葡京娱乐场-富盈娱乐场开户

便攜式煤樣造影裝置，包括電腦、分析臺、造影儀和遙控器，電腦放置在所述分析臺上，造影儀包括上蓋、機體外殼和內架，上蓋通過鉸鏈與機體外殼連接，內架設在機體外殼內。內架上設有側面相機，上蓋的下表面安裝一個上端相機，內架的下平板安裝一個下端相機，所有相機一起工作，共同完成煤樣的三維造影。本發明還公開了煤樣三維影像采集方法，造影儀采用成熟的計算機影像合成技術采集煤樣的外觀數據，有利于存儲煤炭勘探現場的煤樣影像資料，幫助勘探技術人員后期的數據采集和處理，并且造影儀在保證技術要求的前提下，整體設計尺寸小巧，方便勘探技術人員攜帶，可以極大提高煤炭資源勘探人員的工作效率，減少數據采集誤差。

成果介紹本發明公開了一種城市天際輪廓線立面正射影像圖的快速獲取和測量方法，包括以下步驟：利用攜帶坐標獲取裝置的照相機逐段拍攝城市天際輪廓線立面的局部影像，并記錄每個拍攝時刻照相機的坐標方位和鏡頭朝向；獲取每個拍攝點與所拍攝對象之間的水平距離；建立拍攝點與拍攝圖像的幾何映射關系，生成城市天際輪廓線立面的正射影像圖；綜合城市天際輪廓線立面與其正射影像圖的幾何比例，輸出城市天際輪廓線立面正射影像圖的測量數據。本發明縮小了常規技術帶來的圖像畸變誤差，提高了測量精度。本發明的目的是提供一種 城市天際輪廓線立面正射影像圖的快速獲取和測量方法，縮小了常規技術帶來的 圖像畸變誤差，提高了測量精度。技術方案：為實現上述發明目的，本發明采用的技術方案為一種城市天際輪 廓線立面正射影像圖的快速獲取和測量方法，包括以下步驟：1）利用攜帶坐標獲取裝置的照相機逐段拍攝城市天際輪廓線立面的局部影 像，并記錄每個拍攝時刻照相機的坐標方位和鏡頭朝向；2）獲取每個拍攝點與所拍攝對象之間的水平距離；3）建立拍攝點與拍攝圖像的幾何映射關系，生成城市天際輪廓線立面的正 射影像圖；4）綜合城市天際輪廓線立面與其正射影像圖的幾何比例，輸出城市天際輪 廓線立面正射影像圖的測量數據。技術創新點及參數1.1）利用攜帶坐標獲取裝置的照相機(800萬以上像素)逐段拍攝城市天際輪 廓線立面的局部影像，所述影像中城市天際輪廓線位于圖幅中心；1.2）通過攜帶坐標獲取裝置的照相機(800萬以上像素)，在每一次拍攝局部 影像時，記錄拍攝時相機坐標方位的經度、緯度以及鏡頭朝向。進一步的，所述步驟2）包括：2.1）分別獲取步驟1）各局部影像所拍攝對象上左右兩端點A1和A2的經緯 度坐標，以及兩點之間的距離K；2.2）由拍攝點向步驟2.1）中的兩點連線做垂線，垂線與所述兩點連線有一 交點，記錄拍攝點至所述交點的距離，該距離為拍攝點與所拍攝對象之間的水平 距離S。進一步的，所述步驟3）包括：3.1）任選城市天際輪廓線立面的某一局部影像為標準，其拍攝點至所拍攝 對象之間的水平距離為S0，所拍攝局部影像所拍攝對象上左右兩端點之間的距離 K0，拍攝得到局部影像的寬度為A0；3.2）以所選局部影像為標準，對其他局部影像的邊長進行縮放調整，，公式 為：A i = S i S 0 A 0式中，Si為局部影像i其拍攝點至所拍攝對象之間的水平距離（參考步驟 2.2）的方法獲得）,Ai為該局部影像縮放后的影像寬度。3.3）將經過縮放調整的局部影像依照圖像序列進行拼接，得到完整的城市 天際輪廓線立面正射影像圖。進一步的，所述步驟4）包括：4.1）于步驟3.3）拼合得到的城市天際輪廓線立面正射影像圖上進行測量， 天際輪廓線的圖面高度為H0，圖面長度為L0；4.2）計算城市天際輪廓線的實際高度H，公式為：H = K 0 A 0 H 04.3）計算城市天際輪廓線的實際長度L，公式為：L = K 0 A 0 L 0式中，K0即為步驟3.1）所選局部影像的拍攝對象左右端點的實際距離（參 考步驟2.1）的方法獲得）。4.4）輸出城市天際輪廓線的實際高度H和實際長度L。市場前景城市天際輪廓線，亦稱城市天際線，是由城市中的高層建筑構成的整體形象， 或由高層建筑群構成的局部形象。城市天際輪廓線直接取決于城市用地建設的發 展布局，又是城市規劃建設成果的直觀反映，因此，城市天際輪廓線是城市規劃 建設部門進行城市建設和調整的重要內容。獲得現狀的城市天際輪廓線的立面正射影像圖是城市規劃建設部門進行天 際線建設和空間調整的首要和重要技術環節。但是，構成城市天際輪廓線的城市 建筑群的分布往往呈曲線形態蜿蜒綿延，實際長度往往長達數公里以上，甚至超 過5公里，在采用定點單張拍攝的方式時，同樣出現在影像上的被攝物體其實際 距拍攝點的距離往往相差很大，造成定點單張拍攝的城市天際輪廓線圖像存在很 大的透視變形，當采用同樣方法進行測算時，圖像兩端的建筑會比圖像正中的建 筑尺度偏小，造成城市天際輪廓線的高度、長度等數據的測算誤差，這種因透視 造成的測算誤差，雖然可以通過攝像器材進行校正，但仍舊無法完全消除。這使 城市規劃建設部門在城市天際線建設和空間引導建設中，缺乏準確有效的圖像信息和測量數據。1.減少傳統技術做法的圖像誤差：本發明針對了傳統城市天際輪 廓線立面影像圖獲取方法應透視帶來的圖像畸變和數據測量誤差，提出一種利用 多點拍攝并自動校正拼合的獲取方式，輸出城市天際輪廓線立面的正射影像圖， 基本消除了透視帶來的圖像誤差。2.自動輸出測算數據，節省工期：通過附加坐標獲取裝置的攝像器材，將圖 像和坐標同步輸入，可以自動進行空間解算，輸出天際輪廓線立面正射影像圖和 測算數據，交互方式簡便，提高工作效率，節省工作時間。

本發明公開了一種傾斜航空影像中建筑物立面損毀檢測的方法，包括步驟一，利用基于粗糙集理論 的 k-means 聚類算法對建筑物立面分割，獲得建筑物立面的門窗；二，利用 canny 算法對建筑物立面的 門窗進行邊緣檢測，獲得門窗的邊緣特征；三，利用經濟學中的基尼系數對所述邊緣特征進行統計，獲 得建筑物立面的基尼系數；四，根據所述基尼系數判定建筑物立面是否損毀。本發明具有不需要先驗信 息和災前數據的情況下，能簡單高效的進行建筑物立面損毀檢測，降低了方

本發明公開了一種顧及雪覆蓋影響的高分辨全色遙感影像變化檢測方法，本發明充分利用根據全色 影像上積雪覆蓋的特點，采用基于紋理特征的變化檢測檢測方法進行變化檢測，提取變化區域。采用基 于水平集方法的 Chan-Vese 分割方法提取出實驗新舊影像上的積雪區域，根據變化檢測的結果和新舊影 像上積雪覆蓋情況，去除部分積雪覆蓋變化而導致的偽變化，提取出變化區域，提高了變化檢測的精確 度與地圖修測的自動化程度，縮短了數據更新周期。 

一種無人機遙感影像建筑物三維損毀檢測方法，包括生成災前的 DSM 和災后的 DSM 并配準，識 別損毀建筑物疑似區域;根據災前的 DSM 獲取建筑物的矢量信息，進一步分割災前建筑物區域和災后 建筑物區域;根據災前建筑物區域分割結果、災后建筑物區域分割結果進行特征提取，得到特征證據; 根據證據理論原理，采用特征證據計算建筑物發生倒損的置信度，得到檢測結果。本發明充分利用了多 重疊影像生成的點云三維信息，同時結合災前后的遙感影像房屋損毀特征，顯著提高了建筑物損毀檢測 的精度。

成果介紹“衛星與無線通信融合系統研發及產業化”就是由東南大學、南京中網衛星通信股份有限公司和江蘇大學三家單位合作完成。衛星通信具有覆蓋廣和不受地域限制的優勢，但是受到遮擋以后，信號就會不好，而且通信的成本太高，2M帶寬每小時就要花費幾千元。而隨著3G、4G的普及，地面無線通信已經發展得相當完善，但是在地面基站未覆蓋區域，或基站一旦受到洪水、臺風、地震等自然災害破壞時，就無法通信了。正是基于這兩個通信系統的特點，我們‘取長補短’，巧妙地將兩種通信系統融合起來，研制完成的系統可以根據不同策略自適應地選擇地面通信鏈路或衛星鏈路”技術創新點及參數他和團隊成員克服了很多困難，提出了多項獨創性的方法，目前已申請國家發明專利40項（其中24項已經獲得授權），編制國家標準3項，發表國內外核心期刊論文61篇（其中SCI收錄16篇）。項目研制的衛星與無線通信融合系統實現了規模產業化，部分性能指標處于國際領先水平，并在氣象、安監、環保和軍隊等諸多行業得到極其廣泛的應用，得到了政府有關部門和客戶的一致好評。市場前景目前本項目的產品已經應用到全國26個省市的18個行業。其中，氣象和安監市場占有率達到70[%]，環保市場占有率達到60[%]。產品曾為“神舟系列”飛船的發射和回收提供氣象保障，為汶川地震、雅安地震和甘肅舟曲特大泥石流等提供了應急通信服務，為上海世博會和深圳大運會等重大活動提供了氣象保障和視頻直播服務。產品已經實現直接銷售收入8.3億元，產生的間接經濟效益數百億計。

大數據應用的多樣化 需要的計算模型、數據模型多樣化； 目前每類模型需要單獨的開源系統來支持（如HDFS、HBase、Neo4j、MongoDB，Flink，Spark，Tensorflow等）。 多系統導致大數據分析平臺非常復雜、效率低下。研究目標：研究和開發面向新型多計算模型融合架構的、高時效、可擴展的新 一代大數據分析支撐系統與工具平臺FAST（Fusion-Architecture, Scalable, Time-efficient big data analysis platform）。針對目前大數據分析平臺復雜、效率低下的痛點，該系統具有三個 方面的優勢：首先，這套系統采用融合架構，一方面實現關系、圖、鍵 值、文檔等多種數據模型的高效融合，另一方面實現批處理計算、流計 算的深度融合，并可以通過SQL擴展語言來進行多模型的統一查詢，實現高效的跨模型查詢。其次，對于復雜系統來說，時效性非常重要，這 套系統采用融合架構提高效率是實現高時效的基礎，更重要的是，我們 對大數據分析從數據到用戶進行了端到端的全棧時效優化。最后，對于 大數據應用來說，系統擴展性非常重要，本系統在資源層、存儲層和計 算層進行了全面的擴展性優化。下面在融合架構、高時效和可擴展這三 個方面，分別詳細介紹FAST系統的三個主要亮點。融合架構FAST系統的第一個亮點是融合架構，我們在技術方面的創新主要包 括多數據模型融合和多計算模型融合兩方面。多數據模型融合：設計和研發了多模型數據管理與查詢引擎，支持關系、圖、鍵值、 文檔等多種數據模型，實現了查詢解析、查詢優化、元數據管理、數據 分布等功能，將多種數據模型進行統一管理和深度融合。同時擴展了SQL語言，通過統一的查詢接口支持對關系、鍵值、圖、文檔等數據進行獨立訪問或者跨模型查詢。經過試驗，多模型數據融合查詢，比Spark 2.3.4的查詢時間能平均減少70.7%。目前spark等現有系統還需要手工編程方式來實現跨模型查 詢，所以FAST系統在易用性上也表現良好，降低使用門檻，提高開發效率。多計算模型融合：在計算層實現了最常見的批處理計算和流計算深度融合，批流融合的核心方法是在系統內部實現批和流的統一表達，批是對有限數據集 的運算，流是對無限數據流的計算，我們設計了UCollection結構對批和 流數據進行統一表達，通過識別的bounded標志，來確定是批、流、或批流融合。有了統一表達，可以開展一系列融合優化來提升系統性能。 并且對上通過Unified API統一用戶的批、流接口，實現二者在編程范式上的統一表達。對于批流混合的計算，融合架構系統的查詢延遲比Flink 1.4.2能減少57%，吞吐量平均可以提升到6.72倍。高時效FAST系統的第二個亮點是高時效，即縮短大數據分析的時間消耗， 提高效率。由于大數據分析平臺是一個非常復雜的系統，為了做到高時效，系統不能存在性能短板，因此需要對大數據分析的整個過程進行端到端的全棧時效優化。如圖中所示，自下而上，需要在多模態存儲、批流融合、機器學習、人工操作各層都進行優化。對于多模態存儲，面向應用負載和異構硬件特征進行自適應優化；對于批流融合計算，在統一表達基礎上，進行系列融合優化技術， 包括DAG優化、迭代優化、部署優化、操作符優化等；在機器學習層面，進行模型優化、消息優化、梯度優化、概率優化 等來提高時效；而且我們也考慮到大數據分析過程中用戶人工操作的時效性問題， 通過智能地進行大數據分析方法和模型的推薦，來縮減人工操作的 時間。可擴展FAST系統的第三個亮點是可擴展，由于大數據應用規模很大，數據增速快，對系統可擴展性的要求非常高，為此我們在系統的資源層、 存儲層和計算層進行了全面的擴展性優化。在資源層，系統都部署在云計算的虛擬化資源之上，利用了云計算資源的彈性機制進行系統擴展。并在系統中實現了可伸縮調整模塊， 能實時監控軟硬件系統的狀態，按照應用需求來自適應地進行彈性伸縮。在存儲層，分布式存儲系統擴展性的關鍵在于分布式共識和一致性 協議（Raft），因此提出了KV-Raft、vRaft等進行Raft的擴展優化。在計算層，我們擴展了機器學習模型的參數規模，使系統可以支持 到百億級別的超大規模機器學習模型訓練，并且性能方面有明顯提 升。亮點成果：融合架構大數據分析平臺目前已經在阿里巴巴雙十一進行示范應用。 從2020年11月10日至11月16日一周的時間，在阿里的生產環境中，研發 的系統一直連續穩定運行，基于淘寶和天貓的實際用戶信息進行大數據 分析，綜合運用了本系統的存儲、計算、機器學習等多個模塊的能力， 累計進行了184億件商品推薦。同時在雙十一期間，基于智能交互向導技術，也面向電子商務應用 的賣家提供了“生意參謀”應用，基于大數據分析，幫助賣家分析產品 銷量變化的原因，以及促銷的有效手段等。