XiaoMi-AI文件搜索系统
World File Search System雷达的
基于激光雷达的3D时间对象通过运动...
摘要：最近，行业对自动驾驶的需求不断增长，引起了对3D对象检测的极大兴趣，从而导致许多出色的3D对象检测算法。但是，大多数3D对象检测器仅专注于一组激光雷达点，而忽略了它们通过利用连续的激光雷达点提供的信息来提高性能的潜在能力。在本文中，我们提出了一种新颖的3D对象检测方法，称为时间运动感知3D对象检测（TM3DOD），该方法利用了时间发光剂数据。在提出的TM3DOD方法中，我们通过使用连续的BEV特征映射生成运动功能来汇总LIDAR VOXER和当前BEV特征。首先，我们提出了时间体素编码器（TVE），该编码器（TVE）通过捕获体素内的点集之间的时间关系来生成体素表示。接下来，我们设计一个运动吸引特征聚合网络（MFANET），该网络旨在通过量化两个连续的BEV特征图之间的时间变化来增强当前的BEV特征表示。通过分析BEV特征图随时间推移的差异和变化，MFANET捕获运动信息并将其集成到当前特征表示中，从而使3D对象更加可靠，更准确地检测。对Nuscenes基准数据集的实验评估表明，与基线方法相比，提出的TM3DOD方法在3D检测性能方面取得了显着改善。此外，我们的方法与最先进的方法达到了可比的性能。
数字图像合成器对抗逆合成孔径雷达的性能分析
估计此信息收集的公共报告负担平均为每份回应 1 小时，包括审查指令、搜索现有数据源、收集和维护所需数据以及完成和审查信息收集的时间。请将有关此负担估计或此信息收集的任何其他方面的意见（包括减轻此负担的建议）发送至华盛顿总部服务部、信息运营和报告理事会，1215 Jefferson Davis Highway，Suite 1204，Arlington，VA 22202-4302，以及管理和预算办公室、文书工作减少项目 (0704-0188)华盛顿特区 20503。1. 仅供机构使用（留空）2. 报告日期 2002 年 9 月 3. 报告类型和涵盖日期 电气工程师论文
机载监视雷达的空时自适应处理
为了概念清晰，图 70.1 中的 STAP 配置将可能集成的孔径分为两部分：最有可能由雷达发射器共享的主孔径，以及用于抑制宽带噪声干扰器 (WNJ) 的空间分布通道辅助阵列。为方便讨论，假设主孔径具有 N c 列元件，列间距等于半波长，每列中的元件组合在一起以产生预先设计的非自适应仰角波束模式。主孔径的大小（就系统所选波长而言）是一个重要的系统参数，通常由系统规范确定，包括所需的发射器功率孔径乘积以及方位角分辨率。典型的孔径尺寸范围从某些短程雷达的几个波长到某些机载预警系统的 60 多个波长。模拟波束形成网络将主孔径的 N c 列组合起来以产生 N s 个接收器通道，这些通道的输出被数字化以供进一步处理。需要注意的是，[ 1 ] 中提出的最早的 STAP 方法，即所谓的“元素空间”方法，是图 70.1 中 N s = N c 的特例。模拟波束形成器的设计会影响
用于大气研究的机载相控阵雷达的设计权衡
学术机构、州、联邦和私人机构一直在合作开发用于大气应用的相控阵雷达。目前，麻省理工学院林肯实验室 (MIT-LL) 正在开发一种多功能、二维 (2-D)、双极化、平面和多功能 S 波段雷达系统 [6]。这一开发中最大的挑战之一是实现可接受的极化性能 [7]。为了克服这一限制，国家强风暴实验室 (NSLL) 和俄克拉荷马大学正在评估为实际扫描不变天气测量制作圆柱极化相控阵雷达 (CPPAR) 原型的可能性 [8]。大气协同自适应传感中心 (CASA) [9] 提出的另一种方法包括低功耗、低成本的双极化相控阵雷达。为了克服极化失真，CASA 雷达仅在相对容易获得交叉极化隔离的主平面上执行电子扫描 [9]。
沿轨干涉机载雷达的飞行中多通道校准
摘要 — 多通道校准对于检测移动目标并准确估计其位置和速度至关重要。本文介绍了一种快速有效的沿轨多通道系统校准算法，特别是针对时空自适应处理 (STAP) 技术。所提出的算法校正了接收通道的相位和幅度偏移，还考虑了沿斜距和方位角时间的多普勒质心变化（例如由大气湍流引起）。多普勒质心变化的知识对于准确的杂波协方差矩阵估计尤其重要，这是 STAP 有效抑制杂波所必需的。重要的校准参数和偏移量直接从距离压缩训练数据中估计。基于使用 DLR 机载系统 F-SAR 获取的真实多通道 X 波段雷达数据对所提出的算法进行了评估，并与最先进的数字通道平衡技术进行了比较。实验结果表明，所提出的校准算法在实时应用中具有潜力。
一款用户友好的耳机，用于基于雷达的静默语音识别
静默语音接口允许在没有声学语音信号的情况下进行语音通信。在这种应用中，使用在说话者脸上安装无线电天线的雷达感应可用作测量语音清晰度的非侵入式方式。这种方法的主要挑战之一是不同会话之间的差异性，主要是由于天线在说话者脸上的位置不同。为了减少这个影响因素的影响，我们开发了一种可穿戴耳机，它可以用柔性材料 3D 打印而成，重量仅为 69 克左右。为了进行评估，进行了一项基于雷达的单词识别实验，其中五位说话者在多个会话中录制了语音语料库，交替使用耳机和双面胶带将天线贴在脸上。通过使用双向长短期记忆网络进行分类，使用耳机和胶带分别获得了 76.50% 和 68.18% 的平均会话间单词准确率。这表明，使用耳机的天线（重新）定位精度并不比使用双面胶带的差，同时还具有其他优势。索引词：静音语音接口、可穿戴耳机、BiLSTM、雷达成像、语音相关生物信号
基于激光雷达的机器人检查电源线的对象识别
摘要：本文使用在自主机器人中实现的光检测和范围传感器提出了一种新技术，用于对高压传输线（LARA）的多模式预测检查。该方法通过使用人工智能技术提供垂直感知并分类传输线组件，从而增强了机器人的功能。基于激光雷达的系统着重分析对象的二维（2D）切片，减少数据量并提高计算效率。对象分类是通过计算2D切片中的绝对差异来创建唯一签名来实现的。当在真实机器人上使用Raspberry Pi上的K-Nearest邻居网络进行实验评估时，该系统在线性运动实验中准确检测到的对象，例如减震器，信号和绝缘体。结果表明，这种方法显着提高了Lara识别电力线组件，达到高分类精度并具有先进自主检查应用的潜力。
基于激光雷达的强度感知室外3D对象检测
摘要：基于激光雷达的3D对象检测和定位是自动导航系统的关键组成部分，包括自动驾驶汽车和移动机器人。大多数基于LIDAR的3D对象检测和定位方法主要使用LIDAR点云中的几何或结构特征抽象。但是，由于不利的天气条件或高度散射培养基的存在，这些方法可能会因环境噪声而易受环境噪声。在这项工作中，我们提出了一个强度感知的体素编码器，用于鲁棒3D对象检测。提出的体素编码器生成了一个强度直方图，该强度直方图描述了体素内点强度的分布，并用于增强体素特征集。我们将此强度感知的编码器集成到有效的单级体素检测器中，以进行3D对象检测。使用Kitti数据集获得的实验结果表明，我们的方法相对于3D检测中的CAR对象的最新方法，从鸟类的视图和行人和环体对象获得了可比的结果。此外，我们的模型可以在推理期间达到40.7 fps的检测率，该检测率高于最新方法的检测率，并产生较低的计算成本。
郊游，Advantech和Intel提供基于激光雷达的空间智能
LIDAR传感器和相机连接到基于Intel Core处理器的Advantech MIC 770 PC，该PC运行了郊外偏移软件。系统使用一个CPU核心为每个LIDAR流进行LIDAR数据，另外两个CPU内核来集成流，因此两个激光盆仅需要四个核。虽然Lidar使用CPU内核，但Intel SceneScape使用集成的GPU在相机框架上执行视频分析，然后将两者的输出合并在一起创建数字双胞胎。图2显示了系统如何一起工作。
RainCube：立方体卫星中第一台雷达的任务概述
• 用于立方体卫星的微型 Ka 波段大气雷达 (miniKaAR-C) • Ka 波段雷达抛物面可部署天线 (KaRPDA) - 为地球科学提供降水剖面雷达任务 • 角色和职责