对流层延迟是信号穿过对流层时，受到大气折射的影响而产生的延迟，它与大气的温度、湿度和压力等因素有关，可以通过模型进行修正。激光扫描技术可以快速获取周围环境的三维点云数据，通过与RTK定位数据的融合，可以实现更精准的环境建模和定位。SLAM技术可以在没有先验地图的情况下，实时构建环境地图并确定自身位置，与RTK技术融合后，可以在卫星信号遮挡的环境中（如城市峡谷、森林等）实现连续定位。计算机视觉技术可

slam的落地场景难点通常有，弱光照或黑暗场景，对于这种场景基于特征点法的方法失效，开阔地带或广场，对于这种场景2d 3d激光方法失效因为其传感器有极限距离，高低起伏地面场景2d激光失效无法扫描不同的平面，室内与室外场景，室内适合2d，室外适合惯性导航和uwb导航，传感器硬件成本3d多线激光雷达成本太高，相比之下面阵tof具有优势，软件部署成本(包括算力，算法成熟度，可移植性)，大多开源算法都比较

NDT将根据点云中点所处的位置，对整个点云利用一个正态分布函数来表示。再用拟合函数来进行配准，点集配准的目标是用两个点集数据来恢复这些参数，具体步骤如下： 1）构建第一次扫描点集（即目标点集）的NDT；3）对于第二次扫描（即变换集）的每个样本：根据参数将2D点集映射到第一次扫描点集的坐标系中；5）通过评估变换集映射点的分布并对结果求和来确定参数的分数；NDT是将单个扫描的离散点集转换为空间上定义的

整，使其更好地适配具体任务。LoRA（Low-Rank Adaptation）是一种旨在微调大型预训练语言模型（如 GPT-3 或 BERT）的技术。P-Tuning v2 是 P-Tuning 的进一步改进版，在 P-Tuning 中，连续提示被插入到输入序列的嵌入层。例如，对于需要细粒度控制的复杂任务，P-Tuning v2 或 LSTM 基础的 P-Tuning 可能更适合。Transfor

整，使其更好地适配具体任务。LoRA（Low-Rank Adaptation）是一种旨在微调大型预训练语言模型（如 GPT-3 或 BERT）的技术。P-Tuning v2 是 P-Tuning 的进一步改进版，在 P-Tuning 中，连续提示被插入到输入序列的嵌入层。例如，对于需要细粒度控制的复杂任务，P-Tuning v2 或 LSTM 基础的 P-Tuning 可能更适合。Transfor

环境感知与导航定位是自动驾驶的核心技术，这一层的主要功能和目的是利用激光、毫米波、超声波雷达、摄像头等车载传感器和通过车联网获取的多源数据，为车辆提供规划决策所需的必要条件。环境感知是无人驾驶的重要组成部分。通过传感器，采集周边和自身信息，实时发送给处理器，识别周边的车辆、障碍物、行人、可行使区域和交通规则等各种路况信息，确保自动驾驶汽车对环境的理解和把握。智能网联就是指车联网与单车智能的有机联合

其工作原理是，首先进行手动建图，app上进入建图模式，手动模式推动机器对整个场景进行建图，边走边建图，可以app实时查看建图效果，看是否有叠图歪图现象，同时app上也可以远程遥控控制小车进行行走建图。地图建完后，可以在线用app修改地图添加虚拟墙，擦除错误地图点，也可以离线修改地图。之后可以选择清扫区域，执行清扫任务，机器会自动规划清扫路线，清扫的同时可以执行避障功能，临时规划避障路线。底部有防撞

工业机器人

机器人仿真

把整张图解析后就得到了所有的图像像素对应的格雷码对应投影仪表面的位置，物体表面深度变化不同，经过投影后的格雷码在相机像素坐标系的坐标也不同，因此可以反应深度变化。如果投影仪加载的是两张不同频率的正弦相位条纹图，相机接收的图像是灰度随正弦相位变化的图像，频率不同其灰度变化也不同，通过计算某一点的像素的灰度值可以计算其对应的正弦相位值，通过相位差法也可以计算两个频率唯一确定的相位点从而唯一确定相机图像