葡京娱乐场-富盈娱乐场开户_百家乐试玩_sz全讯网网址xb112 (中国)·官方网站

“基于物聯網及云計算技術的設備故障診斷及預測平臺”利用云計算、物聯網、大數據、移動互聯網等現代信息通信技術，實現人與設備、人與人、設備與設備的實時互動，實現信息和數據的共享。軟件產品以服務的方式向用戶提供。減少企業(yè)的平臺搭建費用、數據安全維護成本、服務器投資和維護成本、專業(yè)技術人員投入成本、軟件升級維護成本等。所有云服務產品實現全移動化，支持IOS和Andriod系統(tǒng)的多個版本，并且與PC端數據實時同步。云平臺配置了冗余容災、異

本發(fā)明公開了一種結合全球 DEM 與立體視覺的衛(wèi)星影像云檢測方法，利用密集匹配的 DSM 數據 和現有的全球 DEM 數據 SRTM，結合高程與影像灰度信息提取云區(qū)域。主要步驟如下：通過多影像多 匹配基元方法獲得模型匹配的 M-DSM，基于特征線的方法配準 M-DSM 與 SRTM，通過高程差值獲得 初始種子點，然后把種子點計算到像方，結合影像的灰度信息提取出云區(qū)域。本發(fā)明在有大面積雪的影 像，能有效的避免雪的干擾，準確地檢測出云區(qū)，提高了遙感影像的利用率。 

本發(fā)明提供了一種適用于復雜車載激光掃描數據的單株樹木自動提取方法，主要分為兩大步驟：基 于聚類特征的粗分類，從車載激光掃描數居中獲取可能包含樹木的點聚類，稱之為候選樹木聚類；基于 兩級體素的區(qū)域生長，從每一個候選樹木聚類中提取出所包含的單株樹木點云。本本發(fā)明結合樹木的整 體和局部幾何特征，能夠在復雜環(huán)境中自動識別出單株樹木的種子，針對樹干與樹冠分別制定不同的生 長規(guī)則，分別進行生長，實現單株樹木提取。同其他單株樹木提取算法相比，該方法在樹木數量的提取 完整度和正確率、單株樹木點云的提取精度以及復雜環(huán)境下的提取等方面取得了較大提高，能夠用于進 一步的樹木信息提取。 

本發(fā)明公開了一種云環(huán)境下的多模式安全訪問控制方法，針對 云環(huán)境下不同域內數據訪問特點，選擇最優(yōu)的訪問控制方法。通過定 義一種訪問策略描述語言，統(tǒng)一約束訪問策略的制定和使用規(guī)則，使 得 IBAC、ABAC 和 DABAC 協(xié)同工作，實現云環(huán)境下的數據安全保障。 在個人域內使用 IBAC 實現細粒度的訪問控制，在群組域內使用 ABAC 實現高效可擴展的訪問控制，并在現有屬性訪問控制基礎上，引入動 態(tài)屬性的概念，采用多叉樹

本發(fā)明公開了一種面向移動云計算的節(jié)能傳輸方法及相應的中 間件系統(tǒng)，利用云端托管請求管理模塊接收并處理移動端的鏡像托管 請求，云端應用鏡像數據管理模塊管理移動應用鏡像的數據更新與刪 除，云端-移動端數據傳輸模塊實現云平臺和移動端之間的節(jié)能數據傳 輸，移動端數據存儲與分發(fā)模塊保存云端傳輸的數據并且分發(fā)給不同 移動應用，移動端應用請求分析模塊分析移動應用的數據請求，并且 從存儲模塊返回相應的數據。本發(fā)明能很好地降低無線網絡

本發(fā)明公開一種基于云技術的商品溯源及消費流向統(tǒng)計分析方法及系統(tǒng)，本發(fā)明中采用所述云計算平臺與云計算終端相互協(xié)作的云技術架構，由所述云計算平臺負責億級加密二維碼的編碼、壓縮、加密、生成、激活、賦值及管理，并為消費者提供商品溯源服務，為企業(yè)提供消費流向統(tǒng)計分析服務；所述云計算終端負責賦予商品加密二維碼標識，本發(fā)明利用云技術強大的計算能力和性能，以及方便的

本發(fā)明公開一種基于云技術的商品溯源及消費流向統(tǒng)計分析方法及系統(tǒng)，本發(fā)明中采用所述云計算平臺與云計算終端相互協(xié)作的云技術架構，由所述云計算平臺負責億級加密二維碼的編碼、壓縮、加密、生成、激活、賦值及管理，并為消費者提供商品溯源服務，為企業(yè)提供消費流向統(tǒng)計分析服務；所述云計算終端負責賦予商品加密二維碼標識，本發(fā)明利用云技術強大的計算能力和性能，以及方便的

本發(fā)明公開了一種結合時空信息的遙感逐日積雪產品去云方法，首先根據 DEM 數據和土地利用數 據對遙感逐日積雪產品進行積雪單元劃分;再利用 DEM 數據和多時相數據分別得到每個云像元在空間 和時間上的積雪概率;最后利用加權平均的方法獲得云像元的積雪概率，評判云像元是積雪還是無雪。 本發(fā)明充分結合了積雪在空間上和時間上的相關性，以及地形因子對積雪的影響，有效地減少云對積雪 產品的影響，提高了積雪產品的精度，并且算法簡單，計算效率高，易于實現。

本發(fā)明公開了一種云平臺上高性能并行應用的調度方法及系統(tǒng)； 其方法為：設置虛擬機類型；采集網絡數據包信息和自旋鎖信息，并 發(fā)送給宿主機；宿主機根據 Hypercall 調用號獲取信息處理函數，獲取 自旋鎖計數和網絡數據包計數，并根據自旋鎖計數單節(jié)點虛擬機同步 需求，根據網絡數據包計數判斷跨節(jié)點虛擬機同步請求；根據虛擬機 類型、網絡數據包計數、自旋鎖計數以及同步請求信號，確定 vCPU 隊列中下一次被調入運行的 vCPU

機載LiDAR與航空影像聯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。