- 综合排序
- 最热优先
- 最新优先
- 来自专栏机器之心
业界 | 英特尔AI技术厘米级精度助力长城修缮
传统的勘察手段完全不能保证还原精度，而由人工完成对大量图片的处理让勘察过程就耗时惊人，为后续的修缮施工带来了诸多不便，也并不能完全满足施工需求。 ，采用针对英特尔 CPU 优化的英特尔®深度神经网络数学核心函数库（MKL-DNN），以及面向英特尔架构优化的深度学习框架 Tensorflow 等工具，高效地实现长城 3D 建模和数字化修复，并达到厘米级精度的效果 依靠英特尔人工智能技术达到厘米级精度的 3D 建模和数字化修复手段将是长城保护的新出路。本次合作为未来人工智能技术在文物保护方面的应用的拓展提供了良好的技术思路启发。 ?
62320发布于 2018-08-07 UWB定位为何能实现“厘米级”精度？为您拆解这项硬核技术@航飞光电
而UWB定位技术，正以其稳定的“厘米级”精度，成为高要求场景下的首选。这项技术究竟强在哪里？接下来将通过技术解读与真实案例，带您一探究竟。一、 技术基石：UWB如何做到“测得准”？ 由于脉冲极短，时间测量可以非常精细，这使得距离误差能控制在厘米级别。这是实现高精度定位的第一块基石，也是人员定位系统精度远超常规技术的根本原因。二、 实战挑战：复杂环境中如何“跟得稳”？ 航飞光电部署的人员定位系统，实现了对进出危险区域人员的厘米级实时定位与电子围栏预警。 结语综上所述，UWB定位的厘米级精度，并非单一特性所致，而是其精准测时、强抗干扰、多点协同与系统工程化能力共同作用的结果。它从底层逻辑上就是为了满足高精度、高可靠性的定位需求而生。 我们将持续深耕 UWB定位 技术的创新与应用，让人员定位系统在更多工业安全、智慧建造、公共管理等场景中创造切实价值，用厘米级的精准，为安全护航，为效率赋能。
24700编辑于 2026-01-21UWB厘米级高精度定位平台 - 精准刻画人员动态，赋能数字化管理
超宽带（UWB）技术凭借厘米级定位精度、强抗干扰能力和低功耗特性，正逐步取代传统RFID和蓝牙定位技术，成为高精度动态管理的核心解决方案。一、技术原理：UWB如何实现厘米级定位？ 1.时差测距（TDoA）UWB通过纳秒级脉冲信号测量标签与基站的时间差，结合多基站协同计算，实现三维空间内的精准定位（误差≤10cm）。
35510编辑于 2025-09-02- 来自专栏云头条
4 人抢劫显卡被刑拘：手持四十厘米长刀
目前，4名犯罪嫌疑人分别因涉嫌盗窃抢劫、盗窃被依法刑拘，案件正在进一步侦办中。 相关阅读 · 劫匪卷走价值逾 500 万港元的电子部件：香港全城搜捕
26310编辑于 2022-03-18 - 来自专栏资讯分享
腾讯前海新总部，厘米级「图纸」首次公开
正在规划的腾讯深圳前海新总部，对外公开了建设「图纸」......中的几厘米。分别是 150cm、150cm、45cm、10cm、1.3cm。 别小瞧这个厘米级项目，它们代表了前海总部建设里的无障碍「小心思」。为的是让每一位访客都能在园区各处畅行无阻，享受全龄友好的无障碍服务体验。具体代表什么？ 我们会以无障碍环境认证最高等级“三星级”为目标，对前海总部的无障碍设施环境、信息交流环境、无障碍服务等方面提出高标准规范指引，在几厘米、几十厘米的较真中，努力将它打造成为湾区标杆、国际一流的无障碍环境建设示范基地 而这些几厘米的小事，我们在乎。等前海新总部建成，欢迎大家来体验这个厘米级项目。
43900编辑于 2023-12-05 - 来自专栏联远智维
高精度定位平台（微米级）
高精度定位平台 随着科学技术的发展，精密定位在生物医药、传感器加工等场合充当越来越重要的角色。 并联机构是典型的多体系统，其刚度大，负载能力强、运动精度高，能实现多自由度运动，并具有灵活实现空间姿态等特点。 确定了伺服电机旋转角度与定位平台目标位置之间的关系，具体如下所示： 该工作主要参考了华南理工大学的硕博士毕业论文<基于柔顺机构的平面三自由度微定位系统研究>，主要的优势是定位平台具有较大行程的同时具有极高的定位精度 ，文中通过多级结构实现纳米级定位，主要的方案包含：1、宏定位平台：采用并联机构，通过伺服电机驱动，实现微米级定位；2、微定位平台：通过压电材料驱动，实现纳米级定位。
1.6K20编辑于 2022-01-20 - 来自专栏TopSemic嵌入式
Ublox ZED-F9P 厘米级定位模组开箱评估
最近因为工作需要，在评估Ublox的ZED-F9P高精度定位模组，该模组定位精度号称厘米级，从官方的数据手册看，在RTK条件下，定位精度高达1cm，这个感觉还是挺牛的，因为目前还没有听到一个小模组就能实现这么高的定位精度 接下来就是如何评估定位精度的问题了，Ublox有一个非常牛掰的软件叫u-center,大家可以去官网下载，该软件功能非常强大，是研究GPS的一大利器。 可以看到定位精度在0.3m以内，精度还是不错的。 参考点我用的是定位的平均值，上图左下角最左边那个图标用来设置参考点的 ? 下面那一排图标的用法见下图，大家可以尝试尝试，非常实用 ? 精度明显变差，使用这个工具来进行定位分析还是非常直观方便的。 下一步准备买个千寻的差分账号，再测试RTK情况下的定位精度，敬请关注。
1.3K50发布于 2021-05-31 - 来自专栏芯智讯
蓝牙6.0核心规范发布：可实现厘米级精准定位！
这项创新带来了真正的高精度距离感知，为各种应用带来了变革性的优势。“查找”解决方案的用户体验可以得到极大的改善，从而更轻松、更快速地找到丢失的物品。 当距离计算的精度要求较高，并且这种计算的一致性和可靠性不是特别高时，路径损耗计算是合适的。由于当两个器件之间的距离相对较小时，信号强度最初会迅速下降，因此路径损耗计算可以产生相当好的结果。 据了解，蓝牙6.0采用了基于相位的测距 （Phase-based Ranging, PBR）技术，该方法利用了无线电信号的一个基本特性，即相位及其与频率和波长的关系，实现蓝牙互联设备之间的高精度测距，并在相当长的距离内可确保厘米级精度 蓝牙 SIG 表示，这将带来“相当长距离的厘米级精度”。蓝牙技术已经用于定位服务，例如 Android 的 Find My Device 网络和 Apple 的 Find My。 4、ISOAL 增强 同步适配层 （ISOAL） 使较大的数据帧能够在较小的链路层数据包中传输，并确保可以重构接收器正确处理数据所需的相关时序信息。
2.4K10编辑于 2024-09-12 - 来自专栏AI机器学习与深度学习算法
机器学习入门 4-4 分类精度
本小节主要介绍kNN算法的分类精度以及在sklearn中的实现。 分类精度 ? 因为计算分类精度的功能非常常用，因此我们将其加入playML包下，在playML包下新建一个名为"metrics"（度量）的Python文件，里面的内容如下： ? 在jupyter中调用即可： ? 在jupyter中直接计算分类精度： ? sklearn中的分类精度 ? ? 这里简单总结一下求解分类精度： ?
92500发布于 2019-11-13 - 来自专栏CNNer
【SLAM】百度--基于深度注意力感知特征的自动驾驶视觉定位框架，实现了厘米级的定位精度！
论文地址：https://arxiv.org/pdf/2003.03026.pdf 代码： 来源： 百度自动驾驶技术部 论文名称：DA4AD: End-to-End Deep Attention-based Visual Localization for Autonomous Driving 原文作者：Yao Zhou 内容提要 本文提出了一种基于深度注意力感知特征的自动驾驶视觉定位框架，实现了厘米级的定位精度 此外，学习的特征描述子能够建立鲁棒匹配，从而成功地估计出高精度的最佳相机姿态。本文使用新收集的数据集全面验证了我们方法的有效性，该数据集具有高质量的真实轨迹和传感器之间的硬件同步。 实验结果表明，在各种具有挑战性的环境下，相比于基于激光雷达的定位方案，本文方法具有相当高的定位精度，从而为自动驾驶提供了一种可能的低成本定位方案。 主要框架及实验结果 ? ? ? ? ? ?
1K42发布于 2020-09-23 - 来自专栏全栈前端精选
前端Tips#4 - 用 process.hrtime 获取纳秒级的计时精度
1、先讲结论 在 Node.js 程序中，优先选 process.hrtime，其次选 performance.now，最后才会是 Date.now 之所以这么选，是基于 精度 和 时钟同步 两方面考虑的 2、知识讲解 首先看一下 Date.now 的缺点 返回的时间精度为 毫秒（10^-3）级别，精度不够； 受到系统时间影响，也有可能被其他软件调整所影响 为了获得更高精度、且和系统时间无关的时间，W3C 有的，在 Node.js 环境中就提供了 process.hrtime 方法： 在 node v0.7.6 版本中新增，兼容性很好（毕竟现在都 v12 LTS 版本了） 精度高达 纳秒（10^-9） 级别 注：浏览器环境没有这个 hrtime 方法，因此浏览器环境所能达到的最高精度也就用 performance.now 的微秒级别（当然各个浏览器实现也是有差异） 只不过这个方法使用需要注意一下，首次调用返回的 ：SOF 上对该问题的解答，也是用 process.hrtime 进行高精度时间测量 如何在Node.js中获得微时间？
2.2K20发布于 2020-02-19 - 来自专栏人员定位系统
厘米级定位：重构工业安全与效率的精准世界@航飞光电
在工业数字化转型中，人员定位技术正经历一场深刻的精度革命。当定位精度从“米级”跨越至“厘米级”，管理者对生产现场的认知维度发生了根本改变——从“知晓区域”跃升为“洞察行为”。 厘米级的实质：为何精度决定管理维度？传统区域定位仅能提供“人员在车间A区”的模糊信息。 UWB：实现工业级厘米精度的技术基石超宽带（UWB）技术以其独特优势，成为当前实现大规模、高可靠厘米级定位的主流选择：纳秒级计时精度：通过计算信号飞行时间，即使几十厘米的距离差也能被精准捕捉，理论基础可达厘米级 核心挑战：从理论精度到工业可靠性的跨越实现“实验室厘米级”相对容易，但在振动、高温、电磁干扰的复杂工业现场实现7x24小时稳定可靠的厘米级性能，才是真正的壁垒：硬件需具备工业基因：设备必须满足宽温、防爆 赋能AI与大数据：持续积累的高精度行为数据，为优化工厂布局、预测性维护及行为安全分析提供了高质量数据基础。结语厘米级高精度人员定位，本质上是将物理世界的精准映射转化为数字世界的深度洞察。
14510编辑于 2026-01-08 - 来自专栏量子位
博世开发“雷达道路标记”地图：厘米级定位、适应恶劣天气
这可以使汽车定位精度达到厘米级别。这项技术可以作为此前摄像头技术的补充，并可以在恶劣的天气条件下工作。在这样的天气条件下，摄像头可能无法使用。
87850发布于 2018-03-29 - 来自专栏芯智讯
定位精度可达1厘米，纽瑞芯推出高性能UWB芯片NRT82800系列
△纽瑞芯总经理兼首席技术官陈振骐 2021年4月，随着苹果推出搭载UWB（Ultra Wideband，超宽带无线通信）技术的追踪器AirTag，引发了全球对于UWB技术的关注。 据纽瑞芯总经理兼首席技术官陈振骐介绍，目前主流欧美厂商的UWB芯片的测距精度大约在3-10cm，测距范围在50米左右，而纽瑞芯测距精度达到了1cm，测距范围达到了100m以上，大幅领先于主流欧美厂商的竞品 UWB除了定位、测距以外，目前还可以被应用在手机和一些穿戴式设备上，以多天线测角的方式使用，测角精度是一个新的重点需求。 在这方面，目前欧美主流UWB芯片测角精度基本上是在3°-10°，当然这也受场景范围的受限。纽瑞芯的UWB芯片目前在测角精度上达到了1°，大幅领先国际竞品。 陈振骐进一步表示，NRT82800系列集成了众多的优势功能，包括：高精度测距、测角。
64510编辑于 2022-12-09 - 来自专栏CNNer
百度自动驾驶 | CVPR2019 L3-Net 使用实时激光雷达和点云地图，可以达到厘米级定位精度。
该框架可以达到厘米级的定位精度，该精度几乎媲美了手工标记的精度。L3-Net可以学习不同自动驾驶场景下本地描述符，用于特征匹配估计车辆位姿。使用3D卷积构建立体空间显著提高了定位精度。 论文提出的一种新的基于学习的激光雷达定位框架，可以用于自主驾驶应用，该算法可以得到很高的定位精度。 下面是论文具体框架结构以及实验结果： ? ? ? ? ? ? ? ? ?
1.4K10发布于 2020-06-19 定位精度1米和10厘米，成本差多少？主流方案价格与性能对比
在室内外定位项目的选型阶段，最常被问的一个问题是：“我想要1米精度就够了，为什么方案商总推荐厘米级的？成本到底差多少？” 注：蓝牙RSSI达到1米精度仅在理想无遮挡环境且密集部署时可能，实际项目中按2-5米预估更现实。真正稳定实现10厘米级的，只有UWB+惯导融合或激光/视觉方案。三、从1米到10厘米，成本到底差多少？ 4.软件算法高精度定位软件通常按标签数量或年收费，10厘米级方案软件授权费比1米级高50%-100%.五、选型建议：不要盲目追求高精度根据真实项目经验，给出以下建议：一个常见误区：很多项目实际需求是“区域内是否存在 如果只是想知道“人在哪个房间”，蓝牙RSSI足够；如果AGV需要自动对接，10厘米级是刚需。除了硬件成本，别忘了部署调试和后期维护——高精度方案往往更“娇贵”，需要更专业的人员维护。 一句话建议：先明确你的业务场景到底需要“区域级”、“米级”还是“厘米级”，然后选择最经济可行的技术方案，而不是最贵的。
10210编辑于 2026-04-09- 来自专栏前端ACE
高精度 加减乘 阶乘 模板 ------------------------C语言——菜鸟级
long int res[N]; void add(long int *a,long int *b)//高精度加法 {long int i,k=0,adw=0,flag=0,tem1,tem2; }if(adw)res[k++]=adw;//判断进位是否有值 res[k+1]=-1;//标记最高位 } void sub(long int *a,long int *b)//高精度 k]<=0&&k>0)res[k]=0,k--;//去首位0 res[k+1]=-1;//标记最高位 } void mult(long int *a,long int *b)//高精度
1K10编辑于 2022-11-21 - 来自专栏新智元
一部iPhone实时渲染300平房间，精度达厘米级别！谷歌最新研究证明NeRF没死
SMERF实时渲染，精度达厘米级别 SMERF专门为学习大型3D表示所设计，比如房屋的渲染。 谷歌等研究人员结合一种分层模型划分的方案，其中空间的不同部分和学习参数由不同的MERF表示。 SMERF中有K=3坐标空间分区和P=4延迟外观网络子分区的场景的坐标系 为了提升SMERF的渲染质量，研究团队还使用了一种「教师—学生」的蒸馏方法。 实验评估 研究人员首先在Zip-NeRF引入的4大场景上评估了方法：柏林、阿拉米达、伦敦和纽约。 这些场景中的每一个都是使用180°鱼眼镜头拍摄的1,000-2,000 张照片。 表1所示的结果表明，对于适度的空间细分K，最新方法的精度大大超过了MERF和3DGS。 随着K的增加，模型的重建精度提高，并接近其 Zip-NeRF老师的精度，在K=5时差距小于0.1 PSNR和0.01 SSIM。 研究人员还发现这些定量的改进低估了重建的定性改进准确性，如图5所示。
59010编辑于 2024-01-12 - 来自专栏集智书童
图视觉模型崛起 | MobileViG同等精度比MobileNetv2快4倍，同等速度精度高4%！
因此，通过提供比基于ViT的模型更快的速度和比基于CNN的模型更高的精度，基于ViG的模型可能是一种可能的解决方案。 3.3、MobileViG Architecture 图2a中所示的MobileViG架构由卷积Backbone组成，然后是3级反向残差块（MBConv），其扩展比为4，用于MobileNetv2中提出的局部处理 此外，MobileViG-B比DeiT-S快6倍，能够在Top-1的精度上击败DeiT-S和Swin Tiny。 如表4所示，在相似的模型大小下，MobileViG在目标检测和/或实例分割方面的参数或改进的平均精度（AP）方面优于ResNet、PoolFormer、EfficientFormer和PVT。 混合CNN-GNN架构可以提供基于CNN的模型的速度以及ViT模型的准确性，使其成为高精度移动端架构设计的理想候选者。
93740编辑于 2023-09-04 电流变送器0.2级精度解析与应用全面解读
0.2级电流变送器指的是其输出信号与输入电流的误差极小，不超过0.2%。 二、工作原理详解电流变送器的工作流程主要包括：接收电流信号，将其转换为电压信号，对电压信号进行放大和滤波，最终输出标准化电压信号（如4-20mA、0-10V等）。 三、选型关键要素选择电流变送器时，需关注以下要素：电流测量范围、输出信号类型、精度等级（选择0.2级）、防护等级以及接线方式。 同时，工业自动化对精度要求提高，电流变送器的需求将持续增长。集成化趋势也将成为未来发展方向，即电流变送器将与其他传感器、执行器等集成，提供一体化解决方案。 七、发展前景展望0.2级电流变送器在工业自动化领域拥有广阔的发展空间。未来，技术的进步，高精度电流变送器在精确度、稳定性、抗干扰性能等方面将实现重大突破，为工业自动化提供更优质的产品和服务。
12710编辑于 2025-11-20
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号