Global ETD Search

21	BLAINDER—A Blender AI Add-On for Generation of Semantically Labeled Depth-Sensing Data Reitmann, Stefan, Neumann, Lorenzo, Jung, Bernhard 02 July 2024 (has links) Common Machine-Learning (ML) approaches for scene classification require a large amountof training data. However, for classification of depth sensor data, in contrast to image data, relativelyfew databases are publicly available and manual generation of semantically labeled 3D point clouds isan even more time-consuming task. To simplify the training data generation process for a wide rangeof domains, we have developed theBLAINDERadd-on package for the open-source 3D modelingsoftware Blender, which enables a largely automated generation of semantically annotated point-cloud data in virtual 3D environments. In this paper, we focus on classical depth-sensing techniquesLight Detection and Ranging (LiDAR) and Sound Navigation and Ranging (Sonar). Within theBLAINDERadd-on, different depth sensors can be loaded from presets, customized sensors can beimplemented and different environmental conditions (e.g., influence of rain, dust) can be simulated.The semantically labeled data can be exported to various 2D and 3D formats and are thus optimizedfor different ML applications and visualizations. In addition, semantically labeled images can beexported using the rendering functionalities of Blender. Publikationsfonds info:eu-repo/classification/ddc/006.3 ddc:006.3 Lidar Sonar Messwert Automatische Klassifikation Maschinelles Lernen Trainingsdaten Generierung Blender <Programm>
22	Fusion de données géoréférencées et développement de services interopérables pour l’estimation des besoins en eau à l’échelle des bassins versants / Geospatial data fusion and development of interoperable services to assess water needs at watershed scale Beaufils, Mickaël 04 December 2012 (has links) De nos jours, la préservation de l’environnement constitue un enjeu prioritaire. La compréhension des phénomènes environnementaux passe par l’étude et la combinaison d’un nombre croissant de données hétérogènes. De nombreuses initiatives internationales (INSPIRE, GEOSS) visent à encourager le partage et l’échange de ces données. Dans ce sujet de recherche, nous traitons de l’intérêt de mettre à disposition des modèles scientifiques sur le web. Nous montrons l’intérêt d’utiliser des applications s’appuyant sur des données géoréférencées et présentons des méthodes et des moyens répondant aux exigences d’interopérabilité. Nous illustrons notre approche par l’implémentation de modèles d’estimation des besoins en eau agricoles et domestiques fonctionnant à diverses échelles spatiales et temporelles. Un prototype basé sur une architecture entièrement orientée services web a été développé. L’outil s’appuie sur les standards Web Feature Service (WFS), Sensor Observation Service (SOS) et Web Processing Service (WPS) de l’OGC. Enfin, la prise en compte des imperfections des données est également abordée avec l’intégration de méthodes d’analyse de sensibilité et de propagation de l’incertitude. / Nowadays, preservation of the environment is a main priority. Understanding of environmental phenomena requires the study and the combination of an increasing number of heterogeneous data. Several international initiatives (INSPIRE, GEOSS) aims to encourage the sharing and exchange of those data.In this thesis, the interest of making scientific models available on the web is discussed. The value of using applications based on geospatial data is demonstrated. Several methods and means that satisfy the requirements of interoperability are also purposed.Our approach is illustrated by the implementation of models for estimating agricultural and domestic water requirements. Those models can be used at different spatial scales and temporal granularities. A prototype based on a complete web service oriented architecture was developed. The tool is based on the OGC standards Web Feature Service (WFS), Sensor Observation Service (SOS) and Web Processing Service (WPS).Finally, taking into account the imperfections of the data is also discussed with the integration of methods for sensitivity analysis and uncertainty propagation. Fusion de données Web SIG Open Geospatial Consortium Modèle web Services Web Infrastructure de Données Spatiales Web Processing Service Capteurs virtuels Architecture orientée service Analyse de sensibilité Propagation de l’incertitude Data fusion Web GIS Open Geospatial Consortium Model web Web services Spatial Data Infrastructure Web Processing Service Virtual sensors Service oriented architecture Sensitivity analysis Uncertainty propagation 550.285
23	Modelování a řízení toků elektrické a tepelné energie v plně elektrických automobilech / Modeling and Control of Electric and Thermal Flows in Fully Electric Vehicles Glos, Jan January 2020 (has links) Systematické řízení tepelných a elektrických toků v plně elektrických automobilech se stává velmi důležitým, protože v těchto typech automobilů není k dispozici dostatek odpadního tepla pro vytápění kabiny. Aby v zimním období nedocházelo ke snížení dojezdu, je nutné použití technologií, které umožní snížení spotřeby energie nutné k vytápění kabiny (např. tepelné čerpadlo, zásobník tepla). Je také zapotřebí vytvořit řídicí algoritmy pro tato zařízení, aby byl zajištěn jejich optimální provoz. V letním období je nezbytné řídit tepelné toky v rámci elektromobilu tak, aby nedocházelo k nadměrnému vybíjení baterie kvůli chlazení kabiny a dalších částí. Tato práce řeší jak návrh řídicích algoritmů, tak i vývoj rozhodovacího algoritmu, který zajistí směřování tepelných toků.
24	Sensores virtuales para procesos con medidas escasas y retardos temporales Peñarrocha Alós, Ignacio 22 December 2008 (has links) En este trabajo se aborda el problema de controlar un proceso cuya salida se muestrea de forma irregular. Para ello se propone utilizar un predictor que estima las salidas del proceso en instantes regulares de tiempo más un controlador convencional que calcula la acción de control a partir de las estimaciones del predictor (técnica conocida como control inferencial). La predicción consiste en estimar las variables de salida que se desean controlar a partir de las mediciones realizadas con diversos sensores utilizando para ello un modelo matemático del proceso. El filtro de Kalman permite hacer la predicción de forma óptima si las perturbaciones tienen una distribución gaussiana de media cero, pero con el inconveniente de requerir un elevado coste computacional cuando se utilizan diferentes sensores con retardos temporales variantes. En este trabajo se propone una estrategia de predicción alternativa de bajo coste computacional cuyo diseño se basa en el conocimiento de la disponibilidad de mediciones y de los retardos (del proceso, del sistema de medición o del sistema de transmisión de datos) y de la naturaleza de las perturbaciones. Los predictores propuestos minimizan el error de predicción frente al muestreo aleatorio con retardos variantes, perturbaciones, ruido de medida, error de modelado, retardos en la acción de control e incertidumbre en los tiempos de medición. Las diferentes estrategias de diseño que se proponen se clasifican según el tipo de información que se dispone de las perturbaciones y del coste computacional requerido. Se han planteado los diseños para sistemas monovariables, multivariables, lineales y no lineales. Asimismo, también se ha elaborado una forma más eficiente de incluir mediciones escasas con retardo en el filtro de Kalman, con el objetivo de reducir el coste computacional de la predicción. En este trabajo se demuestra que los sistemas de control inferencial que utilizan los predictores propuestos cumplen con el principio de sep / Peñarrocha Alós, I. (2006). Sensores virtuales para procesos con medidas escasas y retardos temporales [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/3882 Medidas escasas Muestreo aleatorio Muestreo no convencional Pérdida de datos Convergencia de lyapunov Retardos variantes en el tiempo Postproceado de muestras Predicción de salidas Sensores virtuales Sistemas de control basados en red Mediciones distribuidas Fusión sensorial Observadores Scarce measurements Random sampling Unconventional sampling Missing-data Sensor fusion Time-varying sampling period Observers Networked control systems Virtual sensors Distributed measurements Output prediction Sample post-processing Time-varying delays Minear matrix inequalities Lyapunov convergence INGENIERIA DE SISTEMAS Y AUTOMATICA 331102 - Ingeniería de control

Page generated in 0.0378 seconds