新葡京娱乐场-大陆娱乐场开户注册

本發(fā)明公開了一種利用多系統(tǒng) GNSS 觀測值的高精度基線解算方法，首先通過對各 GNSS 系統(tǒng)各頻 率的偽距、載波相位觀測值在基線兩端測站間做差構建站間單差觀測值，之后選擇某類觀測值的偽距硬 件延遲作為基準以解決法方程秩虧問題，并根據各 GNSS 系統(tǒng)的性質對浮點單差模糊度估值處理去除組 合 UPD 影響，恢復單差模糊度的整周特性，進而實現基線高精度解算。本發(fā)明突破了現有多系統(tǒng) GNSS 基線解算方法存在的缺陷，具有理論嚴密、模型簡單、易于實現

本發(fā)明公開了一種聲壓測量傳感器及多縱模光纖激光器聲壓測 量系統(tǒng)。聲壓測量傳感器包括金屬圓桶、薄膜和光纖；金屬圓桶的側 壁中部有開孔，內壁設有吸音棉；薄膜位于金屬圓桶的上端開口處， 形成密封結構；光纖兩端固定，呈緊繃狀態(tài)，中部粘貼在薄膜的表面。 多縱模光纖激光器聲壓測量系統(tǒng)包括 980nm 泵浦光源、多縱模激光諧 振腔、光纖隔離器、光電轉換模塊和頻譜分析儀；多縱模激光諧振腔 包括聲壓測量傳感器、波分復用器、摻鉺光纖、可

武漢大學張永軍教授項目組在國際上首次提出攝影測量遙感的科學概念，構建了多模態(tài)衛(wèi)星影像一體化攝影測量遙感智能處理技術體系，突破了匹配干擾地物快速智能分割、語義輔助幾何處理與大范圍影像鑲嵌合成、地物信息智能提取等關鍵技術，成功研制出我國首套多模態(tài)衛(wèi)星影像一體化攝影測量遙感智能處理系統(tǒng)MIPS。 一、項目分類 關鍵核心技術突破 二、成果簡介 武漢大學張永軍教授項目組在國際上首次提出攝影測量遙感的科學概念，構建了多模態(tài)衛(wèi)星影像一體化攝影測量遙感智能處理技術體系，突破了匹配干擾地物快速智能分割、語義輔助幾何處理與大范圍影像鑲嵌合成、地物信息智能提取等關鍵技術，成功研制出我國首套多模態(tài)衛(wèi)星影像一體化攝影測量遙感智能處理系統(tǒng)MIPS，相關技術理論《多模態(tài)衛(wèi)星影像一體化攝影測量遙感智能處理技術及應用》2021年榮獲測繪科技進步特等獎。 技術特色： (1) 首次提出基于人工智能技術的多模態(tài)衛(wèi)星影像語義分割與幾何處理融合新理論。創(chuàng)建了衛(wèi)星影像跨域穩(wěn)健語義分割技術，通過自適應增量優(yōu)化提升深度分割網絡模型的遷移性和普適性，保證多類型地物語義分割的時效性、容錯性、穩(wěn)定性和區(qū)域一致性。 (2) 通過語義分割結果全自動進行多源地理信息控制點粗差剔除，實現超大范圍多模態(tài)影像精準幾何處理；提出輻射不變特征變換算法進行多模態(tài)影像高可靠性匹配；單臺機器2.5分鐘可完成8000景衛(wèi)星影像的并行區(qū)域網平差，大幅提高了自動化處理精度和效率。 (3) 突破了基于深度學習的多視遙感影像三維地形及大范圍合成影像智能生成技術，采用物方半全局優(yōu)化提升困難區(qū)域的密集匹配精度，并在語義分割結果的輔助下進行大范圍遙感影像無縫鑲嵌合成。 (4) 基于深度學習進行建筑物、道路、農作物等典型地物目標語義信息智能提取；基于多尺度語義分割網絡融合經驗知識實現建筑物矢量邊緣精確提取；結合語義分割和多起點中心線追蹤優(yōu)化提取道路網拓撲矢量；基于3D卷積和注意力機制實現多類農作物精細分類及其時空特征智能提取。 (5) 構建了全新的多模態(tài)衛(wèi)星遙感影像幾何語義一體化智能處理技術體系，研制出我國首套自主產權的多模態(tài)衛(wèi)星影像一體化攝影測量遙感智能處理軟件系統(tǒng)MIPS，其數據處理效果和效率均有明顯優(yōu)勢，顯著提升了融合處理的精準度和智能化水平。 先進性 MIPS具備快速語義分割、語義輔助精準幾何處理、三維地形提取與多影像時序合成、地物語義信息智能提取等特色功能。系統(tǒng)采用最新的衛(wèi)星影像攝影測量處理、多源影像融合、語義信息提取的相關理論與方法，結合先進的計算機技術、CPU/GPU兩級加速并行處理及深度學習技術，處理效果和效率均明顯優(yōu)于國內外同類軟件。例如單機情況下19小時即可完成1551景2米分辨率衛(wèi)星影像的全自動處理，包括云區(qū)檢測、影像融合、影像匹配、區(qū)域網平差、正射影像糾正等全部處理流程。語義分割結果約束的立體衛(wèi)星影像區(qū)域網平差自動化程度和精度均顯著提升，例如在1:1萬基礎測繪產品DEM/DOM的輔助下，高分七號立體衛(wèi)星影像的全自動處理高程精度從2.6米大幅提升至0.8米以內，鑲嵌接邊精度優(yōu)于1像素。

機載LiDAR與航空影像聯(lián)合城市三維建模系統(tǒng)（LiDARPro）主要以機載LiDAR點云及多視航空影像作為輸入數據，通過點云語義分割、點云影像配準、實景三維模型重建、建筑物單體結構化模型重建、人機交互等功能模塊，實現高效率、（半）自動的城市實體三維模型重建，具備全自動大測區(qū)城市建模、半自動城市高精度精細實體模型重建等多種解決方案，致力于提高智慧城市建設的自動化程度，推進實景三維中國建設進程。 一、項目分類 關鍵核心技術突破 二、技術分析 創(chuàng)新性： 機載LiDAR與航空影像聯(lián)合城市三維建模系統(tǒng)（LiDARPro）主要以機載LiDAR點云及多視航空影像作為輸入數據，通過點云語義分割、點云影像配準、實景三維模型重建、建筑物單體結構化模型重建、人機交互等功能模塊，實現高效率、（半）自動的城市實體三維模型重建，具備全自動大測區(qū)城市建模、半自動城市高精度精細實體模型重建等多種解決方案，致力于提高智慧城市建設的自動化程度，推進實景三維中國建設進程。系統(tǒng)主要由兩部分功能模塊組成：自動化模型重建模塊及三維可視化交互管理系統(tǒng)模塊。其中自動建模模塊由點云影像自動配準、實景三維模型重建、點云濾波、點云分類、建筑物單體化分割、建筑物結構化模型重建等軟件子模塊構成。系統(tǒng)支持DEM、DOM、實景三維模型、建筑物LoD1至LoD3模型等多種產品生產；支持多核、多CPU、多GPU架構的任務并行化管理，支持搭建點云、影像、模型數據庫，支持人機交互進行語義分割、模型編輯、紋理編輯等功能。 軟件解決的關鍵問題： LiDAR點云與傾斜影像異源異構數據配準問題，點云影像數據難以聯(lián)合應用； 單一數據源三維信息與紋理信息不全，高質量模型結果依賴高精度數據輸入，導致數據獲取成本昂貴、效率較低； 城市級實景三維模型重建自動化程度低，低精度自動結構化模型成果難復用，而手動模型繪制難度高、工藝繁瑣； 實景三維數據制作單位高度依賴國外軟件，國產化難。 先進性： 當前，國內90%以上地形級實景三維數據制作測繪單位都基于國外軟件進行三維重建，而城市級實景三維模型則重度依賴全人工手動勾繪且需調用國外專業(yè)三維建模軟件，模型重建學習成本極高、軟件針對性不強而效率低下。 機載LiDAR與航空影像聯(lián)合城市三維建模系統(tǒng)軟件系統(tǒng)以高精度、高效率、高自動化程度城市級實景三維模型重建為首要目標。軟件系統(tǒng)具備高精度點云影像配準模塊提供異源數據聯(lián)合應用基礎；采用LiDAR點云約束的多視影像密集匹配策略實現高精度、全覆蓋三維數據輸入以實現高質量實景三維模型重建；采取地面點濾波、非地面點地物分類、目標地物單體實例分割遞進式流程得到建筑物等地物單體化三維數據；優(yōu)化自動結構化模型重建與人工干預的結構化建模流程，無需額外依賴專業(yè)建模軟件；提供針對建筑物結構化建模的模型編輯、紋理編輯模塊，不達標的自動模型可復用，三維點云端、二維影像端可獨立或聯(lián)合編輯，具備交互友好的參照式、勾繪式、半自動編輯模式。 獨占性： 系統(tǒng)主要搭建兩條生產路線，以適應不同地域模型精度要求差異、不同應用時間響應要求。其一是以LiDAR點云為主的快速建筑物結構化模型重建，經過點云分類、建筑物實例分割、結構化模型重建等步驟構建人工地物結構化模型，并利用配準后多視影像對模型紋理映射，此生產線主要產品包括DOM、DEM、 LoD2為主的建筑物結構化模型、典型地物真實色彩點云等輕量基礎數據；其二是在LiDAR點云約束下生成高精度密集匹配點云構造高質量實景三維模型，并在此基礎上提取建筑物單體三角網數據，經過模型簡化抽象得到建筑物LoD3模型，此生產線主要產品包括實景三維模型、建筑物LoD3模型等城市級實景三維數據要素。 此外，軟件系統(tǒng)支持在Windows (Win7/10)、Ubuntu (16.04/18.04/ 20.04)、國產麒麟(V4/V10)等多操作系統(tǒng)中運行，已階段性實現國產化。

本發(fā)明公開了一種手持式多激光條紋快速三維測量方法，包括 以下步驟：1)粘貼標志點：2)使用手持三維測量儀測量物體表面的三維 數據：3)采集圖像：4)圖像處理：5)標志點的三維坐標計算：6)物體表 面點的三維坐標計算；7)手持三維測量儀的定位和世界坐標系下的數 據拼合，即獲得從當前相機坐標系變換到世界坐標系的旋轉平移矩陣， 以實現當前物體表面測量點從相機坐標系到世界坐標系的轉換關系和 世界坐標系下的數據拼合。本發(fā)明通過

本發(fā)明公開了一種基于空間-時間多預測模式的無損壓縮方法，包括：(1)利用星載成像系統(tǒng)獲取序列圖像 f；(2)把步驟(1)獲取的每一·771·幀圖像 fk,k＝1,劃分成互不重疊且大小為 M×N 的子塊 fk,i,i＝1,2Su,m.I，SumI 為子塊總數，M，N 為預設值；(3)令步驟(2)中第 3j+1,j＝0,1,...幀圖像為參考幀圖像，進行分塊 JPEG-LS 編碼；(4)第 3j+2 和3j+3 幀圖像參

本發(fā)明公開了一種薄壁件銑削振動的多機械手臂隨動抑制裝置， 包括剛性底盤、機械手臂系統(tǒng)、音圈電機、薄板、立柱、主軸、支架、 激光位移傳感器、轉換器、控制器、驅動器；機械手臂系統(tǒng)控制四個 機械手臂跟隨機床主軸的進給運動；控制器對振動位移信號進行采集、 處理并輸出相應的控制電壓對音圈電機進行控制；剛性底盤為八邊形 的鋼質材料，安置于機床加工槽內，其上配置有用以安裝立柱和四個 機械手臂的結構；音圈電機用以對薄板提供輔助支撐以及抑制其振動； 激光位移傳感器用以檢測薄板的振動位移。本發(fā)明使得抑振裝置實時 跟隨銑

可以量產/n該成果提供了用于降解多環(huán)芳烴類有機污染物的微生物菌劑，其活性成分為鞘氨醇桿菌菌株，該菌株從石油污染土壤中分離獲得，能夠快速降解多環(huán)芳烴類污染物，尤其是菲、芴、熒蒽、芘和苯并芘等有機污染物。該菌株還具有廣泛的pH值（5-9）、鹽度和溫度（16-37℃）適應能力，是對土壤或環(huán)境多環(huán)芳烴類有機污染物進行生物修復的優(yōu)秀微生物材料。

本發(fā)明公開了一種基于改進 SIFT 算子的低空多視角遙感影像匹配方法，首先采用優(yōu)化的 DoG 算子 對第一影像和第二影像進行特征點檢測，然后利用基于局部區(qū)域采樣模擬的 SIFT 描述子對特征點進行 描述形成特征向量，最后采用 NNDR 策略形成初始匹配特征點，并利用基于極幾何約束的 RANSAC 算 法對匹配點進行提純。本發(fā)明能夠有效地解決低空遙感影像匹配中存在的多視角以及弱紋理等問題。