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

產(chǎn)品詳細介紹  

北京中教啟星科技股份有限公司是北京市科委認定的高新技術(shù)企業(yè)、軟件企業(yè)，中國教育裝備行業(yè)及北京市教育裝備行業(yè)協(xié)會理事單位；公司以“持續(xù)創(chuàng)新和優(yōu)質(zhì)服務(wù)聚焦教育、追求卓越、多元共贏、成為中國最具價值的教育科技企業(yè)”為企業(yè)愿景，扎根教育，服務(wù)于教育。 作為國內(nèi)先進教育裝備提供商、現(xiàn)代教育教學環(huán)境集成商與素質(zhì)教育運營商的北京中教啟星科技股份有限公司，2012年12月18日成功在新三板掛牌上市，簡稱“中教股份”，證劵代碼：430176。 伴隨著中國教育現(xiàn)代化事業(yè)的發(fā)展進程，中教股份始終堅持以信息化促進教育現(xiàn)代化的思想，在深刻理解教育改革思路、準確把握教育信息化需求、合理應(yīng)用前沿信息技術(shù)、真誠服務(wù)教育市場用戶的基礎(chǔ)上，銳意進取、不斷創(chuàng)新，如今中教股份已經(jīng)發(fā)展成為中國教育信息化、現(xiàn)代教育裝備的領(lǐng)航者和知名品牌，主營業(yè)務(wù)涵蓋教育信息化、現(xiàn)代教育裝備、校外科技教育及教育創(chuàng)客四大核心領(lǐng)域，形成了以學科實驗室建設(shè)、新建校建設(shè)、校外綜合實踐基地建設(shè)和新型勞動教育業(yè)務(wù)發(fā)展穩(wěn)定的四駕馬車，并已擁有近百項專利技術(shù)、注冊商標和軟件著作權(quán)。 現(xiàn)在中教股份致力于信息技術(shù)和教育的深度融合，通過技術(shù)手段和業(yè)務(wù)模式的不斷創(chuàng)新，全面實現(xiàn)教育主管機構(gòu)、學校和家庭教育資源充分共享，讓教研更深入、讓教育更愉悅、讓教學更高效、讓學習更自主。 中教股份將繼續(xù)秉承“開放、創(chuàng)新、合作、共享”的核心價值觀，推動中國基礎(chǔ)教育現(xiàn)代化進程，培養(yǎng)青少年創(chuàng)新能力、助力國家強盛。

一種基于非監(jiān)督特征學習的高分辨率遙感影像場景分類方法，包括對輸入的原始高分辨率遙感圖像 進行劃分得到場景，從每個場景中隨機地提取若干個訓練圖像塊，將訓練圖像塊聚集起來做預(yù)處理操作; 計算所有訓練圖像塊的低維流形表示，聚類得到一組聚類中心;對每一幅場景密集采樣得到局部圖像塊， 對每個局部圖像塊做預(yù)處理操作后映射到相同的低維流形空間中，然后進行編碼獲得場景的所有局部特 征;將所有場景的局部特征集合起來進行特征量化，統(tǒng)計每一幅場景的局部特征直方圖，得到場景的全 局特征表達;隨機挑選若干幅場景作為訓練樣本，由分類器得到每一幅場景的預(yù)測類別標號，完成原始 高分辨率遙感場景的標注任務(wù)。

本發(fā)明公開了一種結(jié)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(shù)據(jù) 和現(xiàn)有的全球 DEM 數(shù)據(jù) SRTM，結(jié)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(jié)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。 

用于彩色數(shù)字影像系統(tǒng)的色適應(yīng)變換尋優(yōu)方法及系統(tǒng)，包括輸入影像客體各樣本可見光范圍光譜反 射率數(shù)據(jù)；計算各樣本在目標光源照明條件下色度信息，求解各樣本在各種模擬光源照明條件下色度信 息；利用各種色適應(yīng)變換方法預(yù)測色適應(yīng)變換后在目標光源照明條件下的色度信息；計算各模擬光源下 各待尋優(yōu)的色適應(yīng)變換方法對各樣本的色適應(yīng)變換平均精度；構(gòu)建 BP 神經(jīng)網(wǎng)絡(luò)對模擬光源的相對光譜 功率分布曲線與色適應(yīng)變換平均精度之間關(guān)系進行擬合；對于任意光源，利用各條 BP

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(gòu)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(shù)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(guān)鍵技術(shù)，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(guān)鍵核心技術(shù)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(gòu)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(shù)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(guān)鍵技術(shù)，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(guān)技術(shù)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(shù)及應(yīng)用》2021年榮獲測繪科技進步特等獎。 技術(shù)特色： (1) 首次提出基于人工智能技術(shù)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(shù)，通過自適應(yīng)增量優(yōu)化提升深度分割網(wǎng)絡(luò)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(jié)果全自動進行多源地理信息控制點粗差剔除，實現(xiàn)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(wǎng)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(shù)，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(jié)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(nóng)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(wǎng)絡(luò)融合經(jīng)驗知識實現(xiàn)建筑物矢量邊緣精確提取；結(jié)合語義分割和多起點中心線追蹤優(yōu)化提取道路網(wǎng)拓撲矢量；基于3D卷積和注意力機制實現(xiàn)多類農(nóng)作物精細分類及其時空特征智能提取。 (5) 構(gòu)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(shù)體系，研制出我國首套自主產(chǎn)權(quán)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(shù)據(jù)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(guān)理論與方法，結(jié)合先進的計算機技術(shù)、CPU/GPU兩級加速并行處理及深度學習技術(shù)，處理效果和效率均明顯優(yōu)于國內(nèi)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(wǎng)平差、正射影像糾正等全部處理流程。語義分割結(jié)果約束的立體衛(wèi)星影像區(qū)域網(wǎng)平差自動化程度和精度均顯著提升，例如在1:1萬基礎(chǔ)測繪產(chǎn)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(nèi)，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(shù)據(jù)，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(jié)構(gòu)化模型重建、人機交互等功能模塊，實現(xiàn)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(shè)的自動化程度，推進實景三維中國建設(shè)進程。 一、項目分類 關(guān)鍵核心技術(shù)突破 二、技術(shù)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(shù)據(jù)，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(jié)構(gòu)化模型重建、人機交互等功能模塊，實現(xiàn)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(shè)的自動化程度，推進實景三維中國建設(shè)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(jié)構(gòu)化模型重建等軟件子模塊構(gòu)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(chǎn)品生產(chǎn)；支持多核、多CPU、多GPU架構(gòu)的任務(wù)并行化管理，支持搭建點云、影像、模型數(shù)據(jù)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(guān)鍵問題： LiDAR點云與傾斜影像異源異構(gòu)數(shù)據(jù)配準問題，點云影像數(shù)據(jù)難以聯(lián)合應(yīng)用； 單一數(shù)據(jù)源三維信息與紋理信息不全，高質(zhì)量模型結(jié)果依賴高精度數(shù)據(jù)輸入，導(dǎo)致數(shù)據(jù)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(jié)構(gòu)化模型成果難復(fù)用，而手動模型繪制難度高、工藝繁瑣； 實景三維數(shù)據(jù)制作單位高度依賴國外軟件，國產(chǎn)化難。 先進性： 當前，國內(nèi)90%以上地形級實景三維數(shù)據(jù)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(diào)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(shù)據(jù)聯(lián)合應(yīng)用基礎(chǔ)；采用LiDAR點云約束的多視影像密集匹配策略實現(xiàn)高精度、全覆蓋三維數(shù)據(jù)輸入以實現(xiàn)高質(zhì)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(shù)據(jù)；優(yōu)化自動結(jié)構(gòu)化模型重建與人工干預(yù)的結(jié)構(gòu)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(jié)構(gòu)化建模的模型編輯、紋理編輯模塊，不達標的自動模型可復(fù)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(chǎn)路線，以適應(yīng)不同地域模型精度要求差異、不同應(yīng)用時間響應(yīng)要求。其一是以LiDAR點云為主的快速建筑物結(jié)構(gòu)化模型重建，經(jīng)過點云分類、建筑物實例分割、結(jié)構(gòu)化模型重建等步驟構(gòu)建人工地物結(jié)構(gòu)化模型，并利用配準后多視影像對模型紋理映射，此生產(chǎn)線主要產(chǎn)品包括DOM、DEM、 LoD2為主的建筑物結(jié)構(gòu)化模型、典型地物真實色彩點云等輕量基礎(chǔ)數(shù)據(jù)；其二是在LiDAR點云約束下生成高精度密集匹配點云構(gòu)造高質(zhì)量實景三維模型，并在此基礎(chǔ)上提取建筑物單體三角網(wǎng)數(shù)據(jù)，經(jīng)過模型簡化抽象得到建筑物LoD3模型，此生產(chǎn)線主要產(chǎn)品包括實景三維模型、建筑物LoD3模型等城市級實景三維數(shù)據(jù)要素。 此外，軟件系統(tǒng)支持在Windows (Win7/10)、Ubuntu (16.04/18.04/ 20.04)、國產(chǎn)麒麟(V4/V10)等多操作系統(tǒng)中運行，已階段性實現(xiàn)國產(chǎn)化。

本發(fā)明公開了一種面向關(guān)系數(shù)據(jù)庫擴展的自適應(yīng)影像金字塔切片方法，本發(fā)明針對空間數(shù)據(jù)管理系 統(tǒng)發(fā)展現(xiàn)狀，綜合考慮局域網(wǎng)網(wǎng)絡(luò)帶寬和服務(wù)器端數(shù)據(jù)庫存儲塊大小，并結(jié)合局域網(wǎng)客戶端硬件情況， 提出了自適應(yīng)影像切片模型，根據(jù)自適應(yīng)影像切片模型自適應(yīng)的選擇影像切片尺寸。本發(fā)明可在多種不 同的數(shù)據(jù)庫、網(wǎng)絡(luò)和客戶端條件下實現(xiàn)影像數(shù)據(jù)智能化高效存儲與訪問，為高效的影像數(shù)據(jù)管理提供了 可行的思路和方法，有助于在 C/S 架構(gòu)的網(wǎng)絡(luò)環(huán)境下高效存取和管理基于數(shù)據(jù)庫技術(shù)的遙感影像數(shù)據(jù)。 

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。