XiaoMi-AI文件搜索系统
World File Search System雷达数据
多功能相控阵雷达统一研究与...
监视和气象雷达能力是国家基础设施的重要组成部分。无论是用于预测龙卷风或山洪暴发、在繁忙的机场安全地引导飞机进出跑道，还是监测天空中是否存在潜在的国防或恐怖主义威胁，雷达都有助于确保公民的安全并支持我们经济的健康发展。不幸的是，我们所有的雷达系统都在老化，大多数将在未来 10 年内过时。此外，由于使用的各种雷达系统数量众多且年代久远，它们在后勤上效率低下，并且采用的技术无法提供最佳服务水平。对全面雷达更换计划的需求恰逢其时。几十年来一直提供军事监视解决方案的技术正变得越来越经济实惠，适合民用。规模经济、后勤简单性和无线行业的利用技术相结合，使相控阵雷达成为天气和飞机监视的有吸引力的解决方案，特别是如果可以使用一个可扩展的平台进行监视。联邦气象服务和支持研究协调员办公室一直在协调使用天气和监视雷达数据执行任务的各部门之间的风险降低工作：商务部（国家海洋和大气管理局 - NOAA）、商务部
3D 模型的制定和调查...
摘要 激光扫描是获取地形及其上物体的高精度最新空间数据的方法之一。LIDAR（光探测和测距）是最现代、发展最快的技术之一，它揭示了迄今为止传统方式无法实现的测量新功能。本出版物的目的是展示使用机载激光扫描数据进行能源网络测量和可视化的可能性，以及使用 TerraSolid 软件包识别现有网络对周围环境构成的危险。根据从机载激光扫描获得的两个不同点云，对电力线的两个独立部分进行了测量。第一个的密度为 16 点/平方米，而另一个的密度为 22 点/平方米。该项目是在 MicroStation V8i 软件环境中创建的，使用了芬兰 TerraSolid 公司的 TerraScan 和 TerraModeler 等特殊叠加层。使用不同密度的测试云旨在指示点云的最佳密度，从而允许基于机载激光扫描数据对能源网络进行调查和可视化。该出版物通过特定示例介绍了电力线矢量化和可视化的过程以及对距离电力线危险距离内的物体的检测。还证实了使用符合行业要求的应用激光雷达数据进行电力线调查的可能性。
头脑中的飞机：空中交通管制员的心理方式...
I. 引言 在正常运行状态下，两个空中交通管制员组成的二元组负责任何给定空域。 两者都可以访问与任务相关的信息，例如雷达数据、天气报告和航班时刻表。图 1 显示了德国空中交通管制员的工作场所。 在二元组中，空中交通管制员扮演着不同的角色：一个（执行官）负责通过无线电使用口头交通命令与飞行员通信，而另一个（规划员）负责协调来自或向其他扇区的航班的接受或移交。 这是必要的，因为每个扇区都有其各自的飞行高度层运行，并且通常只接受某个飞行高度层阈值内的航班，以保持相邻航班之间的平稳垂直对齐。在安排交接时，规划人员还负责核实高管与飞行员之间的沟通，并在必要时进行干预。因此，职责的划分取决于良好的内部沟通以及透明的工作环境。加快和维持有序的交通流量可以说是空中交通管制员工作的主要目标。然而，出于安全原因，严格遵守分离标准设定了不可协商的规则，这些规则充当了约束 [1，第 341 页]。这两个特点的结合导致了一项艰巨的工作，特别是因为空中交通管制员必须
雷暴湍流的远程检测和诊断
本文介绍了如何将雷达、卫星和闪电数据与数值天气模型数据结合使用，以远程检测和诊断雷暴中及周围的大气湍流。使用 NEXRAD 湍流检测算法 (NTDA) 测量云内湍流，该算法使用经过严格质量控制的地面多普勒雷达数据。NTDA 的实时演示包括生成覆盖落基山脉以东美国大陆的 3-D 湍流马赛克、基于网络的显示以及将湍流图实验性地上传到途中的商用飞机。近云湍流是根据雷暴形态、强度、增长率和环境数据推断出来的，这些数据由 (1) 卫星辐射测量、变化率、风和其他派生特征、(2) 雷击测量、(3) 雷达反射率测量和 (4) 天气模型数据提供。这些数据通过机器学习技术相结合，该技术使用商用飞机的现场湍流测量数据库进行训练，以创建预测模型。这项新功能由 FAA 和 NASA 资助开发，旨在增强当前美国和国际湍流决策支持系统，以便为飞行员、调度员和空中交通管制员提供快速更新、高分辨率、全面的大气湍流危害评估。它还将为 NextGen 的综合 4-D 天气信息数据库做出贡献。
利用机载激光雷达进行海岸线测绘概述
摘要：海岸线是重要的地理边界，监测海岸线变化在海岸综合管理中起着重要作用。随着遥感技术的发展，许多研究已经利用光学图像来测量和提取海岸线。然而，一些因素限制了光学成像在海岸线测绘中的应用。考虑到机载激光雷达数据可以提供更精确的地形信息，已经有一些研究使用机载激光雷达来绘制海岸线。然而，尚未进行将机载激光雷达与海岸线测量和提取方法相结合的文献综述。本文的目的是对使用机载激光雷达进行海岸线测绘进行叙述性回顾，包括激光扫描系统、数据可用性以及过去二十年来当前的提取技术。因此，我们进行了广泛的搜索，最终总结了 130 多篇关于机载激光雷达技术用于海岸线测量和海岸线提取的文章。我们发现利用机载 LiDAR 进行海岸线测绘仍面临诸多挑战，例如客观条件限制、数据可用性限制和自身特性限制。目前的海岸线提取方法有很大的改进潜力；特别是当与新兴的当前最先进的 LiDAR 点云处理技术（例如深度学习算法）相结合时，它们将具有巨大的潜力
对雷达对象检测的对抗性阴影攻击
摘要 - 对象检测是一个关键函数，可从传感器获取的数据中检测对象的位置和类型。在自主驾驶系统中，使用来自摄像机和激光镜头的数据进行对象检测，并根据结果，控制车辆以遵循最安全的路线。但是，据报道，基于机器学习的对象检测具有对对抗样本的脆弱性。在这项研究中，我们提出了一种新的攻击方法，称为LIDAR对象检测模型“ Shadow Hack”。虽然先前的攻击方法主要添加了扰动点云到激光雷达数据中，但在这项研究中，我们引入了一种在激光雷达点云上生成“对抗阴影”的方法。特别是，攻击者从战略上放置了诸如铝制休闲垫之类的材料，以在激光雷达点云上重现优化的位置和阴影的形状。该技术可能会在自动驾驶汽车中误导基于激光雷达的对象检测，从而导致诸如制动和避免操纵之类的行动导致交通拥堵和事故。我们使用仿真来重现Shadow Hack攻击方法，并评估攻击的成功率。此外，通过揭示攻击成功的条件，我们旨在提出对策并有助于增强自动驾驶系统的鲁棒性。
bevcar：bev地图和对象分割的摄像机雷达融合
摘要 - 从鸟类的视图（BEV）角度来看，语义场景细分在促进移动机器人的计划和决策方面起着至关重要的作用。尽管最近仅视力的方法表现出了显着的性能进步，但它们通常在不利的照明条件下（例如降雨或夜间）挣扎。虽然主动传感器为这一挑战提供了解决方案，但激光雷达的高成本仍然是一个限制因素。将摄像机数据与汽车雷达融合起来是更便宜的替代方法，但在先前的研究中受到了较少的关注。在这项工作中，我们旨在通过引入Bevcar（一种新型的BEV对象和地图细分方法）来推动这一有希望的途径。我们方法的核心新颖性在于首先学习原始雷达数据的基于点的编码，然后将其利用以有效地将图像特征抬起到BEV空间中。我们对Nuscenes数据集进行了广泛的实验，并证明Bevcar优于当前的技术状态。此外，我们表明，合并雷达信息显着提高了挑战性环境条件中的鲁棒性，并提高了远处对象的细分性能。为了培养未来的研究，我们提供了实验中使用的Nuscenes数据集的天气拆分，以及http://bevcar.cs.uni-freiburg.de的代码和训练有素的模型。
案例研究 - OECD
区域当局需要有关森林状况的详细地理参考信息，以确保可持续的森林管理。森林资源清查受到资源密集型实地工作的限制，而遥感 (RS) 则提供快速、可靠且可复制的数据收集和处理。近年来，结合机载激光扫描 (ALS) 数据和合成孔径雷达 (SAR) 数据的研究活动有所增加。本研究的总体目标是结合机载激光雷达数据、光学卫星数据和雷达卫星数据来估计位于中欧的异质森林的立木量。对综合森林管理单位 FMU Vígľaš（斯洛伐克）进行了案例研究。具体而言，机载和星载数据集的组合包含以下步骤：（1）基于 ALS 的建模 - 基于 ALS 的冠层高度模型的指标与测量的立木蓄积量，（2）基于 ALS 的测绘 - 使用基于 ALS 的模型估算 FMU 级别的立木蓄积量，（3）基于 SAT 的建模 - 基于 SAT 的数据集的指标与基于 ALS 的立木蓄积量估计值，（4）基于 SAT 的测绘 - 使用基于 SAT 的模型估算 FMU 级别的立木蓄积量，（5）精度评估 - 将 ALS 和 SAT 估计的立木蓄积量与 45 个异质测试地块内的地面参考数据进行比较。基于 ALS 的立木蓄积量是基于以平均冠层高度为预测因子的简单线性回归模型估算的。该模型实现了
从卫星图像中基于变压器的雷达复合材料的现象
摘要：天气雷达数据对于现象和数值天气预测模型的组成部分至关重要。虽然天气雷达数据以高分辨率提供了有价值的信息，但其基于地面的性质限制了其供应能力，这阻碍了大规模应用。相比之下，气象卫星覆盖了较大的域，但具有更粗糙的重置。然而，随着数据驱动方法和地球静止卫星上的现代传感器的快速发展，新的机会正在出现，以弥合地面和太空观测之间的差距，最终导致更熟练的天气预测以高准确性。在这里，我们提出了一个基于变压器的模型，用于使用最多2小时的卫星数据进行基于接地的雷达图像序列。预测在不同的天气现象下发生的雷达场，并显示出鲁棒性，以防止快速生长/衰减的领域和复杂的场结构。模型解释表明，以10.3 m m（C13）为中心的红外通道包含所有天气条件的熟练信息，而闪电数据在恶劣天气条件下的相对特征最为重要，尤其是在较短的交货时间。该模型可以支持在大型范围内进行降水，而无需明确需要雷达塔，增强数值天气预测和水文模型，并为数据筛选区域提供雷达代理。此外，开源框架有助于朝着操作数据驱动的NOWCASTING的进步。
2024 年夏季奖项获得者
文理学院 Zahra Abdi 战争中的家庭：内战创伤与共和国晚期的社会变革 Zsuzsanna Varhelyi (CAS, 古典学) Ariyana Aghazadeh-Bonab 分析 SDSS-V 光谱以寻找受锂和金属污染的白矮星候选者 JJ Hermes (CAS, 天文学) Mehmet Akharman 对 Millstone Hill 天文台 440 MHz 地磁雷达数据的英仙座流星雨分析 Meers Oppenheim (CAS, 天文学) Mohammad Aldabbagh 皮质功能层次组织与失语症行为的关系 Swathi Kiran (CAS, 神经科学) Leen Alnsour 了解 CMS 精确定时探测器硅模块的性能 Indara Suarez (CAS, 物理系) Emma Applegate 拟南芥中硫代葡萄糖苷生物合成的代谢调控 John Celenza (CAS, 生物学) Justin Arrick 探索胰高血糖素样肽 1 受体激动剂对基于奖励的决策的影响 Lynne Chantranupong (CAS，生物学) Parnian Asgari 一系列 Cr-全氟频哪酸酯复合物的合成、表征和反应性 Linda Doerrer (CAS，化学) Hallie Baker 研究面部识别软件在打击高棉雕像非法文物贸易中的潜在应用 Robert Murowchick (CAS，人类学（考古学项目）)