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

5G+AI 云邊一體化智慧出行解決方案，針對道路事故率高、交通擁堵困局、道路交通監(jiān)管難、公共交通信息阻塞等問題，匯集了5G 通信、AT 算力資源平臺、AI 算法、邊緣計算網(wǎng)關(guān)、車路協(xié)同、智慧燈桿、大數(shù)據(jù)管理平臺等諸多軟硬件技術(shù)成果，具有充分的綜合性、創(chuàng)新性、協(xié)同性、大集成等特征，同時將 5G、AI、物聯(lián)網(wǎng)、大數(shù)據(jù)、云邊一體化等技術(shù)交互融合，實現(xiàn)交通流感知、交通事件感知、配時方案優(yōu)化、智慧燈桿、邊緣計算網(wǎng)關(guān)等功能。 建設(shè)進(jìn)展 研發(fā)方向一：網(wǎng)絡(luò)建設(shè)規(guī)劃南京移動在新港地區(qū)優(yōu)先投入5G建設(shè)資源，目前新港開發(fā)區(qū)范圍內(nèi)，共 規(guī)劃5G站點114個，其中宏站82個，桿站32個；已開通宏站27個。本項 目規(guī)劃恒競路需求站點11個，宏站9個，桿站2個，廠區(qū)內(nèi)部宏站2個，興 智路需求站點6個，其中宏站2個，桿站4個。 研發(fā)方向二：AI云平臺研發(fā) 南郵信產(chǎn)院投入建設(shè)AI云平臺，為人工智能提供算力支撐，為算法模型訓(xùn)練提供海量數(shù)據(jù)和開發(fā)環(huán)境，為區(qū)內(nèi) 人工智能企業(yè)及高校科研人員提供一站式人工智能產(chǎn)業(yè)服務(wù)，帶動人工智能技術(shù)的提升。目前已建成。 研發(fā)方向三：智慧燈桿+邊緣網(wǎng)關(guān) 智慧燈桿：場景載體，環(huán)境感知等多功能實現(xiàn)。 邊緣網(wǎng)關(guān)：各個功能互通互聯(lián)的媒介 目前智慧燈桿進(jìn)入融合各家設(shè)計階段。 研發(fā)方向四:車路協(xié)同/無人駕駛交通流感知-實時感知城市交叉口內(nèi)車流量、速度、排隊長度、占有率等數(shù)據(jù)。交通事件感知-提供停車，逆行，超速，擁堵，變道等事件信息，并提供照片和視頻。車路協(xié)同-將感知數(shù)據(jù)下發(fā)至無人駕駛車輛，車輛根據(jù)獲得的信息自動優(yōu)化行駛路線。配時方案優(yōu)化-將感知數(shù)據(jù)直接下發(fā)到交通信號機(jī)，實時生成交通信號配時方案，下發(fā)至交通信號機(jī)，實現(xiàn)路口單點自適應(yīng)控制。 研發(fā)方向四：車路協(xié)同/無人駕駛建設(shè)面向L4級無人駕駛的車路協(xié)同系統(tǒng)。主要是車路協(xié)同系統(tǒng)車端建設(shè)。通信網(wǎng)絡(luò)建設(shè)方面：參與對5G網(wǎng)絡(luò)的驗證，協(xié)助驗證5G網(wǎng)絡(luò)與無人駕駛的互聯(lián)互通。 大數(shù)據(jù)平臺建設(shè)方面：其無人駕駛車可以在多場景應(yīng)用，充當(dāng)城市各種數(shù)據(jù)收集的載體。 車路協(xié)同云控平臺建設(shè)方面：承擔(dān)車路協(xié)同云控平臺建設(shè)。 關(guān)注重點 開放性場景定義：一般是指城市基礎(chǔ)設(shè)施建設(shè)運(yùn)營管理、產(chǎn)業(yè)發(fā)展、民生服務(wù)等領(lǐng)域，對新技術(shù)新產(chǎn)品有應(yīng)用需求的各類工程、項目。通過應(yīng)用場景開發(fā)建設(shè)，可以推進(jìn)新技術(shù)新產(chǎn)品的示范應(yīng)用和迭代升級，助力新技術(shù)新產(chǎn)品推廣應(yīng)用。《南京市關(guān)于加快應(yīng)用場景開發(fā)建設(shè)2021年行動方案》圍繞5G+AI云邊一體化創(chuàng)新應(yīng)用示范道路，向全產(chǎn)業(yè)鏈（企業(yè)、科研機(jī)構(gòu)等）開放能力。一是路側(cè)基礎(chǔ)設(shè)施開放，在南京南郵信息產(chǎn)業(yè)技術(shù)研究院有限公司統(tǒng)籌管理下，開放路側(cè)龍門架、桿位等資源，以及相應(yīng)的供電 、聯(lián)網(wǎng)能力，為路側(cè)生態(tài)參與者提供寶貴的示范場地；二是數(shù)據(jù)開放，在保障信息安全和公共隱私的前提下，開放路側(cè)時空全覆蓋的結(jié)構(gòu)化與非結(jié)構(gòu)化數(shù)據(jù)，形成"興智路數(shù)據(jù)集"，為產(chǎn)業(yè)發(fā)展注入珍貴的稀缺數(shù)據(jù)資源；三是應(yīng)用開放，建立其他生態(tài)參與者加入的申請入口，規(guī)范開放"數(shù)據(jù)集"，通過互聯(lián)網(wǎng)、展廳等線上線下渠道向全社會展示 5G+AI云邊一體化創(chuàng)新應(yīng)用示范道路的成效。 示范性在中國（南京）智谷的指導(dǎo)下，本項目參與四方集聚各自技術(shù)及資源優(yōu)勢，群策群力，協(xié)同創(chuàng)新，緊密且高效地推進(jìn)建設(shè)計劃；將5G、AI、物聯(lián)網(wǎng)、大數(shù)據(jù)、云邊一體化等技術(shù)交互融合，期望建成經(jīng)開區(qū)人工智能產(chǎn)業(yè)方向上的標(biāo)志性應(yīng)用場景，樹立良好的示范典型。 先進(jìn)性5G+AI云邊一體化創(chuàng)新應(yīng)用示范道路"項目，針對道路事故率高、交通擁堵困局、道路交通監(jiān)管難、公共交通信息阻塞等問題；匯集了5G通信、AI算力資源平臺、邊緣計算網(wǎng)關(guān)、車路協(xié)同、智慧燈桿、大數(shù)據(jù)管理平臺等諸多軟硬件技術(shù)成果；與其他單純的車路協(xié)同場景、智慧燈桿場景相比，具有充分的綜合性、創(chuàng)新性、協(xié)同性、大集成等獨特特征和 充分的先進(jìn)性。

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(zhǔn) 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(zhǔn)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(fù)雜車載激光掃描數(shù)據(jù)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(shù)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(jié)合樹木的整 體和局部幾何特征，能夠在復(fù)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(jìn)行生長，實現(xiàn)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(shù)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(fù)雜環(huán)境下的提取等方面取得了較大提高，能夠用于進(jìn) 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(nèi)數(shù)據(jù)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(xiàn)云環(huán)境下的數(shù)據(jù)安全保障。 在個人域內(nèi)使用 IBAC 實現(xiàn)細(xì)粒度的訪問控制，在群組域內(nèi)使用 ABAC 實現(xiàn)高效可擴(kuò)展的訪問控制，并在現(xiàn)有屬性訪問控制基礎(chǔ)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(yīng)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(yīng)用鏡像數(shù)據(jù)管理模塊管理移動應(yīng)用鏡像的數(shù)據(jù)更新與刪 除，云端-移動端數(shù)據(jù)傳輸模塊實現(xiàn)云平臺和移動端之間的節(jié)能數(shù)據(jù)傳 輸，移動端數(shù)據(jù)存儲與分發(fā)模塊保存云端傳輸?shù)臄?shù)據(jù)并且分發(fā)給不同 移動應(yīng)用，移動端應(yīng)用請求分析模塊分析移動應(yīng)用的數(shù)據(jù)請求，并且 從存儲模塊返回相應(yīng)的數(shù)據(jù)。本發(fā)明能很好地降低無線網(wǎng)絡(luò)

本發(fā)明公開一種基于云技術(shù)的商品溯源及消費(fèi)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(shù)架構(gòu)，由所述云計算平臺負(fù)責(zé)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(fèi)者提供商品溯源服務(wù)，為企業(yè)提供消費(fèi)流向統(tǒng)計分析服務(wù)；所述云計算終端負(fù)責(zé)賦予商品加密二維碼標(biāo)識，本發(fā)明利用云技術(shù)強(qiáng)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(shù)的商品溯源及消費(fèi)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(shù)架構(gòu)，由所述云計算平臺負(fù)責(zé)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(fèi)者提供商品溯源服務(wù)，為企業(yè)提供消費(fèi)流向統(tǒng)計分析服務(wù)；所述云計算終端負(fù)責(zé)賦予商品加密二維碼標(biāo)識，本發(fā)明利用云技術(shù)強(qiáng)大的計算能力和性能，以及方便的

本發(fā)明公開了一種結(jié)合時空信息的遙感逐日積雪產(chǎn)品去云方法，首先根據(jù) DEM 數(shù)據(jù)和土地利用數(shù) 據(jù)對遙感逐日積雪產(chǎn)品進(jìn)行積雪單元劃分;再利用 DEM 數(shù)據(jù)和多時相數(shù)據(jù)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(quán)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(jié)合了積雪在空間上和時間上的相關(guān)性，以及地形因子對積雪的影響，有效地減少云對積雪 產(chǎn)品的影響，提高了積雪產(chǎn)品的精度，并且算法簡單，計算效率高，易于實現(xiàn)。

本發(fā)明公開了一種云平臺上高性能并行應(yīng)用的調(diào)度方法及系統(tǒng)； 其方法為：設(shè)置虛擬機(jī)類型；采集網(wǎng)絡(luò)數(shù)據(jù)包信息和自旋鎖信息，并 發(fā)送給宿主機(jī)；宿主機(jī)根據(jù) Hypercall 調(diào)用號獲取信息處理函數(shù)，獲取 自旋鎖計數(shù)和網(wǎng)絡(luò)數(shù)據(jù)包計數(shù)，并根據(jù)自旋鎖計數(shù)單節(jié)點虛擬機(jī)同步 需求，根據(jù)網(wǎng)絡(luò)數(shù)據(jù)包計數(shù)判斷跨節(jié)點虛擬機(jī)同步請求；根據(jù)虛擬機(jī) 類型、網(wǎng)絡(luò)數(shù)據(jù)包計數(shù)、自旋鎖計數(shù)以及同步請求信號，確定 vCPU 隊列中下一次被調(diào)入運(yùn)行的 vCPU

機(jī)載LiDAR與航空影像聯(lián)合城市三維建模系統(tǒng)（LiDARPro）主要以機(jī)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(zhǔn)、實景三維模型重建、建筑物單體結(jié)構(gòu)化模型重建、人機(jī)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(xì)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(jìn)實景三維中國建設(shè)進(jìn)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(jī)載LiDAR與航空影像聯(lián)合城市三維建模系統(tǒng)（LiDARPro）主要以機(jī)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(zhǔn)、實景三維模型重建、建筑物單體結(jié)構(gòu)化模型重建、人機(jī)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(xì)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(jìn)實景三維中國建設(shè)進(jìn)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(zhǔn)、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L(fēng)oD1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(jī)交互進(jìn)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(zhǔn)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(jìn)性： 當(dāng)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(jìn)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(xué)習(xí)成本極高、軟件針對性不強(qiáng)而效率低下。 機(jī)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(biāo)。軟件系統(tǒng)具備高精度點云影像配準(zhǔn)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(biāo)地物單體實例分割遞進(jìn)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(dá)標(biāo)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(zhǔn)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L(fēng)oD3模型，此生產(chǎn)線主要產(chǎn)品包括實景三維模型、建筑物L(fēng)oD3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(yùn)行，已階段性實現(xiàn)國產(chǎn)化。