考虑三维点云缺少颜色信息和光学影像缺少空间信息的互补特性，三维点云与光学影像多光融合装备可以提升数据的信息量，基于三维点云和二维图像融合的可视化结果，能够增强三维场景真实感，相较于可见光图像，融合后的三维点云可以实现多角度观测，能够更好的表达的空间特征。 相较于原始和伪彩色点云数据，融合后的三维点云有了色彩纹理信息，目标的形态和边缘都更加明显，整个三维场景更加的真实，也为后续识别、定位、重建等过程提供更多细节信息；同时克服了单一传感器的局限性，充分发挥两者的互补优势，大幅提升了探测设备的环境适应性，适用于全天时复杂场景的下目标探测，具有很强的实用价值。在无人驾驶领域，譬如智能导航、环境感知、高精度地图的构建等，都依赖于可见光图像和点云的融合处理。大家所熟知的百度 Apollo、谷歌 Waymo 自动驾驶系统均应用视觉相机和激光雷达作为主传感器进行定位和环境感知，目前已经实现 L4 级别的高度自动化驾驶。此外，在医学影像、高精度工程测量、工业生产、虚拟现实等领域，三维点云和可见光图像融合技术也有着广泛应用。 图1.三维点云与光学影像融合效果

本专利发明的目的在于克服现有技术存在的缺点，设计提供一种非碳电极、原料丰富、成本低、快速高效、自下而上的固态碳量子点的制备方法。碳量子点是一种新型碳纳米材料，具有原料丰富、性质稳定、毒性小、生物相容性好等诸多优势，在细胞成像、光电学、生化传感器等领域具有巨大的应用潜力。目前，已经有很多关于碳量子点方法制备的报道，主要分为自上而下和自下而上两大类，其中前者主要通过剥离技术从大尺寸的碳原材料剥落下碳纳米颗粒，包括激光剥离法、电弧放电法、电化学氧化法等，这一类方法操作简单、原料丰富，可大批量生产碳量子点，但一般需要较复杂的碳量子点分离纯化处理步骤；后者一般以有机分子（如：葡萄糖）为原材料，通过碳化的方式将这些分子转化为碳量子点，包括水热法、微波法等，这类方法合成的碳量子点形貌和尺寸容易控制、表面易修饰，但是一般需要选取合适的特定原料分子。而且，所有上述方法制备出的碳量子点一般为分散溶液的形式，与固态形式相比，溶液形式的碳量子点的储存和运输都不方便，为了得到固态碳量子点，一般需要冷冻干燥方式进行处理碳量子点溶液，这种处理方式耗时长，且需要专门的仪器设备。因此，探索一种兼具自上而下和自下而上两种方法优点、简单、高效地制备固体碳量子点的方法是非常有必要的。

 HKM-安徽中科米点传感器有限公司是由中科院参股孵化的机器人力矩及 汽车碰撞测试力传感器项目的公司， 也是安徽省高专业度,以中科院及德国技术为导向开展六维力传感器的全方案定制设计、 研发及机器人传感器系统集成开发、生产的企业。 公司生产的六维力传感器具有高标准要求,性能稳定、 精度高，耐用等优点。公司已与国内部分国有企业高校等合作, 如:哈尔滨工业大学,合肥工业大学, 合肥哈工大机器人集团研究院,复旦大学,及军工定制产品等,公司致力打造集研发、 生产于一体的高科技密集型企业

仪器概述 本仪器是按照国家标准GB/T510《石油产品凝点测定法》和GB/T 3535《石油产品倾点测定法》及其石油工业部企业标准SY/T5650规定的要求设计制造的，适用于按上述标准所规定的方法测定石油产品的凝点倾点指标。 技术参数 1、工作电源：AC220V±10%;50Hz 2、制冷系统：新型制冷压缩机 3、测控方式：数字温控仪测控 4、冷槽控温：-40℃～室温 5、适用油品：-30℃～室温范围内的石油及石油产品。  6、控温精度：±0.5℃ 7、试验槽倾斜：45° 8、试验槽计时：自动 60 秒计时 9、工作冷槽：一槽两孔 10、整机功耗：≤1200W 性能特点 1、采用压缩机和半导体电堆同时制冷方式，无需循环冷却水. 2、可在10℃以下的各种环境中工作，适应性强，噪声低. 3、采用数字温控仪测温，温度传感器反应快，分辨率高. 4、带有电子时间显示器，随时可以观摩试管倾斜时间. 网址链接 http://www.csscyq.com/proshow.asp?id=744

本发明涉及一种包含V分量的全分量偏振遥感成像测量系统及方法,其特征在于:它包括一用于提供空间位置和时间信息的定位定时系统,一能够测量Stokes四分量的全分量成像系统和一包括V分量在内的全分量偏振图像处理系统。

一种基于非监督特征学习的高分辨率遥感影像场景分类方法，包括对输入的原始高分辨率遥感图像 进行划分得到场景，从每个场景中随机地提取若干个训练图像块，将训练图像块聚集起来做预处理操作; 计算所有训练图像块的低维流形表示，聚类得到一组聚类中心;对每一幅场景密集采样得到局部图像块， 对每个局部图像块做预处理操作后映射到相同的低维流形空间中，然后进行编码获得场景的所有局部特 征;将所有场景的局部特征集合起来进行特征量化，统计每一幅场景的局部特征直方图，得到场景的全 局特征表达;随机挑选若干幅场景作为训练样本，由分类器得到每一幅场景的预测类别标号，完成原始 高分辨率遥感场景的标注任务。

本发明公开了一种结合时空信息的遥感逐日积雪产品去云方法，首先根据 DEM 数据和土地利用数 据对遥感逐日积雪产品进行积雪单元划分;再利用 DEM 数据和多时相数据分别得到每个云像元在空间 和时间上的积雪概率;最后利用加权平均的方法获得云像元的积雪概率，评判云像元是积雪还是无雪。 本发明充分结合了积雪在空间上和时间上的相关性，以及地形因子对积雪的影响，有效地减少云对积雪 产品的影响，提高了积雪产品的精度，并且算法简单，计算效率高，易于实现。

本发明公开了一种对地面建筑群遥感图像频谱特性约束的去噪方法和系统，其特征在于，包括：从地面建筑群遥感图像库中获取地面建筑群目标参考图像，对该参考图像进行傅里叶变换得到幅频谱，对其幅频谱结果进行阈值分割、腐蚀、和膨胀操作，以获取地面建筑群目标频谱二值模板，高速飞行器飞行获取地面建筑群目标实时图像，对该实时图像进行傅里叶变换得到频谱，利用获取的地面建筑群目标频谱二值模板对实时图像的频谱进行频域滤波处理，再进行傅里叶逆

武汉大学张永军教授项目组在国际上首次提出摄影测量遥感的科学概念，构建了多模态卫星影像一体化摄影测量遥感智能处理技术体系，突破了匹配干扰地物快速智能分割、语义辅助几何处理与大范围影像镶嵌合成、地物信息智能提取等关键技术，成功研制出我国首套多模态卫星影像一体化摄影测量遥感智能处理系统MIPS。 一、项目分类 关键核心技术突破 二、成果简介 武汉大学张永军教授项目组在国际上首次提出摄影测量遥感的科学概念，构建了多模态卫星影像一体化摄影测量遥感智能处理技术体系，突破了匹配干扰地物快速智能分割、语义辅助几何处理与大范围影像镶嵌合成、地物信息智能提取等关键技术，成功研制出我国首套多模态卫星影像一体化摄影测量遥感智能处理系统MIPS，相关技术理论《多模态卫星影像一体化摄影测量遥感智能处理技术及应用》2021年荣获测绘科技进步特等奖。 技术特色： (1) 首次提出基于人工智能技术的多模态卫星影像语义分割与几何处理融合新理论。创建了卫星影像跨域稳健语义分割技术，通过自适应增量优化提升深度分割网络模型的迁移性和普适性，保证多类型地物语义分割的时效性、容错性、稳定性和区域一致性。 (2) 通过语义分割结果全自动进行多源地理信息控制点粗差剔除，实现超大范围多模态影像精准几何处理；提出辐射不变特征变换算法进行多模态影像高可靠性匹配；单台机器2.5分钟可完成8000景卫星影像的并行区域网平差，大幅提高了自动化处理精度和效率。 (3) 突破了基于深度学习的多视遥感影像三维地形及大范围合成影像智能生成技术，采用物方半全局优化提升困难区域的密集匹配精度，并在语义分割结果的辅助下进行大范围遥感影像无缝镶嵌合成。 (4) 基于深度学习进行建筑物、道路、农作物等典型地物目标语义信息智能提取；基于多尺度语义分割网络融合经验知识实现建筑物矢量边缘精确提取；结合语义分割和多起点中心线追踪优化提取道路网拓扑矢量；基于3D卷积和注意力机制实现多类农作物精细分类及其时空特征智能提取。 (5) 构建了全新的多模态卫星遥感影像几何语义一体化智能处理技术体系，研制出我国首套自主产权的多模态卫星影像一体化摄影测量遥感智能处理软件系统MIPS，其数据处理效果和效率均有明显优势，显著提升了融合处理的精准度和智能化水平。 先进性 MIPS具备快速语义分割、语义辅助精准几何处理、三维地形提取与多影像时序合成、地物语义信息智能提取等特色功能。系统采用最新的卫星影像摄影测量处理、多源影像融合、语义信息提取的相关理论与方法，结合先进的计算机技术、CPU/GPU两级加速并行处理及深度学习技术，处理效果和效率均明显优于国内外同类软件。例如单机情况下19小时即可完成1551景2米分辨率卫星影像的全自动处理，包括云区检测、影像融合、影像匹配、区域网平差、正射影像纠正等全部处理流程。语义分割结果约束的立体卫星影像区域网平差自动化程度和精度均显著提升，例如在1:1万基础测绘产品DEM/DOM的辅助下，高分七号立体卫星影像的全自动处理高程精度从2.6米大幅提升至0.8米以内，镶嵌接边精度优于1像素。

本发明公开了一种基于改进 SIFT 算子的低空多视角遥感影像匹配方法，首先采用优化的 DoG 算子 对第一影像和第二影像进行特征点检测，然后利用基于局部区域采样模拟的 SIFT 描述子对特征点进行 描述形成特征向量，最后采用 NNDR 策略形成初始匹配特征点，并利用基于极几何约束的 RANSAC 算 法对匹配点进行提纯。本发明能够有效地解决低空遥感影像匹配中存在的多视角以及弱纹理等问题。