基于同名直线特征的相对定向方法

    公开(公告)号:CN106595602B

    公开(公告)日:2019-06-25

    申请号:CN201610939617.9

    申请日:2016-10-31

    Abstract: 本发明涉及一种基于同名直线特征的相对定向方法。首先,在立体像对上采集同名直线特征;将平行直线特征、垂直直线特征和相交直线特征的相对定向方程联立,线性化,在给定初值的情况下,采用最小二乘平差的方法进行迭代计算,精化并确定两张影像之间的相对位移t和旋转R。本发明在解算过程中,不需要传统的同名点特征,不引入任何附加参数,仅仅依靠同名直线特征之间的相互关系,即可解算两张影像之间的相对位移和旋转;能够解决纹理贫乏区域由于同名点不足而无法准确定向的问题,可应用于城市三维建模、工业摄影测量、Lidar点云数据与航空影像配准等方面。

    基于人工免疫的云存储安全检测方法

    公开(公告)号:CN107256350A

    公开(公告)日:2017-10-17

    申请号:CN201710265561.8

    申请日:2017-04-21

    CPC classification number: G06F21/316 G06F21/604

    Abstract: 本发明公开了一种基于人工免疫的云存储安全检测方法,包括如下步骤:1、定义用户读/写请求的元数据结构,并转换为特征序列;2、收集用户合法访问的读/写请求,将这些合法访问请求的元数据信息转换为特征序列,并构成自我集合;3、生成算法得到候选检测器,将候选检测器中的每一个特征序列与自我集合中的每一个特征序列进行匹配,如果匹配成功,则舍弃候选检测器中的该特征序列,否则予以保留;4、截获存储读/写请求,按照元数据结构信息得到所需的元数据,并将其转换成对应的特征序列;5、将有效检测器中的每一个检测器与待检测的特征序列进行匹配,如果匹配成功,则判定该存储读/写请求为非法;本发明具有较低的误报率。

    基于图像灰度引导的非局部立体像对密集匹配方法

    公开(公告)号:CN106530337A

    公开(公告)日:2017-03-22

    申请号:CN201610933540.4

    申请日:2016-10-31

    CPC classification number: G06T2207/20212

    Abstract: 本发明涉及一种基于图像灰度引导的立体像对密集匹配方法,首先进行代价计算,采用改进HOG算子作为代价测度,计算同名像素之间的代价,作为描述同名像素之间相似性的手段,建立代价矩阵;其次进行基于图像灰度引导的代价积聚,获得稳定的代价积聚结果;根据WTA策略,获得初始视差图,并剔除误匹配点和遮挡点,获得精化的视差图;最后根据视差图,生成密集的高精度三维点云。本发明充分考虑边缘灰度特征,在视差边缘具有较高的匹配精度;采用八方向迭代式的代价积聚方式,能够增强纹理贫乏区域的匹配鲁棒性;能够快速获得密集的高精度三维点云,在航天航空、低空和近景摄影测量无人车自动驾驶等领域具有较好的应用前景。

    联合激光扫描和影像匹配的三维点云生成方法

    公开(公告)号:CN106780712B

    公开(公告)日:2021-02-05

    申请号:CN201610968752.6

    申请日:2016-10-28

    Abstract: 本发明涉及一种联合激光扫描和影像匹配的三维点云生成方法,它包括如下步骤:1、激光LiDAR点云完整度评估;2、弱/无反射区域三维点云生成;3、线特征地物的三维点云生成;4、激光LiDAR点云和密集匹配点云融合。本发明充分利用激光扫描技术和影像密集匹配技术各自的优势,根据影像密集匹配技术,解决激光扫描在弱/无反射区域和线状地物区域表现较弱的问题;根据原始的LiDAR点云,极大程度上减少密集匹配的计算量,能够快速获得完整、高精度、密集的三维点云产品。

    联合激光扫描和影像匹配的三维点云生成方法

    公开(公告)号:CN106780712A

    公开(公告)日:2017-05-31

    申请号:CN201610968752.6

    申请日:2016-10-28

    Abstract: 本发明涉及一种联合激光扫描和影像匹配的三维点云生成方法,它包括如下步骤:1、激光LiDAR点云完整度评估;2、弱/无反射区域三维点云生成;3、线特征地物的三维点云生成;4、激光LiDAR点云和密集匹配点云融合。本发明充分利用激光扫描技术和影像密集匹配技术各自的优势,根据影像密集匹配技术,解决激光扫描在弱/无反射区域和线状地物区域表现较弱的问题;根据原始的LiDAR点云,极大程度上减少密集匹配的计算量,能够快速获得完整、高精度、密集的三维点云产品。

    基于Q学习的电网脆弱点检测方法、系统、设备及介质

    公开(公告)号:CN112347716B

    公开(公告)日:2023-06-30

    申请号:CN202011183120.1

    申请日:2020-10-29

    Abstract: 本发明属于智能电网安全领域,公开了一种基于Q学习的电网脆弱点检测方法、系统、设备及介质,包括以下步骤:S1:获取待检测智能电网的电力系统模型;S2:基于电力系统模型,根据节点重要程度从待检测智能电网中选取预设数量的脆弱传输线,得到脆弱传输线集合;S3:以脆弱传输线集合为Q学习方法的动作空间,以待检测智能电网在脆弱传输线被拓扑攻击下的线路切断数量及发电功率损失为优化参数,通过Q学习方法迭代优化,得到最优的传输线攻击序列;S4:将最优的传输线攻击序列作为智能电网脆弱点。能够降低基于Q学习的电网脆弱点检测的计算复杂度,并且需要的信息较少,且能够提高基于Q学习的电网脆弱点检测的精度。

    基于Q学习的电网脆弱点检测方法、系统、设备及介质

    公开(公告)号:CN112347716A

    公开(公告)日:2021-02-09

    申请号:CN202011183120.1

    申请日:2020-10-29

    Abstract: 本发明属于智能电网安全领域,公开了一种基于Q学习的电网脆弱点检测方法、系统、设备及介质,包括以下步骤:S1:获取待检测智能电网的电力系统模型;S2:基于电力系统模型,根据节点重要程度从待检测智能电网中选取预设数量的脆弱传输线,得到脆弱传输线集合;S3:以脆弱传输线集合为Q学习方法的动作空间,以待检测智能电网在脆弱传输线被拓扑攻击下的线路切断数量及发电功率损失为优化参数,通过Q学习方法迭代优化,得到最优的传输线攻击序列;S4:将最优的传输线攻击序列作为智能电网脆弱点。能够降低基于Q学习的电网脆弱点检测的计算复杂度,并且需要的信息较少,且能够提高基于Q学习的电网脆弱点检测的精度。

    基于云服务器和虚拟系统的企业服务资源消息分发系统及方法

    公开(公告)号:CN107733814B

    公开(公告)日:2021-01-08

    申请号:CN201710834022.1

    申请日:2017-09-15

    Abstract: 本发明公开了一种基于云服务器和虚拟系统的企业服务资源消息分发系统,它的消息队列缓冲模块的信号输出端连接消息代理模块,消息代理模块的网络访问请求队列解析信号输出端连接消息路由器的网络访问请求队列解析信号输入端,虚拟机资源管理模块的映射表信息通信端连接消息路由器的映射表信息通信端,消息路由器的网络访问请求队列解析信号输出端通过消息队列解析信号分配总线连接数据宿主机、应用宿主机和存储宿主机的消息队列解析信号输入端,消息路由器输出的网络访问请求队列解析信号按映射表中存储的各个网络访问请求对应的虚拟机访问IP地址传输给对应的数据宿主机、应用宿主机和存储宿主机。本发明提高了系统的服务效率。

Patent Agency Ranking