XiaoMi-AI文件搜索系统
World File Search System环境地图
使用移动测绘系统根据点云绘制室内步行环境地图
摘要 摘要 步行性是智慧城市规划中需要解决的问题之一。尽管对户外步行行人进行了大量研究，但对室内步行性的研究却很少。最近，大多数行人倾向于使用室内路线而不是室外路线来保护自己免受日晒雨淋，因为大多数室内路线都位于购物中心和轨道交通站等建筑物上。因此，收集室内建筑物中的所有相关信息以解决步行性问题非常重要。GeoSLAM ZEB REVO 扫描仪因其方便进入狭窄空间、繁忙区域和复杂的建筑结构而受到广泛使用。该扫描仪便于携带，操作员可以将其安装在推车上或用背包携带，易于操作。扫描仪捕获建筑物的几何形状和设施并将其呈现为点云的形式。然后可以使用点云分割方法从点云中提取必要的信息。最终用户（例如城市规划师）可以从最终产品中受益，以使用行人友好型工具设计未来的建筑，以鼓励更多人步行。因此，除了减少道路上私家车的使用外，它还通过提供健康的生活方式给社会带来影响。
SHOALS-1000TH 高级数据融合软件
Optech International 和南密西西比大学 (USM) 海洋科学系合作开发和应用数据融合技术，将主动和被动遥感数据结合起来，用于绘制浅水和沿海环境地图。在本报告期间，我们：(1) 建立了行业和学术界之间的合作关系，重点是使用测深激光雷达和同步被动光谱数据进行海岸线测绘和特征描述；(2) 产生了一种新颖的范例，可用于正式比较和对比不同的数据融合策略；(3) 开发和实施了 3 种高级数据融合算法；(4) 将数据集分发给其他几位研究人员；(5) 通过使用这些数据努力了解区域规模的沿海环境过程。
人工智能造福全球峰会快照
dot.Lumen 致力于通过触觉反馈技术改变视障人士的出行方式。触觉技术利用振动和触觉将感觉传达给用户。全球有超过 3.3 亿视障人士，导盲犬并不是一个可扩展的解决方案来满足这一需求。受到自动驾驶汽车所用技术的启发，首席执行官兼创始人 Cornel Amariei 及其团队推出了一款使用触觉提示引导用户在室内和室外行走的耳机。这款耳机能够避开障碍物、识别感兴趣的物体并在城市或乡村环境中引导用户，无需互联网连接或预先绘制环境地图。这款眼镜预计将于明年初推出，将与地图和公共交通相结合，引导用户到达目的地。
埃弗里特市场地规划审查和特别许可申请
设计意向书，阐明了构成设计的组织设计原则，并将设计与其环境联系起来。由注册测量师准备的场地调查，显示两英尺间隔的地形、6 英寸或更大的树径和树种，以及场地上重要自然特征、建筑物、铺砌表面和公用设施线路的位置。场地周边 ¼ 英里范围内的环境地图，显示城市设计特色、交通基础设施和连接，如 B.1 和 B.2 节所述。整个场地的平面图，包括拟建建筑物和景观特色的位置，包括户外项目区、停车场、行人和车辆流通以及与相邻建筑物的关系。从公共街道和公园可见的所有立面的立面图，并标明材料和颜色。一楼和至少一个其他典型楼层的楼层平面图，包括用途、入口和垂直流通。拟议项目的行人层面景观渲染图，包括周边区域的背景。
视障人士的人工智能助手
I.简介 失明是世界上最常见的残疾之一。在过去的几十年里，因自然原因或事故而失明的人数有所增加。部分失明的人视力模糊，只能看到阴影，夜视能力差或视野狭窄。另一方面，完全失明的人没有视力。根据世界卫生组织的数据，全世界约有 22 亿视障人士或盲人 [1]。盲人传统上使用白手杖帮助他们在周围环境中导航，尽管这种方法无法提供远处移动障碍物的信息。此外，白手杖无法识别膝盖以上较高的障碍物。另一种帮助盲人的方法是使用经过训练的导盲犬。另一方面，经过训练的狗价格昂贵且难以获得。最近的研究 [2]-[9] 提出了几种可穿戴或手持电子旅行辅助设备 (ETA)。这些小工具中的大多数都包括各种传感器，可以绘制环境地图并通过耳机提供语音或声音警报。这些设备的可靠性受实时听觉信号质量的影响。许多当代 ETA 缺乏实时阅读辅助，用户界面差、成本高、便携性有限且没有免提访问。因此，这些小工具并不受盲人的欢迎，它们需要在设计、性能和可靠性方面进行改进，以便在室内和室外环境中使用。
多智能体 Swarm 实现... - G2NET
多智能体多信使环境低频感知的群体实现 F.Bonsignorio 我们正在开发一种可重复、可衡量的方法来部署由空中无人机、移动地面机器人、水下滑翔机、ROV 和放置在地面或海底的固定或移动传感器组成的复杂自适应网络。该方法利用 Voronoi 图、由多智能体信念空间规划方法框架构建的不同种类化学和非化学传感器的多传感器融合。我们的项目整合了 FER 的 AIFORS 实验室、萨格勒布大学、Heron@CNR 联合实验室和华沙大学的资源，并伺机寻求国家、欧洲和国际层面的资金，旨在将一种新的自组织传感器网络概念与在开放式环境中行动的机器人群相结合。从环境中提取信息和绘制环境地图被组织为两个新兴的并发过程。当各个群体成员随机探索环境时，网络会创建节点。群体的自组织和成长过程由基于群体成员之间相互信息函数的适应度函数控制。联网传感器会根据已部署的传感器点本地计算出的更高熵度量，更密集地释放到环境中。当适应度函数（表示群体成员之间的相互信息）达到最大值时，就会创建节点。
H. 总体规划清单主要土地开发项目和主要分区保护性开发项目申请人应向行政部门提交
H. 总体规划清单 主要土地开发项目和主要分区 保护性开发 申请人应向行政官员提交至少十 (10) 张所有总体规划地图的蓝线图或复印件以及以下所需信息。规划尺寸不得大于 24” x 36”。所有规划的比例和数量应足以清晰显示所需的所有信息，并须经行政官员批准。所有规划表和相关文件也必须以便携式文档格式 (PDF) 文件提供。规划应包括一份证明，证明所有规划和改进均符合罗得岛州和普罗维登斯种植园、专业工程师注册委员会和土地测量师注册委员会的最低 IV 级标准。以下信息应以书面叙述报告的形式呈现，并根据需要辅以图纸、草图或规划以传达意图。叙述报告应包括下文要求的所有图纸和平面图的缩小版，最大尺寸为 11” x 17”。首先，申请人应向行政官员提交至少十 (10) 份下文要求的初步规划图的蓝线图或复印件。行政官员应根据需要分发给规划委员会和下文支持材料中列出的其他机构来确定平面图和叙述报告的缩小版数量。每份提交的文件还必须附有附录 B 中所含的“重大土地开发项目或重大分区批准申请”。所需信息至少包括以下内容：1. 场地基础地图（见下文）。2. 现有资源和场地分析地图。参见第 4-1 节（O）。3. 场地环境地图。参见第 4-1 节（F）。4. 草图覆盖表。参见第 4-1 节（E）。*5. 常规产量计划。参见 4-1 (H) 节。* * 仅适用于保护性开发项目 6. 拟议状况地图（仅适用于常规分区）。 基础地图 本清单要求的所有总体规划图均应显示以下信息（如适用）： A. 本清单要求的所有地图均应显示以下信息（如适用）： 1. ______ 拟议分区的名称和位置。 2. ______ 业主和申请人的姓名和地址。 3. ______ 工程师和/或土地测量员的姓名、地址和电话号码。 4. ______ 计划编制日期，以及修订日期（如果有）。
通过人工智能和物联网迈向智能交通
智慧城市的关键愿景之一是打造更加智能的交通网络，特别是智能交通。它促进人类、动物和货物安全有效的物理移动和互动。典型的全球问题包括可持续能源、交通事故、交通拥堵、物流管理、数据分析、安全和隐私。近年来，物联网 (IoT) 和人工智能 (AI) 在实现这一智慧城市愿景方面发挥了主导作用。前者为可扩展且强大的数据收集和传输提供了坚实的基础设施。后者为智能交通应用的机器带来了创造性和创新性元素。在本期特刊“交通革命中的物联网和人工智能”中，发表了十 (10) 篇研究文章。这些文章围绕人工智能和物联网对智能交通的影响展开了有意义的讨论。本社论不仅总结了专刊文章，还分享了其他热门研究主题。交通运输在当今的经济和社会发展中发挥着至关重要的作用。作为日常道路使用者，我们需要确保安全有效的出行。根据世界卫生组织 (WHO) 的数据，每年道路交通死亡和受伤人数分别达到 135 万和 5000 万 [ 1 ]。根据 Web of Science 统计数据，自 2007 年以来，人们对智能交通的关注度不断提高，这反映在研究出版物数量的不断增加上。从 2014 年到 2019 年，研究出版物数量平均增长了 51.6%。第一篇文章“基于场景划分和深度强化学习的海上自主水面舰艇自主导航决策”[ 2 ]，由 X. Zhang、C. Wang、Y. Liu 和 X. Chen 撰写，研究了海上自主水面舰艇 (MASS)。自适应导航和不确定环境引起了人们的关注。提出了一种人工势场深度强化学习方法。他们的实验表明，与传统的深度强化学习方法相比，所提出的方法将碰撞率从 2.24% 显着降低到 1.16%。Y. Jiang、B. Liu、Z. Wang 和 X. Yi 发表了一篇文章“从头开始：一种基于众包的数据融合方法，用于支持位置感知应用”[ 3 ]。26 名志愿者参与了数据收集过程。多维众包结合多分辨率环境地图和交易编码已应用于室内定位问题。总共从两层楼的五种智能手机收集了 931 条众包数据轨迹，总建筑面积为 4000 平方米。结果显示，一半的数据点是完美的，而 90% 的数据点有两个单元格的偏差。
使用自动指导的车辆机器人
摘要 - 自主机器人在工业世界中生长和使用，并且变得很重要，该机器人广泛用于各个工业领域。自主机器人使用导航系统识别环境，导航在自主机器人中具有重要作用。除了应用良好的导航外，还需要在周围环境中获得准确的地图，以便机器人可以根据环境移动。在这项研究中，将使用Hector SLAM算法方法对映射结果进行准确分析，以通过模拟和实时（机器人）映射周围环境。在这项研究中，它具有几个重要组件，即机器人操作系统（机器人操作系统），即诸如Hector扫描匹配的数据滤波器，可构建所获得的数据，以及极大地影响生成地图质量的传感器类型。本研究测试Hector扫描匹配算法是否可以准确映射环境。这项研究的结果可以得出结论，从模拟和机器人（真实）生成的地图具有相当好的精度。这是基于与模拟和机器人（真实）映射的结果匹配的第一个方案，该结果的精度为SSIM：77.26％，MSE错误：3.96％，像素匹配：55.46％的机器人（真实）映射结果。同时，从用于与获得SSIM准确性的机器人相比的第二种情况下获得的仿真结果：87.29％，MSE错误：1.65％和像素匹配：81.11％。Kata Kunci：机器人操作系统，Hector-SLAM，Hector扫描匹配，均方根误差，像素匹配，结构相似性图像度量，峰值信噪比，LIDAR。摘要 - 自主机器人在工业界越来越多地发展和使用，在各个工业领域都发挥了重要作用并广泛使用。自主机器人使用导航系统浏览其环境，导航在自主机器人中至关重要。为了实施有效的导航，它需要准确的周围环境地图，以便机器人可以根据周围环境移动。这项研究分析了使用Hector SLAM算法方法通过模拟和实时（机器人）绘制周围环境的映射的准确性。这项研究包括几个重要组件，即机器人操作系统（机器人操作系统），数据过滤器（例如用于构建获得的数据的Hector扫描匹配）等数据过滤器，传感器类型显着影响所得地图的质量。研究检查了Hector扫描匹配算法是否可以准确映射环境。这项研究的结果可以得出结论，由模拟和真实机器人产生的地图具有相对良好的精度。这是基于仿真和真实机器人映射的匹配结果，在方案1中结果得出了SSIM的精度：77.26％，MSE错误：3.96％，像素匹配：55.46％的真实机器人映射结果。同时，从用于与机器人进行比较的方案2中获得的仿真结果，SSIM的准确性：87.29％，MSE错误：1.65％和像素匹配：获得了81.11％。关键字：机器人操作系统，Hector-slam，Hector扫描匹配，均方根误，像素匹配，结构相似性图像指标，峰值信噪比，LIDAR