隧道是现代立体交通的重要组成部分，能够显著提升公路和铁路的交通效能，有效缓解特大城市的交通拥堵。上海、广州、武汉、南京、郑州等国家重点城市建设了一批城市隧道，这对隧道空间的智能化管理水平和信息化服务能力提出了更高的要求。另一方面，隧道作为国防基础设施，还应满足物资输送、应急疏散等需求。无论民用还是国防应用，位置信息对于实现隧道智能管控都至关重要。
以前说过SFM和SLAM的称呼，计算机视觉的同行多半说SFM，而机器人的行业流行说SLAM，到底区别在哪里？有说SFM是假设背景不动，那么outlier是什么？当年做IBR（image-based rendering）的时候，以panorama view为例，也是假设场景物体不动，可总是有不静止的物体，比如水，比如树叶，甚至不配合的人们走动，会产生鬼影吗？结果也提出了一堆的解决方法。SFM和MVG（multiple view geometry）紧密相关吧，都面临计算机视觉的共同问题，动态环境是回避不了的。
SLAM是Simultaneous LocalizationandMapping的缩写，意为“同时定位与建图 （同步定位与地图构建）”，是业界公认视觉领域空间定位技术的前沿方向。它是指运动物体自身位置不确定的条件下，根据传感器的信息，一边计算自身位置，一边构建环境地图的过程,同时利用地图进行自主定位和导航。它主要用于解决机器人在未知环境运动时，如何通过对环境的观测确定自身的定位和运动轨迹，同时构建出周围环境的地图。
本文重点论述了EKF、UPF、PF、EPF、UPF多种卡尔曼滤波的理论基础,以 离散时间系统为主,介绍了各种滤波方法的递推公式,分析 了各种方法的特点,理顺了种种方法之间的区别和联系,阐 述了卡尔曼滤波方法在动态测量中的应用.
视觉目标跟踪是计算机视觉中的一个重要研究方向，有着广泛的应用，如：视频监控，人机交互， 无人驾驶等。过去二三十年视觉目标跟踪技术取得了长足的进步，特别是最近两年利用深度学习的目标跟踪方法取得了令人满意的效果，使目标跟踪技术获得了突破性的进展。本文旨在简要介绍：目标跟踪的基本流程与框架，目标跟踪存在的挑战，目标跟踪相关算法，以及目标跟踪最新的进展等，希望通过这篇文章能让读者对视觉目标跟踪领域有一个较为全面的认识。
同时搭载差分卫星定位系统、惯性测量单元和街景全景相机的移动测量系统，可高效获取具有精确位姿信息的城市环境高分辨率街景图像，为建筑物立面结构实景三维精细建模提供了重要的数据源。由于地面遮挡、视野限制、影像畸变等因素，单视街景影像难以有效覆盖较大建筑物立面结构。本文提出多视街景影像几何纠正与拼接方法，消除多视影像间的几何、曝光不一致性。利用谷歌开源街景影像数据实验，结果表明该方法可提高建筑物立面重建的纹理质量，同时也具有较高的几何精度。
GlobeLand30数据已被广泛应用于生态、环境、气候等研究领域，对其进行精度验证是保证GlobeLand30产品推广应用的首要前提。本文提出了一种基于众源地理数据的GlobeLand30人造地表精度验证方法：首先利用随机抽样的方法布设样本点，其次应用LDA （latent Dirichlet allocation）主题模型计算众源数据文档的地表覆盖主题，最后通过构建样本点与GlobeLand30数据产品之间的混淆矩阵，以实现人造地表数据的精度验证。研究区域为我国27个省级行政区，众源地理数据选用POI数据，对本文提出的方法进行了实例验证。结果表明：2000年和2010年的人造地表总体精度分别为87.63%和88.81%，这与GlobeLand30人造地表第三方评价精度86.97%相近，验证了本文方法的有效性。
基于PM2.5（Fine Particulate Matter）浓度、地表温度（Land Surface Temperature，LST）、归一化植被指数（Normalized Difference Vegetation Index，NDVI）、植被覆盖度（Vegetation Coverage，VC）、土地利用等数据，借助综合评价指数（Comprehensive Evaluation Index，CEI），本文对2000―2015年京津冀环境质量进行了评估。结果表明：京津冀整个地区，CEI呈逐步退化和退化的面积分别占34.88%和4.15%，主要位于东南部的天津，河北邢台、邯郸等地。京津冀城市建成区，CEI呈退化和逐步退化的比例分别达到54.80%和25.87%。46.76%和39.86%的城市扩张用地的环境质量分别呈现逐步退化和退化状态。京津冀？LST值呈现西北、东南低，中部高的分布态势，？PM2.5和？VC均呈现从东南向西北减小的趋势。相关分析表明？PM2.5、？VC和？LST的变化对城市建成区及其城市扩张用地的环境质量有显著影响，其中？PM2.5浓度变化是导致城市建成区及其扩张用地环境质量恶化的最主要因素。
没有账户，需要注册
时序大模型是面向时间序列数据的基础大模型，以 Transformer 等架构为核心，通过在海量多领域时序数据上进行预训练，学习时间维度上的通用模式、周期规律与长距离依赖关系。区别于传统时序模型针对单一任务单独训练，时序大模型具备强大的迁移能力，只需少量样本微调或零样本提示，即可适配时序预测、异常检测、缺失值补全、时序分类等下游任务。在工业场景中，它能够直接处理传感器、设备测点产生的海量时序信号，挖掘设备状态演变规律，支撑设备故障预警、工况识别与生产趋势预判，为工业智能落地提供底层模型能力。如：中服云的CServerAIR
2025年，全球人工智能市场规模达到3909亿美元，中国人工智能核心产业规模突破9000亿元。AIAgent细分市场以49.6%的年复合增长率高速扩张，制造业应用大模型的企业比例在一年之内从9.6%跃升至47.5%。从2024年初，中国日均词元(Token)调用量为1000亿;至2025年底，跃升至100万亿;2026年3月，已突破140万亿，两年增长超千倍。这些数字背后，是一场深刻变革的加速到来-人工智能正在从"能力突破"走向“系统重构”。
中服云能碳管理系统依托中服云工业物联网底座打造，聚焦工业企业能耗管控与碳资产管理需求。 系统整合水、电、气、热等多类能源数据，实现用能实时采集、集中监测、智能分析。 依托数字化手段精准核算碳排放总量，助力企业摸清碳排底数、合规完成台账管理。 通过节能诊断、能耗优化策略推送，有效降低生产能耗与运营成本。 全方位赋能企业绿色低碳转型，筑牢安全生产与节能减排双重发展防线。
中服设备健康管理系统依托中服云工业物联网架构搭建，面向工业全品类设备运维场景。 融合实时数据采集、状态监测、故障诊断核心能力，全天候掌握设备运行动态。 通过边缘计算与 AI 算法分析设备隐患，实现从被动维修向预测性维护升级。 有效降低设备故障率、减少停机损失，简化线下运维管理流程。 助力工厂实现设备数字化管控，保障产线高效、稳定、安全运行。
AgentLoop是Harness的中枢，协调工具、模型、上下文、策略、调度、可观测性等组件协同运行。运行时不应是黑盒，可检视性是可控性的前提，若无法检视循环，便无法控制系统。Cline SDK2.0将运行时开放为可编程接口，支持检视、 复刻、扩展与自定义构建。
随着航空运输市场动态定价、精细化运营和实时查询需求持续提升，传统数据库架构在面对TB级航空运价数据、高并发读写与毫秒级响应的严苛要求时，可能面临内存冗余、序列化开销及分布式一致性等方面的挑战。本报告聚焦中国民航信息网络股份有限公司(以下简称“中国航信”)在核心运价计算系统中应用的自研海量数据实时计算框架实践情况。该框架以内存原生对象存储为核心，结合分布式对象处理机制，支持多节点强一致访问，用于支撑航班动态定价、历史运价回溯等业务场景。本报告将围绕该技术架构的设计理念、实现路径、应用成效与行业价值进行梳理，旨在为高性能、低延迟、强一致的实时计算场景提供可复用的技术范式与实践参考。
2026年二季度，GDP同比增长4.7%，低于第一季度0.7个百分点，经济增速阶段性下 降，经济走势“量”轻“质”重。政策调整初见成效，高技术产业规模持续增长，传统产业 过剩产能去化加速。第二季度，尽管国际地缘风险加剧，但随着多国领导人率代表团集体访 华，双边贸易沟通增加，叠加中国经济结构调整，外贸产品结构变化，高技术产品贸易成为 新的增加引擎，进、出口额增速明显上涨，外需贡献增加。
弱剪切力保护物料:低频共振产生的弱剪切力，能完整保留物料原始粒型与理化性能，避免球磨、超声等技术因局部高温、强剪切导致的粉体破损和晶相畸变。
扫码咨询
或
客服咨询
用手机扫二维码
复制当前地址
方案库赚钱指南
