机载LiDAR与航空影像联合城市三维建模系统（LiDARPro）主要以机载LiDAR点云及多视航空影像作为输入数据，通过点云语义分割、点云影像配准、实景三维模型重建、建筑物单体结构化模型重建、人机交互等功能模块，实现高效率、（半）自动的城市实体三维模型重建，具备全自动大测区城市建模、半自动城市高精度精细实体模型重建等多种解决方案，致力于提高智慧城市建设的自动化程度，推进实景三维中国建设进程。 一、项目分类 关键核心技术突破 二、技术分析 创新性： 机载LiDAR与航空影像联合城市三维建模系统（LiDARPro）主要以机载LiDAR点云及多视航空影像作为输入数据，通过点云语义分割、点云影像配准、实景三维模型重建、建筑物单体结构化模型重建、人机交互等功能模块，实现高效率、（半）自动的城市实体三维模型重建，具备全自动大测区城市建模、半自动城市高精度精细实体模型重建等多种解决方案，致力于提高智慧城市建设的自动化程度，推进实景三维中国建设进程。系统主要由两部分功能模块组成：自动化模型重建模块及三维可视化交互管理系统模块。其中自动建模模块由点云影像自动配准、实景三维模型重建、点云滤波、点云分类、建筑物单体化分割、建筑物结构化模型重建等软件子模块构成。系统支持DEM、DOM、实景三维模型、建筑物LoD1至LoD3模型等多种产品生产；支持多核、多CPU、多GPU架构的任务并行化管理，支持搭建点云、影像、模型数据库，支持人机交互进行语义分割、模型编辑、纹理编辑等功能。 软件解决的关键问题： LiDAR点云与倾斜影像异源异构数据配准问题，点云影像数据难以联合应用； 单一数据源三维信息与纹理信息不全，高质量模型结果依赖高精度数据输入，导致数据获取成本昂贵、效率较低； 城市级实景三维模型重建自动化程度低，低精度自动结构化模型成果难复用，而手动模型绘制难度高、工艺繁琐； 实景三维数据制作单位高度依赖国外软件，国产化难。 先进性： 当前，国内90%以上地形级实景三维数据制作测绘单位都基于国外软件进行三维重建，而城市级实景三维模型则重度依赖全人工手动勾绘且需调用国外专业三维建模软件，模型重建学习成本极高、软件针对性不强而效率低下。 机载LiDAR与航空影像联合城市三维建模系统软件系统以高精度、高效率、高自动化程度城市级实景三维模型重建为首要目标。软件系统具备高精度点云影像配准模块提供异源数据联合应用基础；采用LiDAR点云约束的多视影像密集匹配策略实现高精度、全覆盖三维数据输入以实现高质量实景三维模型重建；采取地面点滤波、非地面点地物分类、目标地物单体实例分割递进式流程得到建筑物等地物单体化三维数据；优化自动结构化模型重建与人工干预的结构化建模流程，无需额外依赖专业建模软件；提供针对建筑物结构化建模的模型编辑、纹理编辑模块，不达标的自动模型可复用，三维点云端、二维影像端可独立或联合编辑，具备交互友好的参照式、勾绘式、半自动编辑模式。 独占性： 系统主要搭建两条生产路线，以适应不同地域模型精度要求差异、不同应用时间响应要求。其一是以LiDAR点云为主的快速建筑物结构化模型重建，经过点云分类、建筑物实例分割、结构化模型重建等步骤构建人工地物结构化模型，并利用配准后多视影像对模型纹理映射，此生产线主要产品包括DOM、DEM、 LoD2为主的建筑物结构化模型、典型地物真实色彩点云等轻量基础数据；其二是在LiDAR点云约束下生成高精度密集匹配点云构造高质量实景三维模型，并在此基础上提取建筑物单体三角网数据，经过模型简化抽象得到建筑物LoD3模型，此生产线主要产品包括实景三维模型、建筑物LoD3模型等城市级实景三维数据要素。 此外，软件系统支持在Windows (Win7/10)、Ubuntu (16.04/18.04/ 20.04)、国产麒麟(V4/V10)等多操作系统中运行，已阶段性实现国产化。

成果描述：本发明申请要解决的问题是，云计算平台中的动态任务调度问题。本专利针对动态任务调度问题的特点，引入了排队论对任务分配、执行前的状态进行快速建模、结构化处理；针对现有以任务高度值（粒度）来作为主要参考因素的任务调度算法所存在的严重不足，本专利提出了任务-计算资源分配矩阵，用以描述任务（或虚拟机）与计算资源（节点）之间的关系，并结合人工免疫理论给出了运算模式，保证能以概率1搜索到问题的最优解，能有效提高收敛速度和精度，快速搜索到合理配置，提高集群资源利用率市场前景分析：本发明为云计算平台下的动态任务调度研究提供了一种新的途径，本发明首先利用排队论对任务进行排队处理，然后用人工免疫理论中的免疫克隆选择策略对集群中的计算资源进行合理配置，再利用负载均衡调整抗体基因，使得集群资源的配置更加满足任务处理的需要，本发明能适应云平台的动态变化和虚拟化的环境，快速搜索出最优配置，提高集群资源利用率。与同类成果相比的优势分析：本专利提出了任务-计算资源分配矩阵，用以描述任务（或虚拟机）与计算资源（节点）之间的关系，并结合人工免疫理论给出了运算模式，保证能以概率1搜索到问题的最优解，能有效提高收敛速度和精度，快速搜索到合理配置，提高集群资源利用率。

本发明提供一种针对云平台虚拟机度量的主动远程证明方法，包括远程证明客户端主动操作过程和 云管理端的服务器可信验证过程，在云平台虚拟机启动后进行静态度量和运行后周期性的动态度量，度 量完成后，进行主动的远程证明，云管理端获得度量的值和度量报告后，通过与基线值的对比，验证虚 拟机的状态是否被篡改。该方法改变了传统的被动式远程证明方法，由度量模块主动触发远程证明客户 端，实时将度量结果发送给云管理服务器端，无需将度量值保存在 TPM 的 PCR 中，

本发明申请要解决的问题是，云计算平台中的动态任务调度问题。本专利针对动态任务调度问题的特点，引入了排队论对任务分配、执行前的状态进行快速建模、结构化处理；针对现有以任务高度值（粒度）来作为主要参考因素的任务调度算法所存在的严重不足，本专利提出了任务-计算资源分配矩阵，用以描述任务（或虚拟机）与计算资源（节点）之间的关系，并结合人工免疫理论给出了运算模式，保证能以概率1搜索到问题的最优解，能有效提高收敛速度和精度，快速搜索到合理配置，提高集群资源利用率

基于物联网、大数据、云平台的社区风险源的评估，日常监控和处置，采用物联网+运行服务的商业模式。需要相关大数据计算和云平台技术研究及支撑。

云蝶科技是国内领先的人工智能和AI大模型企业，聚焦产业数字化转型服务，提供从核心算法、智能硬件到全场景应用的大数据及人工智能技术产品与解决方案。乘着国家数字化转型的东风，云蝶科技近年来已成长为技术创新领航、业绩增长领跑、市场规模领先的行业龙头企业，相继获评国家高新技术企业、广东省专精特新中小企业、广州市未来独角兽企业、广州拟上市企业最强科创领头羊等荣誉，目前已在全国超过100个区县落地4000余个项目，产品和方案被广泛的应用于教育、工业和农业等领域。

本发明属于三维测量领域中的点云数据拼接技术，具体为一种 自适应的无标志点三维点云自动拼接方法，本发明包括几何特征点的 查找，图像特征点的查找，配准算法选择模型的建立，基于 RANSAC 的几何特征点匹配，利用 RANSAC 排除误匹配图像特征点，利用 SVD 算法求解旋转平移矩阵 RT，最后利用 RT 矩阵完成两片点云拼接。该 方法因为利用物体特征点来代替标志点进行拼接，可用于不能粘贴标 记点的测量场合；同时依靠对应

融创教学平台是一款全方位、多功能的在线学习管理系统，旨在为教育工作者和学生提供便捷、高效的教学与学习体验。平台支持课程管理、督导巡课、资源共享、在线测评、学业分析等多种功能，致力于提升教学质量与学习效果。