Das Jahr 2023 ist fast auf halbem Weg hinein und werde es betreten’s zweite Hälfte Im Handumdrehene.
Vielen Dank für Ihre Aufmerksamkeit an SRIZFLY im Laufe der Jahre.
“Eine Reise von tausend Meilen beginnt mit einem einzigen Schritt”.
In den letzten zwei Jahren SRIZFLY wurde Kontinuierlich polierening selbst entwickelte Flugsimulations-Engine, die Reifung der Flugsimulationoder Produkte Tag für Tag.
Heute kündigen wir die Entwicklung von Inhalten für die Simulation von UAV-Sensoren an
Werfen wir einen Blick auf die neuen Funktionen~
Sensor-Simulation
Das SRIZFLY Die Flugsimulationsmaschine kann die Simulation der Umgebungswahrnehmung unbemannter Systeme durch optische Sensorbildgebungssimulation (einschließlich sichtbarem Licht, Infrarot und LIDAR) und bieten eine RGB-Kamera und ihre’ Ausgabe des Videostreams, LIDAR und seine Echtzeit-Generierung von Punktwolkendaten, die in großem Umfang bei der Verifizierung von Algorithmen unbemannter Systeme eingesetzt werden können.
· Simulation des sichtbaren Lichts
Die Kamerasimulation erstellt ein dreidimensionales Modell des Objekts basierend auf den geometrischen und räumlichen Informationen des Umgebungsobjekts und fügt dem dreidimensionalen Modell durch Computergrafiken, die auf dem realen Material und der Textur des Objekts basieren, Farbe und optische Eigenschaften hinzu, einschließlich der Simulation von monokularen, binokularen und Fischaugenkameras.
▲ Kamerasimulationseffekt - sonniger Tag
▲ Kamerasimulationseffekt - bewölkter Tag
▲ Kamerasimulationseffekt---Bildübertragung BetrachtungswinkelDie Flugsimulations-Engine SRIZFLY generiert hochpräzise Infrarot-Bildgebungskarten und verschiedene Infrarot-Auswertungsindikatoren in Echtzeit. Die Simulations-Engine wurde mehreren Sätzen zur Überprüfung und Optimierung von Testdaten unterzogen und zeichnet sich durch eine hohe Präzision und Echtzeit-Berechnungseffizienz aus. Die Kamerasimulation verwendet die Koordinatensystemkonvertierungsmethode, um Punkte im dreidimensionalen Raum durch die perspektivische Beziehung in Punkte auf dem Bild umzuwandeln. Simulieren Sie die Struktur und die optischen Eigenschaften des Kameraobjektivs, die Datenerfassung und -verarbeitung des Kamerasensors, die Signalverarbeitung des Kamerabildes und die Erkennungsergebnisse einiger integrierter KI-Chips. Der spezifische Prozess ist wie folgt:
▲ Prozess der Kamerasimulation
▲ Kamerasimulation-Infrarot (eisenrot)
▲ Kamerasimulation-Infrarot (weiße Wärme)Die LIDAR-Simulation simuliert den Arbeitsprozess des Sendens und Empfangens von Radarfotos. Der Laserstrahl schneidet sich mit allen Objekten in der Simulationsszene, und die Laserreflexionsintensität und das Rauschen des Schnittpunkts werden basierend auf dem physikalischen Materialtyp und den Eigenschaften des Schnittpunkts berechnet.
Die SRIZFLY-Simulations-Engine verwendet GPU-beschleunigte LIDAR-Simulationsmethoden und RTX-Grafik-Echtzeit-Raytracing-Technologie, um LIDAR-Punktwolken zu simulieren, die den realen Daten extrem nahe kommen.
Die Intensität der LIDAR-Reflexion wird durch die Entfernung des Hindernisses, den Winkel der Laserreflexion und das physische Material des Hindernisses selbst beeinflusst. Während der Simulation ist es notwendig, geeignete physische Materialien für die Szenenressourcen einzurichten, darunter verschiedene Türme, Blumen und Bäume, Gelände, Hydrologie, Hindernisse, Linienkorridore usw. Die SRIZFLY-Simulations-Engine extrahiert das Reflexionsintensitätsmodell aus den realen Radar-Scanning-Daten, um das Simulationsmodell zu steuern, und erhält die Reflexionsintensität und das Rauschen des physischen Materials unter dem aktuellen LIDAR durch tatsächliche Kalibrierung.
▲LIDAR Simulationspunkt Wolke-Übertragungsleitung
▲LIDAR Simulationspunktwolke-selbst entwickeltes TriebwerksexperimentKnappe Menge haben von verfügbar hochwertige Markierungsdaten im Leistungsfeld, die Verwendung virtueller Proben kann kombiniert mit einem verfügbar Manuelles Markieren von Proben, um die Lernmethode iterativ zu erweitern. Zusätzlich zu Anzahl der tatsächlichen Trainingsstichproben, Möglichkeit der Modellierung von Schäden wie z.B. die Selbstdetonation von Isolatorenoder das Abwesenheit des Schocks fesselnd Hämmer ermöglicht eine großartige AusdehnungSion von Das Trainingsset, was zu einer verbesserten Erkennungsrate des Bildziels. Das Methode spielt eine wesentliche Rolle besonders für Fall mit klein Höhe der proben aber die hohe Nachfrage nach die Anerkennungsrate und präsentiert eine Gute Anwendungsaussichten in Verschieden Industrien.
