和智能方面树立了新标准。该传感器提供经过校准的线性化数字 I²C 信号。HTU21D(F) 数字湿度传感器是专用的湿度和温度即插即用传感器，适用于需要可靠和准确测量的 OEM 应用。该模块可直接与微控制器连接，用于湿度和温度数字输出。这些低功耗传感器专为空间受限、批量大、成本敏感的应用而设计。每个传感器都经过单独校准和测试。批次标识印在传感器上，电子识别码存储在芯片上 - 可通过命令读取。可以检测到电池电量不足，校验和可提高通信可靠性。这些数字湿度传感器的分辨率可以通过命令更改（RH/T 为 8/12 位，最高为 12/14 位）。随着 MEAS 的改进和此传感器的小型化，性价比得到了提高 - 最终，任何设备都应受益于其尖端的节能操作模式。可选的 PTFE 过滤器/膜 (F) 可保护 HTU21D 数字湿度传感器免受灰尘和水浸入以及颗粒污染。PTFE 过滤器/膜保持较高的响应时间。白色 PTFE 过滤器/膜直接粘在传感器外壳上。
传感器 - 语义学者
摘要：小型飞机类别（例如小型空中运输（SAT）、城市空中交通（UAM）、无人机系统（UAS））、现代航空电子解决方案（例如电传操纵（FBW））和减小的飞机（A/C）尺寸的异质性需要更紧凑、集成、数字化和模块化的空中数据系统（ADS），该系统能够测量来自外部环境的数据。在 Clean Sky 2 计划的框架内资助的 MIDAS 项目旨在通过经过商业应用认证的 ADS 满足这些最新要求。主要支柱在于 COTS 解决方案和分析传感器（专利技术）之间的智能融合，以识别气动角度。识别涉及飞行动态关系和基于神经技术的数据驱动状态观察器，一旦训练完成，它们就是确定性的。由于该项目将首次将分析传感器作为冗余系统的一部分安装在民用飞机上，因此本工作中记录的设计活动特别关注适航认证方面。在此成熟度级别，使用模拟数据，下一阶段将使用真实飞行测试数据。描述了训练和测试方面的数据收集。训练操作旨在激发所有动态模式，而测试操作旨在独立于训练集和所有自动驾驶仪配置验证结果。结果表明，替代解决方案是可能的，可以大大节省计算工作量和代码行数，但同时也表明，更好的训练策略可能有利于应对新的神经网络架构。