本发明提供了一种适用于复杂车载激光扫描数据的单株树木自动提取方法，主要分为两大步骤：基 于聚类特征的粗分类，从车载激光扫描数居中获取可能包含树木的点聚类，称之为候选树木聚类；基于 两级体素的区域生长，从每一个候选树木聚类中提取出所包含的单株树木点云。本本发明结合树木的整 体和局部几何特征，能够在复杂环境中自动识别出单株树木的种子，针对树干与树冠分别制定不同的生 长规则，分别进行生长，实现单株树木提取。同其他单株树木提取算法相比，该方法在树木数量的提取 完整度和正确率、单株树木点云的提取精度以及复杂环境下的提取等方面取得了较大提高，能够用于进 一步的树木信息提取。 

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。

本发明属于精密加工与测量技术领域，并公开了一种可有效保留边界和局部特征的复杂曲面零件点云精简方法，包括:对复杂曲面 零件生成扫描点云;针对点云中的各个点获得多个邻域点并计算得出 法线向量;继续以各个点为球心找出最短半径范围内的 m 个点，然后 求出点云中各个点的法线向量与这 m 个点的法线向量之间夹角的平均 值;基于夹角平均值来设定阈值，然后执行特征粗分类;进行二次细 分以完成第一个精简子集的选取，然后基于定向Hausdorff距离来完成 第二个精简子集的选取

本发明属于精密加工与测量技术领域，并公开了一种可有效保留边界和局部特征的复杂曲面零件点云精简方法，包括：对复杂曲面 零件生成扫描点云；针对点云中的各个点获得多个邻域点并计算得出 法线向量；继续以各个点为球心找出最短半径范围内的 m 个点，然后 求出点云中各个点的法线向量与这 m个点的法线向量之间夹角的平均 值；基于夹角平均值来设定阈值，然后执行特征粗分类；进行二次细 分以完成第一个精简子集的选取，然后基于定向 Hausdorff 距离来完成 第二个精简子集的选取；最后对两个精简子集进行合并，由此获得

成果简介该视觉检测系统都是用图像采集卡加 PC 机的模式， 能够在工业生产中发挥了巨大的作用， 具体内容如下：图像采集与处理模块包括以图像传输模块、 高速采集模块、 图像预处理模块、畸变校正模块、 高速信息通信模块， 其中： 图像传输模块高速采集目标图像数据，发送给高速采集模块， 高速采集模块将图像数据发送给图像预处理模块， 在进过图像预处理模块后得到视觉效果更佳的图像数据， 发送到畸变校正模块， 畸变校正模块对图像数据进行畸变校正处理后发送到目标检测模块处理， 最后得到

本发明公开了一种基于均值漂移的不同精度下的三维点云数据 的融合方法，针对两组精度等级不同的三维点云数据，利用高精度点 云建立低精度点云的误差分布，进而对低精度点云进行均值漂移，消 除低精度点云的漂移误差，从而实现两组数据信息的融合，该方法包 括：S1：建立低精度点云的拓扑结构信息，包括每个样点的邻域点集 和单位法矢；S2：利用高精度点云对低精度点云进行密度聚类，根据 聚类结果确定低精度点云每个样点的漂移误差；S3：利用低精度点云 的拓扑结构信息和所述漂移误差确定低精度点云各样点的漂移矢量， 根据该漂移矢量对低精度点云的各样点进行漂移，实现融合。本发明 的方法在消除低精度点云漂移误差的同时，可实现小幅度噪声的光顺。 

本发明公开了一种基于均值漂移的不同精度下的三维点云数据的融合方法，针对两组精度等级不同的三维点云数据，利用高精度点云建立低精度点云的误差分布，进而对低精度点云进行均值漂移，消除低精度点云的漂移误差，从而实现两组数据信息的融合，该方法包括：S1：建立低精度点云的拓扑结构信息，包括每个样点的邻域点集和单位法矢；S2：利用高精度点云对低精度点云进行密度聚类，根据聚类结果确定低精度点云每个样点的漂移误差；S3：利用低精度点云的拓扑结构信息和所述漂移误差确定低精度点云各样点的漂移矢量，根据该漂移矢量对低精度点

北京体育大学沈燕飞科研团队使用人体姿态估计算法，对击剑比赛过程中两名选手的身体各环节和关节的运动进行的智能识别。工手动标记数据等方法，更为高效，可应用于海量体育视频数据的分析和未来的体育大数据的构建。

简介： 抗体药物是生物制药中复合增长率最高的，2019年全球研究抗体市场规模为34亿美元，预计在预测期内复合年增长率为6.2％。原研药二次改造获得成药性更好的药物分子（bio-better）是抗体和细胞因子药物研发的突破口。人工智能技术广泛应用在靶点筛选、分子进化、临床各阶段研究、产品上市后的活动中。 我们开发的智能抗体设计平台，包括 抗体序列注释分析、抗体翻译后修饰位点的预测、抗原线性表位预测、抗体结构的预测与优化、 抗体-抗原相互作用的预测、抗体分子的设计与改造。高效的完成抗体亲和力成熟、稳定性优化和人源化改造等。  优势： 1、研发成本节约3-5倍，时间节省5倍，筛选成功率提升6倍 2、可以帮助指导、设计实验，减少消耗，加快速度，提高准确率 3、计算方法已经得到了实验从正、反两方面的验证。 图1：深度学习算法预测蛋白质相互作用时界面氨基酸配对:成功率72.1% 图2：计算相互作用得到了实验从正、反两方面的验证

抗体药物是生物制药中复合增长率最高的，2019年全球研究抗体市场规模为34亿美元，预计在预测期内复合年增长率为6.2％。原研药二次改造获得成药性更好的药物分子（bio-better）是抗体和细胞因子药物研发的突破口。人工智能技术广泛应用在靶点筛选、分子进化、临床各阶段研究、产品上市后的活动中。我们开发的智能抗体设计平台，包括 抗体序列注释分析、抗体翻译后修饰位点的预测、抗原线性表位预测、抗体结构的预测与优化、 抗体-抗原相互作用的预测、抗体分子的设计与改造。高效的完成抗体亲和力成熟、稳定性优化和人源化改造等。 优势：1、研发成本节约3-5倍，时间节省5倍，筛选成功率提升6倍2、可以帮助指导、设计实验，减少消耗，加快速度，提高准确率3、计算方法已经得到了实验从正、反两方面的验证。