XiaoMi-AI文件搜索系统
World File Search System距离信息
国际贸易和投资流动
2 有一个明显的例外——1990 年至 2023 年期间，商业服务贸易（不包括旅行和运输）的增长速度远远快于商品贸易，并且没有放缓的迹象（Baldwin 2022）。跨境数字活动的持续增长与“新化”的概念有关，表明全球化的性质正在发生变化，有形商品的流动放缓，而无形商品的流动（例如数字服务和跨境数据）则加速（Nathan、Galbraith 和 Grimberg 2022）。与此同时，将货运和行驶距离信息与价值进行比较，贸易的衡量结果显示全球贸易呈增长趋势，部分反映了关键矿物等大宗商品日益增长的重要性（其重量超过玩具等同类制成品），并且只能从遥远的地方采购（Ganapati 和 Wong 2023；Zumbrun 2023）。
设计和实施避免障碍...
任何自动驾驶机器人汽车的最关键特征之一就是能够避免沿其路径的障碍。自动移动机器人具有内置系统，可以在沿其路径遇到障碍物时引导它。通过发送声音脉冲，可以测量机器人到障碍物的距离，同时控制转向齿轮以实现避免障碍物的功能。在本文中，提出了可以避免障碍的自动机器人汽车的发展。这是通过使用超声传感器来传感障碍并指导其运动来实现的。ATMEGA328微控制器用于从超声传感器中收集距离信息，根据嵌入式算法比较测得的距离，并使用它来确定是向前移动还是更改其路径。通过硬件和软件系统设计，构建了障碍物避免机器人汽车平台，同时获得了良好的实验效果。传感器可以感知的安全距离为15 cm，其角度覆盖面积为180 0。
IMX560 -AAMV-索尼半导体解决方案
IMX560-AAMV是一种对角线6.25 mm（1/2.9）单光子雪崩二极管（SPAD）TOF深度传感器，带有信号放大像素。通过将597×168的蜘蛛数驱动并求和它们的输出，可以从距离信息中生成3D距离图像，并且可以实现高达300 m的测量距离。可以根据应用程序调整范围操作时的SPAD（宏像素大小）数量。范围操作是通过1 GHz采样操作的，并且生成具有TOF宽度为2024 BIN的直方图（2024 ns）的直方图和12位灰度宽度的宽度，并且可以从结果中检测到Echo的ECHO和峰值。其环境光消除功能可确保其在阳光下更稳定，并且可以在高动态范围内实现距离测量值。其光发射时间控制功能能够补偿激光发射和接收之间的时间延迟。配备了回声和峰值检测功能，数据输出模式，数字信号处理等等，它已进行了优化，以满足LIDAR所需的性能和功能。（应用：FA LIDAR摄像机，工业激光摄像头）
3D 主动红外探测器和摄像机技术...
主动系统采用近红外脉冲激光和快速门控探测器，目前已用于大多数远程成像应用。这一概念通常称为突发照明激光雷达或 BIL。SELEX 固态探测器基于 HgCdTe 雪崩光电二极管阵列和定制设计的 CMOS 多路复用器，用于执行快速门控和光子信号捕获。这些混合阵列产生的灵敏度低至 10 个光子，这主要是由于 HgCdTe 二极管中非常高且几乎无噪声的雪崩增益。激光门控成像的优势之一是将物体从背景中分割出来，从而提供信噪比优势。然而，在复杂的场景中，在伪装和隐蔽的情况下，系统的主要增强功能是能够生成 3D 图像。在这里，探测器逐个像素地感知范围以及激光脉冲强度，为每个激光脉冲提供深度背景。 3D 数据能够更有效地从背景杂波中提取物体。距离信息受过度对比度、相干性和闪烁效应的影响较小，因此图像比传统的 2D BIL 图像更清晰。在机载应用中，拥有 3D 信息尤其有用，可以在动态环境中提供距离选通的灵活反馈控制。本报告介绍了一些可用于生成 3D 信息的探测器技术以及导致选择 SELEX 探测器的论据
ROV的高级水下测量系统：整合声纳和立体声愿景，以增强海底基础设施维护
摘要：在海洋工程领域和海底结构的维护领域中，准确的下距离定量起着至关重要的作用。然而，由于向后散射和特征降解，这种测量的精度通常在水下环境中受到损害，从而对视觉技术的准确性产生不利影响。在应对这一挑战时，我们的研究引入了一种开创性的水下对象测量方法，将图像声纳与立体声视觉结合起来。这种方法旨在用声纳数据来补充水下视觉特征检测的差距，同时利用Sonar的距离信息进行增强的视觉匹配。我们的方法论将声纳数据无缝地集成到立体声视觉中使用的半全球块匹配（SGBM）算法中。这种集成涉及引入一个新型的基于声纳的成本术语并完善成本汇总过程，从而提高了深度估计的精度，并丰富了深度图内的纹理细节。这代表了对现有方法的实质性增强，尤其是在针对亚偏度环境下量身定制的深度图的质地增强中。通过广泛的比较分析，我们的方法表明，测量误差大大减少了1.6％，在挑战水下场景方面表现出了巨大的希望。我们算法在生成详细的深度图中的适应性和准确性使其与水下基础设施维护，勘探和检查特别相关。
基于多频率的 RFID 标签范围估计
摘要 — 射频识别 (RFID) 是一种快速发展的无线通信技术，用于电子识别、定位和跟踪产品、资产和人员。RFID 已成为构建实时定位系统 (RTLS) 的主要手段之一，该系统使用简单、廉价的标签（附在或嵌入物体中）和读取器（接收来自这些标签的无线信号以确定其位置）实时跟踪和识别物体的位置。大多数 RFID 标签定位技术严重依赖于对读取器和标签之间距离的精确估计。传统上，距离信息是从接收信号强度指示 (RSSI) 获得的。这种方法不准确，特别是在复杂的传播环境中。到达相位差 (PDOA) 的最新发展允许相干信号处理以提高距离估计性能。利用多个频率可以进一步提高范围估计性能。在本文中，我们重点研究基于多频的技术，以实现无源或半无源 RFID 标签范围估计的几个重要优势。使用精心设计的多个频率可以实现有效的相位上卷和消除 PDOA 方法中可能遇到的范围模糊问题。在复杂的传播环境中，当信号在某些频率上高度衰落时，基于多频的技术可提供频率分集以实现稳健的范围估计。这些优势不仅可以提高各种应用中 RFID 标签的范围估计精度，还可以在具有挑战性的场景中实现稳健的范围估计。
DNN 辅助基于粒子的贝叶斯联合同步与定位
摘要 — 在本文中，我们提出了一种基于深度神经网络辅助粒子滤波器 (DePF) 的方法来解决超密集网络中的移动用户 (MU) 联合同步和定位 (sync&loc) 问题。具体而言，DePF 在 MU 和接入点 (AP) 之间部署了一种非对称时间戳交换机制，传统上，该机制为我们提供有关 MU 时钟偏移和偏差的信息。然而，AP 和 MU 之间的距离信息也是交换时间戳所经历的传播延迟所固有的。此外，为了估计接收到的同步数据包的到达角，DePF 利用多信号分类算法，该算法以同步数据包所经历的信道脉冲响应 (CIR) 为输入。CIR 还用于确定链路条件，即视距 (LoS) 或非视距。最后，为了执行联合同步和定位，DePF 利用粒子高斯混合，允许对上述信息进行基于粒子和参数贝叶斯递归滤波 (BRF) 的混合融合，从而联合估计 MU 的位置和时钟参数。模拟结果验证了所提出的算法优于最先进的方案，尤其是基于扩展卡尔曼滤波器和线性化 BRF 的联合同步和定位。特别是，仅利用来自单个 AP 的同步时间戳交换和 CIR，在 90% 的情况下，绝对位置和时钟偏移估计误差分别保持在 1 米和 2 纳秒以下。
基于STM32微控制器的高精度激光测距
在电子工程的工业和研究领域，距离信息被视为关键测量之一 [1]。为了获得准确可靠的距离数据，具有测距能力的设备现在广泛应用于军事和工业领域，包括红外 (IR) 和超声波测距仪。然而，使用这些传统的测距系统会出现许多准确性问题，因为它们对周围环境非常敏感，特别是当暴露于非结构化和不可预测的物理环境（灰尘、温度、烟雾）或结构混乱的环境（瓦砾、碎片等）时 [2]。因此，提出了一种更可靠的测距方法。激光二极管发射高度定向的光束，具有体积小、亮度高、颜色纯、能量密度高和效率高的优点 [3][4]。最重要的是，激光测距系统不易受到环境影响，因为可以通过测量反射和散射回波信号的时间间隔、频率变化和光束方向来获得目标的距离和方向。使用激光测距方法的测量误差仅为其他光学测距仪的五分之一到百分之一 [5]。相位激光测距法因其高精度而受到广泛欢迎，然而其应用问题也不容忽视，观测到在频率漂移、噪声、大气折射等影响下，可能由于相位折叠或相位模糊而出现接近零步进误差[6]。Barreto 等人采用了三角测量激光测距法，但其灵敏度要求严格且功耗高[7]。本文研制了一种微型、便携、低功耗的激光测距系统，具有两种测量模式：高精度模式和长距离模式。本文研制了一种微型便携式激光测距系统，具有两种测量模式：高精度模式和长距离模式。该系统基于 VL53L0X 飞行时间激光测距传感器和 STM32F407 微控制器 [8]。
文章 基于空间人工智能的小麦检测和防撞农业机器人平台
摘要：为了在小麦生长季节获得更一致的测量结果，我们构思并设计了一个自主机器人平台，该平台使用空间人工智能 (AI) 在作物行中导航时执行防撞。农学家的主要限制是在驾驶时不要碾过小麦。因此，我们训练了一个空间深度学习模型，该模型可帮助机器人在田间自主导航，同时避免与小麦发生碰撞。为了训练这个模型，我们使用了公开的预标记小麦图像数据库，以及我们在田间收集的小麦图像。我们使用 MobileNet 单次检测器 (SSD) 作为我们的深度学习模型来检测田间的小麦。为了提高机器人实时响应田间环境的帧速率，我们在小麦图像上训练了 MobileNet SSD，并使用了新的立体相机 Luxonis Depth AI 相机。新训练的模型和相机可以实现每秒 18-23 帧 (fps) 的帧速率 - 足够快，让机器人每行驶 2-3 英寸就能处理一次周围环境。一旦我们知道机器人准确地检测到周围环境，我们就会解决机器人的自主导航问题。新的立体摄像头使机器人能够确定与训练物体的距离。在这项工作中，我们还开发了一种导航和防撞算法，该算法利用这些距离信息帮助机器人观察周围环境并在田间机动，从而精确避免与小麦作物发生碰撞。我们进行了大量实验来评估我们提出的方法的性能。我们还将我们提出的 MobileNet SSD 模型获得的定量结果与其他最先进的物体检测模型（例如 YOLO V5 和 Faster 区域的卷积神经网络 (R-CNN) 模型）的定量结果进行了比较。详细的比较分析揭示了我们的方法在模型精度和推理速度方面的有效性。
小型无人机响应设备租赁
1.整体性能 (1)须符合无线电法及相关法规的要求。 （2）必须遵守《禁止非法访问法》及其他相关法律法规。 (3) 必须能够使用固定支架在设施等或车辆上安装和使用该装置。 （4）安装在设施上时，必须能够不断监控各个方向半径2公里范围内的区域，安装在车辆上时，必须能够不断监控各个方向半径1.5公里范围内的区域。 （5）必须能够同时探测、识别和跟踪多架小型无人机，并在地图屏幕上连续显示和记录这些功能。 （6）必须能够通过警报通知小型无人机的入侵，并通过干扰无线电波的方式防止已识别的小型无人机的入侵。 （7）必须能够探测小型无人机飞行员的位置或起飞点。 (8)必须能由一个人操作。 （9）主机、天线及显示/操作终端必须安装在车辆上，并能使用车辆电池作为电源进行操作。 （10）该设备必须能够由一个人在 10 分钟或更短的时间内安装完成，并且不需要对车辆进行任何改装。此外，它不得影响车辆的载客量，并且必须能够轻松地将乘客转移到其他车辆。 （11）必须可以随意删除内置数据。 （12）部件必须能够存放在随附的储存箱中，并方便一个人携带。 2. 主机 （1）接收频带：10 MHz 至 6 GHz （2）发射频带：700 MHz 至 6 GHz （3）频率带宽：160 MHz 以内 （4）发射功率：最大 20 W 或更低 （5）输入功率：交流 100 V 和直流 24 V （6）功耗：最大 36 W 或更低 （7）必须具有双接收通道和双发射通道。 （8）工作温度：-20℃～+50℃。 （9）防尘、防滴性能相当于IP53（JIS C 0920）或更高，雨天也能使用。 （连接天线时） 3 天线 (1) 必须能够连接到主机。 （2）工作温度：-20℃～+50℃。 （3）具有相当于IP53（JIS C 0920）或更高的防尘、防滴性能，雨天也能使用。 （连接天线时） 4.显示及操作终端 （1）应能显示小型无人机的飞行轨迹。 （2）该设备必须能够在地图屏幕上显示其当前位置。 （3）必须能显示兼容小型无人机列表，以及小型无人机的制造商名称、型号名称、起飞点、当前位置、高度、距当前位置的方向、距离信息。 （4）形状必须是智能手机类型、平板电脑类型或笔记本电脑类型。 （5）屏幕尺寸须为5英寸或更大。 （6）具有相当于IP65（JIS C 0920）或更高级别的防尘、防滴性能，并在雨天也能使用。 （7）操作系统须为Android 9.0或更高版本或Windows 10或更高版本。 （8）工作温度：0℃至+35℃