From： https://liudongdong1.github.io/
1. 物体检测
.1. 流体
D. V. Q. Rodrigues, D. Rodriguez and C. Li, "
Liquid Aerosol DetectionBased on Sub-THz Portable Doppler Radars," 2020 IEEE Asia-Pacific Microwave Conference (APMC), 2020, pp. 504-506, doi: 10.1109/APMC47863.2020.9331483. [pdf]
Bala B S, Swetha M, Tamilarasi M, et al. Survey on women safety using IOT[J]. International Journal of Computer Engineering in Research Trends, 2018, 5(2): 16-24. [pdf]
.2. 材质分类
Wu C, Zhang F, Wang B, et al. mSense: Towards Mobile Material Sensing with a Single Millimeter-Wave Radio[J]. Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies, 2020, 4(3): 1-20. [pdf]
Agresti G, Milani S. Material Identification Using RF Sensors and Convolutional Neural Networks[C]//ICASSP 2019-2019 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). IEEE, 2019: 3662-3666. [pdf]
2. 物体计数
3. 三维重建
.1. 物体位姿(计算机视觉)
Wang, Chen, et al. "Densefusion: 6d object pose estimation by iterative dense fusion." Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2019. [pdf] [code]
- 用于从RGB-D图像中估计一组已知对象的6D位姿，分别处理两个数据源，并使用一种新的dense fusion network来提取像素级的 dense feature embedding，并从中估计姿态。
- 提出了一种将RGB-D输入的颜色和深度信息融合起来的基础方法。利用嵌入空间中的2D信息来增加每个3D点的信息，并使用这个新的颜色深度空间来估计6D位姿。
Peng, Sida, et al. "Pvnet: Pixel-wise voting network for 6dof pose estimation." Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition. 2019.
- 提出了PVNet（pixel-wise voting network），它可以学习到一个指向2D keypoint的向量场表示，即便在遮挡和截断的情况下；作者的创新之处--能够学习到十分robust的2D keypoints。
- 基于PVNet得到的稠密预测，作者用了一种基于关键点分布的PnP算法来从2D keypoints分布求取(R,t)位姿。
Park, Kiru, Timothy Patten, and Markus Vincze. "Pix2pose: Pixel-wise coordinate regression of objects for 6d pose estimation." Proceedings of the IEEE/CVF International Conference on Computer Vision. 2019.
- 提出了一种新的6D姿态估计框架Pix2Pose，该框架在训练过程中使用无纹理的3D模型从RGB图像中稳健地回归出目标的像素级3D坐标。
- 在LineMOD、LineMOD Occlusion和TLess三个不同数据集上的实验结果表明，即使对象是被遮挡或对称的，Pix2Pose也优于最新的方法。
Wang, Chen, et al. "6-pack: Category-level 6d pose tracker with anchor-based keypoints." 2020 IEEE International Conference on Robotics and Automation (ICRA). IEEE, 2020.
- 不需要已知的三维模型。相反，它避免了通过类似于2D对象检测中使用的proposals方法的新anchor机制来定义和估计绝对6D姿势的需要。
- 这些anchor为生成三维关键点提供了基础。与以往需要手动标注关键点的方法不同，提出了一种无监督学习方法，该方法可以发现用于跟踪的最佳三维关键点集。
- 关键点用作对象的紧凑表示，从中可以有效地估计两个相邻帧之间的姿态差。这种基于关键点的表示方法可以实现鲁棒的实时6D姿态跟踪。
.2. 无线感知（mmwave）
Sabzehali J, Shah V K, Dhillon H S, et al. 3D placement and orientation of mmWave-based UAVs for guaranteed LoS coverage[J]. IEEE Wireless Communications Letters, 2021. [pdf]
.3. 无线感知（Wifi）
Jiang W, Xue H, Miao C, et al. Towards 3D human pose construction using wifi[C]//Proceedings of the 26th Annual International Conference on Mobile Computing and Networking. 2020: 1-14. [pdf]
- using one transmitter and several distributed receiving antennas
- CSI information
.4. 无线感知（Light）
.5. 穿戴感知（EMG）
Liu Y, Zhang S, Gowda M. NeuroPose: 3D Hand Pose Tracking using EMG Wearables[C]//Proceedings of the Web Conference 2021. 2021: 1471-1482. [pdf] [video]
- NeuroPose shows the feasibility of fine grained 3D tracking o f21 finger joint angles using EMG devices for arbitrary finger motions;
- fusion of anatomical constraints with sensor data into machine learning algorithms for higher accuracy;
- implementation on embedded platforms and extensive evaluation over diverse users;
4. 缺陷检测
.2. 轨道检测
轨道擦伤，扣件缺失，轨道板裂纹。
5. 形状恢复
6. 物体定位
.1. DART 超宽带 (UWB) 技术
DartWand 模块是一种用于配置和盘点您的 DartTag 的小型台式设备，可帮助最终用户轻松设置和管理数以千计的标签。该模块通过 USB 与运行 Zebra DartWand 应用程序软件的 Windows 电脑连接，并可使用低频信道配置 DartTag。 一次最多可配置 100 个 DartTag, UWB 范围可设置为 30 厘米到 150 米之间, 大小类似于智能手机的台式设备.
电池供电的有源 RFID 标签可进行实时的精密追踪以访问有关资产位置和状态的最新的准确信息。WhereTags 经过完全密封，适用于能够承受严酷的室内和室外环境的 RTLS 应用程序。 标签可提供两种外形规格，第一种是多模式 RTLS 资产追踪标签，另一种是用于传送连续消息的标签。
实时盘点和定位
➣ 随时知道所有货物的位置
➣ 叉车、员工的位置一目了然
自动扫描
➣ 不需要手工扫描条码，实时关联货物和人/叉车，自动复核
➣ 谁 / 哪辆叉车从哪个货架拿了什么? 应该送到哪里去？
➣ 谁/ 哪辆叉车把什么货物放在了哪个货架? 是否正确？
叉车管理
➣ 按照叉车的位置优化派单
➣ 探测到附近有人的时候，自动提醒减速
➣ 超速自动警告
➣ 导航，避开叉车和人员密集区
➣ 记录行驶路径，事后做优化分析
➣ 应用里程数据了解叉车利用率
人员管理
➣ 根据员工实时位置动态派单
➣ 导航，接下来到哪里去
➣ 记录行走路线，事后做优化分析
.2. Zebra 蓝牙设备
MB1000资产信标，室内信标，室外信标 等
Resouce
