未经同行评审认证)是作者/资助者。保留所有权利。未经许可不得重复使用。此预印本的版权所有者(此版本于 2020 年 4 月 28 日发布。;https://doi.org/10.1101/2020.04.26.062703 doi:bioRxiv preprint
摘要 — 人类遥控 (RC) 飞行员能够仅使用第三人称视角视觉感知来感知飞机的位置和方向。虽然新手飞行员在学习控制遥控飞机时经常会遇到困难,但他们可以相对轻松地感知飞机的方向。在本文中,我们假设并证明深度学习方法可用于模仿人类从单目图像感知飞机方向的能力。这项工作使用神经网络直接感知飞机姿态。该网络与更传统的图像处理方法相结合,用于飞机的视觉跟踪。来自卷积神经网络 (CNN) 的飞机轨迹和姿态测量值与粒子滤波器相结合,可提供飞机的完整状态估计。介绍了网络拓扑、训练和测试结果以及滤波器开发和结果。在模拟和硬件飞行演示中测试了所提出的方法。
数字电视的转变正在将电视机变成一种娱乐和信息供应设备,提供与观众的双向通信。然而,目前的遥控设备不适合浏览未来数字电视提供的大量服务和信息,大概也是一种访问互联网的设备。应对电视观众所需的复杂信息导航的一种可能性是增强目前电视可用的交互工具。本文研究了两种增强方法:将纸质电视指南与数字电视连接起来,并通过语音交互增强遥控器。增强纸质电视指南是一种基于将纸质电视指南集成到计算技术的未来研究方法。该解决方案提供了交互式纸质电视指南,它还可以用作电视的遥控器。开发了一个原型系统,并进行了探索性研究来研究这种方法。这些研究表明将纸质电视指南集成到电视机中的好处。它们还揭示了为家庭信息系统提供创新解决方案的潜力。将熟悉的物理制品(如纸和笔)集成到电视技术中,可以轻松访问通常由 PC 和互联网提供的信息服务。因此,电视所需的相同增强功能