XiaoMi-AI文件搜索系统
World File Search System环境感知
RobustSENSE 稳健可靠的环境感知...
如今的驾驶辅助系统在良好的环境条件下提供舒适性和安全性。然而，在恶劣的环境条件下（最需要的时候），系统会因传感器信息质量下降而停止工作。针对高度自动化驾驶领域，改善恶劣条件下的感知、决策和规划是需要解决的主要挑战之一。
1 T-IV-24-01-0141无人驾驶汽车的环境感知数据增强
摘要 - 大型和高质量的培训数据集对于深度学习至关重要。在无人机空中图像的语义分割挑战的背景下，我们提出了一种数据增强策略，该策略可以大大减少手动注释大量图像的努力。结果是一组语义，深度和RGB图像，可用于改善神经网络的性能。该方法的主要重点是生成语义图像，并且在整个过程中也生成了深度和纹理图像。提出的语义图像产生方法依赖于现实环境的3D语义网格表示。首先，我们将现有的语义信息从简化的手动标记图像集中传播到网格表示中。要处理手动标记的图像中的错误，我们为传播过程提出了一种特定的加权投票机制。第二，我们使用语义网络创建新图像。这两个步骤都使用透视投影机制和深度缓冲算法。可以使用不同的相机方向生成图像，从而允许新颖的视角。我们的方法在概念上是一般的，可用于改善各种现有数据集。对使用该方法进行增强的现有数据集（UAVID和WILDUAV）进行的实验是在HRNET上进行的。获得了推理结果的总体绩效提高高达5.5％（MIOU）。增强数据集在GitHub 1上公开可用。索引术语 - 语义图像，无人机，数据增强，图像生成，空中图像，Z-Buffer，深度缓冲区，透视投影，虚拟相机。
自动化车道变更行为的行为预测和基于SLAM技术的环境感知
除了环境感知传感器（例如摄像机，雷达等）。在自动驾驶系统中，人们可以感知车辆的外部环境，实际上，也有一个感知传感器在系统中默默地专用，即定位模块。本文探讨了自动驾驶汽车的自动巷改变行为预测和环境感知的猛烈（同时定位和映射）技术的应用。它讨论了传统定位方法的局限性，引入了大满贯技术，并将激光雷达的大满贯与视觉大满贯进行了比较。来自特斯拉，Waymo和Mobileye等公司的现实世界实例展示了AI驱动技术，传感器融合和在自动驾驶系统中的集成。随后，纸张研究了SLAM算法，传感器技术的细节，以及自动车道变化在驾驶安全性和效率方面的重要性。它突出显示了特斯拉对其自动驾驶系统的最新更新，该系统结合了使用SLAM技术的自动车道更改功能。本文结论是强调SLAM在实现自动驾驶汽车的准确环境感知，定位和决策中的关键作用，最终增强了安全性和驾驶经验。
研究基于深度学习在自主驾驶技术中的计算机愿景的研究
摘要 - 本研究旨在探索深度学习在自动驾驶计算机视觉技术中的应用及其对改善系统性能的影响。通过使用高级技术，例如卷积神经网络（CNN），多任务联合学习方法和深度强化学习，本文详细分析了深度学习在图像识别，实时目标跟踪和分类，环境感知和决策支持以及路径计划和导航中的应用。关键领域的申请过程。研究结果表明，所提出的系统的图像识别，目标跟踪和分类的准确性超过98％，并且还证明了环境感知和决策支持，路径计划和导航的有效绩效和实用性。结论指出，深度学习技术可以显着提高自动驾驶系统的准确性和实时响应能力。尽管环境感知和决策支持仍然存在挑战，但随着技术的发展，预计将来将实现更广泛的应用和更大的能力。潜力。索引术语 - 深度学习，自主驾驶，计算机视觉，环境感知
侦察迷你研究与开发套件
rs-Helios-16p是由Robosense产生的16线激光雷达。这是第一个国内和世界领先的小动物。它主要用于自动驾驶车辆环境感知，机器人环境感知，人机测量和映射。RS-Helios-16p具有16个内置激光组件。它同时排放并接收高频激光束。至360°旋转，它执行实时3D成像，并提供准确的三维空间点云数据和对象反射率，从而使机器能够获得可靠的环境信息，并为定位，导航，避免障碍等提供了强有力的保证。
基于多传感信息融合的移动机器人定位与环境感知技术
本文重点介绍了位置准确性低的问题和在复杂环境中移动机器人的不良环境感知性能。它基于IMU和GP的机器人姿势信息和环境知觉信息进行了关键的技术研究，以检测机器人自己的姿势信息，以及激光雷达和3D摄像头，以感知环境信息。在“姿势信息融合层”中，粒子群处理算法用于优化BP神经网络。没有偏见的卡尔曼过滤，并实现了未经意识的卡尔曼滤波器，以实现INS-GPS松散耦合导航，从而减少了INS组件IMU的偏见和噪声。此外，当GPS信号丢失发生时，训练有素的神经网络可用于输出预测信息，以进行惯性导航系统的错误校正，提供更准确的速度，并将信息作为绝对位置约束。在环境感知融合层中，补偿的IMU预一整合性调查分别与次要水平分别与视觉探光仪和激光镜探测融合。这使机器人的实时精确定位和环境图的更精细结构。最后，使用实际收集的轨迹来验证算法，以进行multi传感器信息的两级融合。实验结果表明，该算法提高了机器人的定位准确性和环境感知性能。机器人运动轨迹和原始真实轨迹之间的最大误差为1.46 m单位，而最小误差为0.04 m单位，平均误差为0.60 m。
生计资本是否影响牧民的生计战略？来自中国西部的证据
摘要：草原生态学的恶化正在威胁着牧民的生计和增加贫困率。本研究旨在探讨牧民生计的特征以及生计资本和环境看法对生计战略选择的影响。基于甘西省和青海省的453个牧民家庭，根据可持续生计框架测量了五种生计资本。在多种逻辑功能中评估了牧民生计资本对他们关于生计策略的决定的影响。同时，使用分层回归分析和分组回归方法来探索环境感知的两个维度的调节作用：生态意识和责任感。获得了以下结果：首先，所有类型的生计资本都对牧民的生计多样化具有重要影响；其次，这些影响的方向和强度在生计资本类型之间有所不同。此外，环境感知在牧民的生计资本和生计策略之间的关系中起了负面的调节作用。因此，预计将引入政策，以确保牧民的生计资本发展并改善其环境认知，这可以帮助实现草原的协调经济和生态发展。
Viggo自主驾驶Scrubber-SC80
Idriverplus Technology的Viggo SC80自动块洗涤器是一款多功能的，智能的清洁机，将擦洗，清扫和灰尘拖把功能结合在一起。它具有精确的环境感知，自动路径计划，避免自动障碍物，自动充电以及自动水的填充和排水，使其非常适合中型和大型室内和室外环境，例如工业环境，诸如工业环境，公司商业环境，商业综合体，超市，超市和运输中心。