葡京娱乐场-富盈娱乐场开户

本發(fā)明屬于圖像處理相關(guān)技術(shù)領(lǐng)域，其公開了一種適用于 IC 封裝設(shè)備變形物體的匹配方法，其包括以下步驟:(1)提取模板圖像中物 體的輪廓及目標(biāo)圖像中物體的輪廓;(2)獲得目標(biāo)擬合多邊形及模板擬 合多邊形;(3)建立目標(biāo)圖像哈希表及模板圖像哈希表;(4)對目標(biāo)圖像 及模板圖像進行粗匹配;(5)計算目標(biāo)擬合多邊形及模板擬合多邊形的 各邊中點在對應(yīng)參考質(zhì)心極坐標(biāo)系中的位置坐標(biāo);(6)計算模板擬合多 邊形及目標(biāo)擬合多邊形各邊的梯度方向、線性變換矩陣及相似度分?jǐn)?shù); (7)所述目標(biāo)圖

本發(fā)明公開了一種基于多邊形廣義霍夫變換的圖像匹配方法， 該方法包括:(1)離線階段:(1.1)對模板圖像進行邊緣提取和多邊形擬 合;(1.2)利用局部三角特征以及頂點與模板圖像參考點的矢量關(guān)系， 構(gòu)建 R-Table 表;(2)在線階段:(2.1)對目標(biāo)圖像進行邊緣提取和多邊 形擬合;(2.2)對目標(biāo)圖像進行投票，票數(shù)最高的位置點作為與模板圖 像上的參考點對應(yīng)的匹配點，以確定模板圖像的多邊形的頂點與目標(biāo) 圖像的多邊形的頂點的對應(yīng)關(guān)系，同時確定模板圖像與目標(biāo)圖像之間 發(fā)生平移、旋轉(zhuǎn)

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。 

D2D 異構(gòu)網(wǎng)絡(luò)技術(shù)（即終端直通技術(shù)），不需要通過基站或核心網(wǎng)進行數(shù)據(jù)中轉(zhuǎn)和處理，只需在移動終端之間建立通信鏈路即可直接傳輸數(shù)據(jù)，為突破上述技術(shù)瓶頸提供了一種新型的網(wǎng)絡(luò)架構(gòu)。目前，D2D 技術(shù)已被IMT-2020（5G）推進組確定為第5代移動通信系統(tǒng)的關(guān)鍵技術(shù)之一。然而，D2D 通信無線資源分配方面的研究，必須考慮能量效率和能量使用的優(yōu)化。由于移動終端的電池容量有限，一旦忽視數(shù)據(jù)傳輸中對能量效率的優(yōu)化，將使得數(shù)據(jù)傳輸由于能量枯竭而中斷，重要信息無法及時傳達，嚴(yán)重影響服務(wù)質(zhì)量和用戶體驗。針對4G 智能手機的用戶調(diào)查結(jié)果表明，只有不到25%的用戶對手機續(xù)航時間表示滿意，手機續(xù)航時間已經(jīng)成為影響用戶滿意度和品牌忠誠度的關(guān)鍵因素之一。 　　課題組深入研究了頻譜效率和能量效率之間的內(nèi)在關(guān)聯(lián)，其研究結(jié)果表明，在考慮實際電路功率損耗的情況下，頻譜效率和能量效率不再是簡單的單調(diào)遞減關(guān)系，而是隨著頻譜效率的增加，能量效率呈現(xiàn)先單調(diào)遞增后單調(diào)遞減的特性。通過上述分析可以看出，如果一味追求高頻譜效率和高吞吐量，將會帶來移動終端能量效率的大幅度下降。因此，課題組針對D2D異構(gòu)網(wǎng)絡(luò)頻譜資源復(fù)用的復(fù)雜場景，將針對能效最優(yōu)的NP難聯(lián)合資源分配問題轉(zhuǎn)換為用戶偏好下的隨信道狀態(tài)和干擾水平而動態(tài)變化的一對一匹配問題，并通過采用穩(wěn)定匹配理論、非合作博弈理論、非線性優(yōu)化理論來解決能效優(yōu)化問題。研究結(jié)果表明，在保障QoS情況下，相比傳統(tǒng)的高譜效資源分配方法，該方案可以將移動終端的功率消耗降低200%以上。，本項目的核心研究方向正是將節(jié)能減排戰(zhàn)略方針落實到移動通信的基礎(chǔ)研究領(lǐng)域中，與國家中長期科技發(fā)展方向和國際通信產(chǎn)業(yè)長期發(fā)展趨勢相一致，將在技術(shù)、環(huán)境和經(jīng)濟等多個方面具有重要的研究意義和實用價值。 　　 課題組負(fù)責(zé)人周振宇自參加工作起即投入到異構(gòu)網(wǎng)絡(luò)資源分配、干擾協(xié)調(diào)、移動性管理、自組織組網(wǎng)等方面的研究工作中，作為項目負(fù)責(zé)人，先后主持了多項國家級、省部級科研項目，包括國家自然科學(xué)基金青年科學(xué)基金項目、北京市自然科學(xué)基金青年科學(xué)基金項目、北京市優(yōu)秀人才計劃項目等，積累了深厚的理論基礎(chǔ)和豐富的研究經(jīng)驗。以 第 一 作 者 和 通 信 作 者 在 IEEE Transactions on Communications 、IEEE Transactions on Vehicular Technology、IEEE Transactions on Intelligent Transportation Systems、IEEE Transactions on Green Communications and Networking、IEEE Journal on Selected Areas in Communications、IEEE Transactions on Industrial Informatics等通信領(lǐng)域主流期刊發(fā)表論文30 余篇，在IEEE ICC、IEEE Globecom 等通信領(lǐng)域旗艦會議發(fā)表文章30 余篇，其中2 篇論文入選ESI 高被引論文。 　　其研究工作已被 Prof. Zhu Han（IEEE Fellow）、Prof. Weihua Zhuang（加拿大工程院院士、IEEE Fellow）、Prof. Sherman Shen（加拿大工程院院士、IEEE Fellow）、Prof. Vincent Poor（美國科學(xué)院院士、加拿大科學(xué)院院士、英國皇家科學(xué)院院士、IEEE Fellow）、Prof. Andreas Molisch（奧地利科學(xué)院院士、IEEE Fellow）、易芝玲教授（中國移動研究院首席科學(xué)家）以及JSAC、IEEE Transactions on Wireless Communications、IEEE Communications Magazine 等通信領(lǐng)域頂級期刊引用和正面評價。榮獲IET Communications 最佳期刊論文獎（the IET Premium Award in 2017，每年在全球范圍內(nèi)僅選拔1 篇）、IEEE 通信協(xié)會綠色通信與計算專委會最佳論文獎（IEEE ComSoc Green Communications and Computing Technical Committee 2017 Best Paper Award，在IEEE Globecom 2017 會議上頒獎） 　　目前擔(dān)任 IEEE Access、Transactions on Emerging Telecommunications Technologies、IEEE Communications Magazine 等國際學(xué)術(shù)期刊的編輯及客座編輯，擔(dān)任IEEE ISADS’15 智能電網(wǎng)通信與網(wǎng)絡(luò)技術(shù)專題研討會聯(lián)合主席，擔(dān)任IEEE Globecom、IEEE ICC、IEEE WCNC、IEEE VTC、IEEE PIRMC、IEEE CCNC、IEEE APCC 等國際學(xué)術(shù)會議的技術(shù)委員會委員。在國際標(biāo)準(zhǔn)化方面，擔(dān)任IEEE 異構(gòu)網(wǎng)絡(luò)授權(quán)/非授權(quán)頻譜融合標(biāo)委會工作組骨干成員（IEEE Standards Association, P1932.1 Working Group, “Licensed/Unlicensed Spectrum Interoperability in Wireless Mobile Networks”）。應(yīng)邀在IEEE 車輛技術(shù)協(xié)會旗艦會議IEEE VTC’18 上作Tutorial 報告（報告題目：Internet of Vehicles: When SDN, Edge Computing and Big Data Meet Intelligent Transport Systems）。2016 年入選北京市委組織部“北京市優(yōu)秀人才計劃”，2017 年入選IEEE 高級會員（IEEE Senior Member）。 　　該研究由中國國家自然科學(xué)基金委項目61601180和61601181，中央高校基礎(chǔ)研究基金資助項目2014MS08和2016MS17，日本學(xué)術(shù)振興會JSPS KAKENHI 26730056， JP15K15976和JP16K00117以及JSPS A3 Foresight等項目資助。

本發(fā)明涉及復(fù)合制動系統(tǒng)和方法,旨在提供一種發(fā)動機壓縮空氣與摩擦制動相匹配的復(fù)合制動系統(tǒng)及方法。該系統(tǒng)包括通過高壓管路連接至高壓儲氣罐的壓縮空氣制動系統(tǒng),高壓管路上設(shè)電磁閥;還包括摩擦式制動系統(tǒng),電子控制單元ECU通過信號線分別與剎車踏板傳感器、車輛運行狀態(tài)傳感器、壓縮空氣制動系統(tǒng)、摩擦式制動系統(tǒng)、電磁閥相連接。本發(fā)明相比傳統(tǒng)制動技術(shù)更加節(jié)能;在長坡制動時降低對摩擦制動器損傷,避免制動力衰退,提高制動安全性;可實現(xiàn)氣門控制,實現(xiàn)壓縮空氣制動力大小可調(diào),擴大了壓縮空氣制動的工況應(yīng)用范圍;在壓縮空氣制動和摩擦制動單獨工作或聯(lián)合工作時都能實現(xiàn)防抱死功能,提升了車輛制動系統(tǒng)的穩(wěn)定性。

大數(shù)據(jù)無線傳輸、智能駕駛車載雷達系統(tǒng)，第五代移動通信(5G)、物聯(lián)網(wǎng)等。

本發(fā)明提供了一種基于凹點匹配的玉米穗部粘連籽粒分割方法及系統(tǒng)，該方法在玉米穗部的籽粒分割圖存在粘連籽粒時，獲取粘連籽粒的輪廓最小凸閉包，獲取粘連籽粒的輪廓最小凸閉包的匹配凹區(qū)以及對應(yīng)的分割凹點對，以及根據(jù)分割凹點對粘連籽粒進行分割。該系統(tǒng)包括粘連籽粒的輪廓最小凸閉包獲取單元、匹配凹區(qū)及分割凹點對獲取單元及粘連籽粒分割單元。本發(fā)明能夠可以快速、準(zhǔn)確分割玉米果穗穗部粘連籽粒，為玉米品種的考察研究提供了準(zhǔn)確且可靠的基礎(chǔ)。

物流業(yè)是我國國民經(jīng)濟的支柱產(chǎn)業(yè)和重要的現(xiàn)代服務(wù)業(yè)，2017年全國社會物流總額為252.8萬億元，社會物流總費用與GDP的比率達14.6%。物流裝卸時間耗時巨大，如海運裝卸約占總運輸時間50%，降低物流裝卸時間對千提高物流效率具有重大意義。叉車作為物流業(yè)裝卸、堆跺搬運環(huán)節(jié)中必不可少的裝備，在物流裝卸搬運中占據(jù)核心地位，是提高物流效率、降低物流成本的重要保障，在國民經(jīng)濟發(fā)展中具有重要意義。 項目實施前，國內(nèi)高端叉車技術(shù)被國外壟斷，長期依賴進口，國產(chǎn)叉車搬運效率燃油能耗高，舉力密度低，設(shè)計制造周期長，不能滿足市場的迫切需求，嚴(yán)重制約我國物流業(yè)的快速發(fā)展。 浙江大學(xué)團隊在國家科技支撐計劃、浙江省重大科技專項的支持下，依托流體動力與機電系統(tǒng)國家重點實驗室、國家認(rèn)定企業(yè)技術(shù)中心、國家認(rèn)可實驗室的國家一流創(chuàng)新載體，圍繞新型節(jié)能高效叉車的設(shè)計、動力匹配、強度與振動、梊成控制方面展開技術(shù)攻關(guān)，完成了A、R、XF、X系列叉車的研制，典型產(chǎn)品節(jié)能10％以上，效率提高20%。項目成果成功實現(xiàn)了重大技術(shù)創(chuàng)新，具有自主知識產(chǎn)權(quán)，總體技術(shù)達到國際先進水平，產(chǎn)品成功應(yīng)用于港口、機場、大型電商物流倉庫等重要場合，實現(xiàn)了智能化裝卸、堆跺和短距搬運，極大提高物流效率，為我國經(jīng)濟建設(shè)做出重大貢獻。

本發(fā)明屬于精密加工與測量技術(shù)領(lǐng)域，并公開了一種基于核外 電子概率密度分布的復(fù)雜曲面零件匹配檢測方法，包括:對待測零件 進行非接觸式掃描獲得掃描點云，并將其與設(shè)計點云組成匹配比較對 象;將兩片點云轉(zhuǎn)換到同一三維坐標(biāo)系內(nèi)，并將各個點看作原子的原子核，將此原子核的鄰域點看作核外電子，遍歷所有點計算得出其對 應(yīng)的電子概率密度分布值;基于計算得出的電子概率密度分布值確定 兩個模型的誤差，并在當(dāng)前誤差不滿足終止條件時對測量點云進行粗 匹配和精匹配，直至滿足終止條件為止。通過本發(fā)明，能夠有效解決 現(xiàn)有非接觸式匹配

本發(fā)明公開了一種閉環(huán)控制系統(tǒng)的模型與對象不匹配的檢測方法,在工業(yè)過程正常運行時獲取當(dāng)前系統(tǒng)的閉環(huán)數(shù)據(jù)，利用該數(shù)據(jù)獲取模型質(zhì)量指標(biāo)，根據(jù)模型質(zhì)量指標(biāo)的值來檢測模型與對象的匹配程度；模型質(zhì)量指標(biāo)越接近于 1，模型與對象的匹配度越高；該模型質(zhì)量指標(biāo)不受控制器的調(diào)節(jié)參數(shù)的改變與干擾模型變化的影響；該方法可有效地把模型與對象不匹配從其它影響控制性能的因素中分離出去，更清晰地分析出模型與對象不匹配對控制系統(tǒng)性能的影響。另外，采用