XiaoMi-AI文件搜索系统
World File Search System激光雷达
yolov8基于激光雷达点云的对象检测的新方法
摘要 - 对象检测是自动驾驶汽车和高级驾驶员辅助系统（ADA）的重要感知任务。虽然已经对相机图像中的对象检测进行了广泛的研究，但通过光检测和范围（LIDAR）数据来解决此任务，这是由于其固有的稀疏性带来了独特的挑战。这项研究引入了一种基于激光雷达的对象检测的开创性方法，其中Lidar Point Cloud数据巧妙地转换为伪RGB图像格式，随后将最初用于基于相机的对象检测设计的Yolov8网络。在Kitti数据集中受过训练和严格评估，我们的方法表现出出色的性能，达到了令人印象深刻的平均平均精度（MAP）超过86％。该模型还在Tihan IITH iith自主导航数据集（TIAND）的某个点云上进行了测试。这个了不起的结果强调了拟议方法在利用LiDAR数据以进行健壮对象检测时的效率，从而有助于在自主驾驶和ADAS应用中提高感知能力。索引项 - Yolov8，点云，BEV，LIDAR，对象检测，ADAS
造船单光子荧光海洋激光雷达
摘要：激光诱导的荧光（LIF）技术已被广泛应用于水生浮游植物的遥感中。然而，由于激光激发引起的荧光信号弱和水中激光的显着衰减，分析检测变得具有挑战性。此外，很难同时检索衰减系数（K MF激光雷达）和通过单个荧光激光拉尔（lidar）在180°（βF）处的荧光体积散射函数。为了解决这些问题，提出了一种新型的全纤维荧光海洋激光雷达，其特征是：1）使用单光子检测技术获得地下荧光曲线，以及2）引入荧光激光痛的KLETT倒置方法，以同时检索K MF Lidar和βF。根据理论分析，叶绿素浓度的最大相对误差范围为0.01 mg/m 3至10 mg/m 3，在10 m的水深度范围内含量小于20％，而K MF激光射线的最大相对误差则小于10％。最后，将船舶单光子荧光激光雷达部署在实验容器上，以在离岸区域的固定站进行9小时以上的实验，从而验证了其分析能力。这些结果证明了LiDAR在分析水生浮游植物的分析中的潜力，从而提供了支持研究地下浮游植物的动态变化和环境反应的支持。
造船单光子荧光海洋激光雷达
摘要：激光诱导的荧光（LIF）技术已被广泛应用于水生浮游植物的遥感中。然而，由于激光激发引起的荧光信号弱和水中激光的显着衰减，分析检测变得具有挑战性。此外，很难同时检索衰减系数（K MF激光雷达）和通过单个荧光激光拉尔（lidar）在180°（βF）处的荧光体积散射函数。为了解决这些问题，提出了一种新型的全纤维荧光海洋激光雷达，其特征是：1）使用单光子检测技术获得地下荧光曲线，以及2）引入荧光激光痛的KLETT倒置方法，以同时检索K MF Lidar和βF。根据理论分析，叶绿素浓度的最大相对误差范围为0.01 mg/m 3至10 mg/m 3，在10 m的水深度范围内含量小于20％，而K MF激光射线的最大相对误差则小于10％。最后，将船舶单光子荧光激光雷达部署在实验容器上，以在离岸区域的固定站进行9小时以上的实验，从而验证了其分析能力。这些结果证明了LiDAR在分析水生浮游植物的分析中的潜力，从而提供了支持研究地下浮游植物的动态变化和环境反应的支持。
使用2D激光雷达环境的自适应学习粒子群体优化的移动机器人路径计划
摘要智能逻辑应用程序机器人的加载和卸载操作在很大程度上取决于其感知系统。但是，关于LIDAR图及其在复杂环境导航系统中的评估算法的研究很少。在拟议的工作中，使用二进制占用网格方法对LIDAR信息进行了限制，并实施了改进的自适应学习粒子群群优化（ISALPSO）算法，以进行路径预测。该方法利用2D激光雷达映射来确定后勤应用程序中移动机器人最有效的路线。在机器人操作系统（ROS）平台中使用Hector SLAM方法来实现移动机器人实时位置和地图构建，随后将其转换为二进制占用网格。为了显示所提出方法的路径导航发现，使用2D LIDAR映射点数据在MATLAB 2D虚拟环境中创建了导航模型。根据生成的路径的性能，ISALPSO算法适应其参数惯性重量，加速度系数，学习系数，突变因子和群的大小。与其他五个PSO变体相比，ISALPSO算法具有相当短的路径，快速收敛速率，并且基于使用2D Lidar环境的验证，需要更少的时间来计算运输和卸载环境之间的距离。使用与2D激光雷达连接的Quanser硬件验证了Logistic应用程序中移动机器人的路径规划的效率和效率，并使用拟议的算法在环境3中进行操作，以生产最佳路径。
使用单次水下弹性 - 拉曼激光雷达
摘要：LIDAR已成为水中垂直分析光学参数的有前途的技术。单光子技术的应用使紧凑型海洋激光雷达系统的发展，促进了其在水下部署。这对于进行空气海界面上没有干扰的海洋观测至关重要。然而，同时在532 nm（βM）处于180°处的体积散射函数，而在弹性反向散发信号中，在532 nm（k m激光拉尔）处的激光雷达衰减系数仍然具有挑战性，尤其是在几何近距离信号中受到了几何形状重叠因子（GOF）的影响。为了应对这一挑战，这项工作提出了添加拉曼通道，使用单光子检测获得了拉曼反向散射的轮廓。通过用拉曼信号将弹性反向散射信号归一化，归一化信号对激光雷达衰减系数变化的敏感性大大降低。这允许将扰动方法应用于反转βM并随后获得K M LIDAR。此外，可以降低GOF和激光功率中波动对反转的影响。为了进一步提高分层水体的反转算法的准确性，提出了迭代算法。此外，由于激光雷达的光望远镜采用了一个小的光圈和狭窄的视野设计，因此K M LIDAR倾向于在532 nm处的光束衰减系数（C M）。使用Monte Carlo模拟，建立了C M和K M LIDAR之间的关系，从而允许C M衍生物来自K M LIDAR。最后，通过反演误差分析来验证该算法的可行性。通过在水箱中进行的初步实验来验证LiDAR系统的鲁棒性和算法的有效性。这些结果表明，LIDAR可以准确地介绍水的光学参数，从而有助于研究海洋中的颗粒有机碳（POC）。
激光雷达和雷达传感器，8019323-病态德国
具有较大的扫描范围，精细的角度分辨率和高灵敏度，Picoscan100 2D激光雷达传感器（TIM系列的继任者）正在设定新标准。它还可靠地检测到小物体和深色物体。传感器提供精确的测量数据和功能，整合了通过各种通信接口传输的数据的进一步处理。配备了多回波技术的紧凑型Picoscan100具有坚固的外壳，即使在恶劣的环境条件下，也可以确保可靠的测量重新设置。picoscan100（可分为三种变体）也可以通过其他功能进行定制。
3D激光雷达扫描到地图长期定位的可推广稳定点细分
摘要 - 动物机器人越来越多地在实际会随着时间而变化的现实环境中运行。准确且健壮的本地化对于自动移动系统的有效运行至关重要。在本文中，我们仅使用3D LIDAR数据来应对基于扫描到地图匹配的长期本地化开发可推广的学习过滤器的挑战。我们的主要目标是提高动态环境中移动机器人本地化的可靠性。为了获得学习过滤器的强大概括能力，我们利用扫描和MAP数据之间的差异。我们的方法涉及将稀疏的4D卷积应用于包含扫描素及其相应地图体素的关节稀疏体素电网上。这使我们可以根据每个扫描点的长期稳定置信分数将扫描点分为稳定且不稳定的点。我们的实验结果表明，利用稳定点进行定位 - 证明了扫描匹配算法的性能，尤其是在外观变化频繁的环境中。通过利用扫描和地图体素之间的差异，我们增强了稳定点的分割。因此，我们的方法概括为新的，看不见的环境。
海报：自适应高频去除攻击，以绕过新产品激光雷达中的脉冲指纹
摘要 - Lidar是自动驾驶汽车领域（AVS）领域的关键传感器。怨恨的研究积极研究了针对LiDAR SPOFOFG攻击的各种安全意义。为了防止这些攻击，预计Pulse -Fifferpinting是最有前途的对策之一，最近的研究表明了其高防御能力，尤其是防止物体清除攻击。在此海报中，我们报告了针对激光雷达攻击的脉冲固定识别进一步的安全性分析的进展。我们设计了一种新颖的自适应攻击策略，即自适应高频去除（A-HFR）攻击，这比现有的HFR攻击可以有效地抵抗更广泛的激光痛。我们评估了对商用激光雷达的A-HFR攻击，并发现A-HFR攻击可以成功地在20°水平和16°垂直角度内成功删除点云的96％以上。我们的发现表明当前的脉冲固定技术可能不会有足够的稳定性来阻止SPOOFEFFIFG攻击。我们最终讨论了我们的未来计划。
用单光子激光雷达 /作者= kitichotkul，ruangrawee的检测时间在反射率估计中的作用；拉普，约书亚； Goyal，Vivek K /creationDate = 2024年1月9日 /受试者=计算传感，电子和光子设备，信号处理< /div>
摘要 - 在直接的飞行时间单光子激光雷达中，通常使用photon检测时间来估计深度，而检测的数量则用于估计反射率。本文通过提出新的估计量并通过新的分析来统一先前的结果，从而在反射率估算中使用检测时间在反射率估算中使用。在低流量制度中，死亡时间可以忽略不计，我们检查了反射率估计的cram'errao。当深度未知时，我们表明基于检查的估计器几乎可以执行和最大似然估计器，而且令人惊讶的是，不正确的深度估计可以减少反射率估计的均值误差。我们还检查了信号和背景通量的联合估计，我们提出的基于审查的估计器以及最大似然估计器的表现。在高流量制度中，死亡时间不可忽略，我们将检测时间建模为马尔可夫链，并检查一些利用检测时间的反射率估计值。
IMEC的紧凑型固态激光雷达技术
免责声明 - 提供“按原样”提供此信息，而无需任何表示或保修。Imec is a registered trademark for the activities of IMEC International (a legal entity set up under Belgian law as a “stichting van openbaar nut”), imec Belgium (IMEC vzw supported by the Flemish Government), imec the Netherlands (Stichting IMEC Nederland, part of Holst Centre which is supported by the Dutch Government) and imec China (IMEC Microelectronics (Shanghai) Co. Ltd.）和IMEC India（IMEC India Private Limited），IMEC佛罗里达州（IMEC USA纳米电子设计中心）。