XiaoMi-AI文件搜索系统
World File Search System距离测量
绝对地面平面限制了3D激光雷达大满贯
准确的映射和本地化（Dill＆Uijt de Haag，2016年）对于自动驾驶汽车等自主系统（Advs; Huang等，2019）和室内移动机器人技术（Hess等，2016）都是重要的。付出了巨大的努力，致力于使用3D光检测和范围（Lidar; Hess等，2016）传感器的稳健性与基于视觉的SLAM方法相比，使用3D光检测和范围（Lidar; Hess等，2016）传感器实现了准确的同时定位和映射（SLAM）（SLAM）（Qin等，2018，2018）。基于视觉的大满贯基于被动传感器（例如相机）可能对照明和观点变化敏感。相反，像3D激光雷达这样的主动传感器可以为周围环境提供距离测量，而环境不变。出色的鲁棒性和精确度使3D LiDAR成为用于大规模映射和本地化的必不可少的传感器。
增强型被动声纳反射器 SonarBell 的性能
商业海洋活动推动了对海底设备定位和重新定位技术解决方案的需求。传统解决方案通常涉及通过对多个发射器进行距离测量来进行定位，但这些有源设备包含需要定期维护的电池。因此，使用被动声纳反射器作为导航和定位辅助设备是可取的。其实用性的基础是它们反射声纳能量的能力，以目标强度量化。以 SonarBell 为代表的商业被动反射器技术的最新进展使其成为水下定位的实用技术。在本研究中，介绍了被动声纳反射器和 SonarBell 的声学特性。基本声纳方程分析的结果和水箱中宽带校准测量的目标强度估计了使用 SonarBell 在定位系统中可以实现的性能。两次现场测试的记录表明 SonarBell 正在实际使用中。
增强型被动声纳反射器SonarBell的性能
商业海上活动推动了对海底设备定位和重新安置技术解决方案的需求。传统解决方案通常涉及通过对多个发射器进行距离测量来进行定位，但这些有源设备包含需要定期维护的电池。因此，使用被动声纳反射器作为导航和定位辅助设备是可取的。其实用性的根本在于它们反射声纳能量（量化为目标强度）的能力。以 SonarBell 为代表的商用被动反射器技术的最新进展使其成为一种实用的水下定位技术。在本文中，介绍了被动声纳反射器和 SonarBell 的声学特性。基本声纳方程分析的结果和水箱中宽带校准测量的目标强度估计了使用 SonarBell 在定位系统中可以实现的性能。两次现场测试的记录表明 SonarBell 正在得到实际应用。
分析瞬时大脑相互作用对运动图像分类任务的贡献
这项研究的目的是分析电极之间的相互作用的贡献，即以相关性或jaccard距离测量，对运动成像范式中两种作用的分类，即左手运动和右手运动。分析是在两个分类模型中进行的，即静态（线性判别分析，LDA）模型和动态（隐藏的条件随机范围，HCRF）模型。还分析了在静态和动态模型中使用滑动窗口技术（SWT）的影响。The study proved that their combination with temporal features provides significant information to improve the classification in a two-class motor imagery task for LDA (average accuracy: 0.7192 no additional features, 0.7617 by adding correlation, 0.7606 by adding Jaccard distance; p < 0.001) and HCRF (average accuracy: 0.7370 no additional features, 0.7764 by adding相关性，通过添加Jaccard距离为0.7793；另外，我们表明，在相互作用度量或分类器本身的性质上，电极之间的相互作用显着提高了每个分类器的性能。
鉴定印度药用植物中的植物化学物质
图 2. A) 条形图显示来自印度药用植物的对接得分最高的植物化学物质的百分比。横轴表示植物化学物质的百分比。纵轴是印度药用植物的名称。B) Heatmapper 根据 21 种药物与 SARS-COV-2 的 10 个结合位点的对接得分生成相关性（平均链接，皮尔逊距离测量）热图。左侧纵轴中的数字代表 SARS-COV-2 靶标：1：蛋白酶；2：刺突蛋白，3：NSP 10；4：NSP 12 催化位点；5：NSP 12-NSP7 界面；6：NSP 12-NSP 8 界面；7：NSP 16；8：NSP 9；9：NSP 15； 10：NSP 3。横轴代表21种药物，缩写为：磷酸氯喹（CP）；氯喹（CL）；阿比多尔（AR）；瑞德西韦（REM）；法匹拉韦（FAV）；洛匹那韦（LOP）；利托那韦（RIT）；利巴韦林（RIB）；奥司他韦（OSE）；扎那米韦（ZAN）；帕拉米韦（PER）；更昔洛韦（GAN）；甲基强的松龙（MEP）；地塞米松（DEX）；巴瑞替尼（BAR）；羟氯喹（HCL）；索非布韦（SOF）；干扰素α-2b（INA）；卡莫司他甲磺酸盐（CAM）；达芦那韦（DAR）；加利地西韦/BCX-4430（GAL）。颜色代表对接分数的z分数。 C) 21 种药物（缩写为 F1…Fn）和植物化学物质（缩写为 P1…Pn）的 8 个 ADME 概况的成对互相关图（Elucidian 距离测量）。橙色框表示图中显示药物和植物化学物质之间相关性的区域，其 ADME 概况显示标准规则的违反程度非常低。D) 比较条形图显示 21 种药物（左图）和植物化学物质（右图）的 13 个毒性概况。是：显示毒性的化合物百分比，否：未显示毒性的化合物百分比。横轴表示化合物的百分比，纵轴是从 vNN ADMET 服务器获得的各种毒性概况。
检测到的物体的金属探测器信号印记 - CORE
人道主义排雷任务是将操作员安全和时间消耗作为关键问题的活动。为了提高我们一直在使用的 ATMID 金属探测器的识别能力，我们扩展了探测器的功能，在探测器头部安装了惯性测量单元 (IMU)，并辅以两个光学距离传感器。这使我们能够根据 IMU 在所有三个轴上测量的加速度和角速率进行航位推算。光学距离传感器已用于补偿目的和初始距离测量。我们的主要目标是将探测器感测到的磁性印记与其头部的精确定位互连，从而估算印记尺寸及其位置。由于基于低成本微机电系统 (MEMS) 的 IMU 实现，我们不得不处理不稳定的航位推算结果。为此，我们使用了我们设计的复杂磁标记 (CMM)，它可以标出搜索区域，并为我们在其两个边缘提供精确定位。本文的主要贡献在于研究和识别 CMM 磁印特征及其与 CMM 在排雷过程中使用的各个方面及其条件相关的差异。根据几个实验室实验研究和分析了 CMM 的特性，并给出了结果。
采用 Acconeer 雷达传感器进行门禁控制的新型车型开始销售
关于 Acconeer AB Acconeer 凭借突破性技术开发出一种雷达传感器，开启了全新的交互世界。Acconeer 微型雷达传感器具有低功耗、高精度、小尺寸和高稳健性等特点，是一款 60GHz 稳健且经济高效的传感器，可用于低功耗检测、距离测量、运动检测和摄像头支持的应用。Acconeer 将低功耗优势与相干雷达的高精度脉冲雷达系统相结合，全部集成到一个表面积仅为 28 mm2 的组件中。雷达传感器可包含在从智能手机到可穿戴设备等一系列移动消费产品中，还可包含在机器人、无人机、物联网、医疗保健、汽车、工业机器人以及安全和监控系统等领域。Acconeer 是一家半导体公司，作为一种商业模式，它向消费电子产品制造商销售硬件。Acconeer 在纳斯达克 First North Growth Market 上市，股票代码为 ACCON，Redeye 是该公司的认证顾问 (CA)。更多信息请访问：www.acconeer。
自由浮动浮标声纳定位系统
将海水中近表面声速3'4 (1483 m s-r) 发送到频率计数器。门周期由射频询问脉冲和声纳返回信号之间的持续时间设置。反射的声纳信号由于传播时间较长，不会影响距离测量。一对接收换能器安装在重 4 千克的特殊形状的黄铜浮标下方 [图 3(a)]，并通过一段尼龙绳悬挂在海面以下约 4 米处（图 1），为浮标位置的三角测量计算提供了基线。通过比较换能器悬挂点之间测得的分离度与换能器分离的声纳距离测量值，确定此布置的基线稳定性在 * 0.1 m 以内。在典型的实验情况下，即前后基线为 15 米，到应答浮标的范围为 200 米，接收传感器的信噪比为 30 dB，通过三角测量计算和位置数据的统计处理，可以在 * 0.5 米的精度范围内确定浮标位置（第 III B 节）。
哺乳动物大脑中的分布式强化学习
分布式强化学习 (dRL) —— 学习预测的不仅是平均回报，还有回报的整个概率分布 —— 在广泛的基准机器学习任务中取得了令人印象深刻的表现。在脊椎动物中，基底神经节强烈编码平均值，长期以来被认为是实现 RL 的，但对于该回路中的神经元群是否、在何处以及如何编码有关奖励分布高阶矩的信息知之甚少。为了填补这一空白，我们使用 Neuropixels 探针来敏锐地记录执行经典条件反射任务的训练有素、缺水的小鼠的纹状体活动。在几个表征距离测量中，与相同奖励分布相关的气味彼此之间的编码相似度要高于与相同平均奖励但不同奖励方差相关的气味，这与 dRL 的预测一致，但不是传统 RL。光遗传学操作和计算建模表明，遗传上不同的神经元群编码了这些分布的左尾和右尾。总的来说，这些结果揭示了 dRL 与哺乳动物大脑之间显著的融合程度，并暗示了同一总体算法的进一步生物学专业化。
fhr-lidar-and-radar-sensors-space-saving-headlight- ...
包括高频物理和雷达技术研究所 (FHR) 在内的五个弗劳恩霍夫研究所联合开展了智能大灯项目，旨在创建一种既节省空间又尽可能精巧的传感器安装方法，同时不会影响功能或性能。该项目旨在开发一种用于驾驶辅助系统的集成传感器的大灯，从而能够将一系列传感器元件与自适应照明系统相结合。希望这将提高传感器识别道路上物体的能力，尤其是识别行人等其他道路使用者。例如，激光雷达传感器可用于电子制动辅助或距离控制系统。“我们将雷达和激光雷达传感器集成到已经存在的大灯中，而且，它们是确保光学传感器和光源获得最佳传输并保持清洁的部件，”弗劳恩霍夫 FHR 研究员 Tim Freialdenhoven 说。 LiDAR（光检测和测距）传感器采用一种测量原理进行操作，该原理基于确定发射激光脉冲和接收反射光之间的时间，这种方法可以产生非常精确的距离测量。