HypeLCNN概述 该存储库包含论文“具有用于高光谱和激光雷达传感器数据的光谱和空间特征融合层的深度学习分类框架”的论文源代码（正在审查中） 使用Tensorflow 1.x开发（在1.10至1.15版上测试）。 该存储库包括一套完整的套件，用于基于神经网络的高光谱和激光雷达分类。 主要特点： 支持超参数估计 基于插件的神经网络实现（通过NNModel接口） 基于插件的数据集集成（通过DataLoader接口） 培训的数据有效实现（基于内存的有效/基于内存/记录的） 能够在经典机器学习方法中使用数据集集成 神经网络的培训，分类和指标集成 胶囊网络和神经网络的示例实现 基于CPU / GPU / TPU（进行中）的培训 基于GAN的数据增强器集成 交叉折叠验证支持 源代码可用于在训练大数据集中应用张量流，集成指标，合并两个不同的神经网络以进行数据增强的最佳实践 注意：数据集文件太

摘要同时定位与建图（Simultaneous Locating And Mapping, SLAM）是移动机器人领域的热门研究课题。SLAM 是移动机器人实现智

智能汽车传感器的虚拟测试仿真是智能驾驶整车在环或硬件在环测试的重要一环。针对毫米波雷达的虚拟测试的需要，本文研究了传感器注入法与黑盒模拟法在毫米波雷达测试中的性能差异。为了比较两种不同方法的特点，采用在相同的交通场景中测试，通过采集目标的纵向距离和速度，横向距离和速度等来对比分析传感器注入法与黑盒模拟法在毫米波雷达测试中性能。试验结果表明，在匀速、加减速、转弯场景中，传感器注入法与黑盒模拟法表现的性能基本一致。在上下坡与弯道场景中传感器注入法性能明显优于黑盒模拟法，可以在较为苛刻的工况下满足控制算法所需信号的需要。

激光雷达在自动驾驶中的应用

PCR雷达传感器XR112模组呼吸检测演示技术支持

描述 此参考设计展示了如何使用 IWR1642（TI 推出的一款采用集成 DSP 的单芯片毫米波雷达传感器）来实现室内和室外人员计数应用，同时实现低于 1GHz 无线通信。该参考设计采用了 IWR1642BOOST 评估模块 (EVM) 和 LAUNCHXLCC1352R1 无线 MCU LaunchPad:trade_mark:。该解决方案能够定位最远距离 6 米（近距离配置）和 14 米（远距离配置）的人员。 特性 演示硬件和软件，可使用 IWR1642 器件和毫米波雷达传感器来进行人员计数和跟踪 使用 CC1352 器件实现远距离低功耗低于 1GHz 无线连接 适用于收集器和传感器应用的 IEEE 802.15.4e 或 IEEE 802.15.4g 堆栈 毫米波技术可提供非常适用于环境效应的距离、速度和角度信息 覆盖 6m 距离的 120 度方位角视野，可通过采用不同的线性调频脉冲配置扩展至 14m 提供静态干扰消除和群组跟踪算法实现示例

汽车是雷达传感器应用占比最大的下游应用领域，各雷达传感器在汽车应用占比均超过 80.0%。根据中汽协数据，2014-2018 年，中国汽车产量由 2,372.5 万辆上升至 2,781.8 万辆，年复合增长率为 4.1%，是全球最大的汽车市场。与此同时，消费者对汽车安全性要 求和智能驾驶需求的提升，推动雷达传感器需求量上涨。其中，超声波雷达装载量上涨，平 均增长幅度达到 17.7%，毫米波雷达装载量也从 2015 年的 12.3 万件激增至 2018 年的 500.7 万件，年复合增长率达到 244.0%（见图 2-4）。受益于中国雷达传感器装配数量的提升，中国雷达传感器用芯片行业市场规模持续

汽车毫米波雷达传感器行业调研及趋势分析报告摘要

中国地形激光雷达传感器市场现状研究分析与发展前景预测报告（2022年版本）.docx

飞睿智能-爱希存在感应雷达产品使用说明