产品详细介绍 1.      主要参数： ★扫描方式：激光手持照相式 ★扫描技术：激光线网格扫描技术 帧扫描区域：250mm×250mm 景深：250mm（自动） 工作距离：300mm ★扫描速率： 300000次/秒 扫描分辨率：0.100（毫米） ★测量精度：0.03 mm ★体积精度：0.020 + 0.100（毫米/米） 体积精度（结合DigiMetric）：0.020 + 0.025（毫米/米） 测量范围（物件尺寸）：0.1 ～6米，可扩展 传输方式： USB3.0 工作温度：-10 - 40℃ 工作湿度：10 - 90 % 三维光学扫描系统配置与功能 数据采集传感器：高速、高精密工业级相机2台 ★内置微惯性传感器，实时输出设备位姿； ★测量光源：10束交叉激光线，激光级别ClassII(人眼安全)，波长大于600纳米 计算机系统：支持windows 7，32位和64位操作系统，支持内存16G以上 拼接方式：系统整合“专业模式”全自动标志点拼接模块 全局误差控制方式：GREC Pro全局误差控制 ★扫描方式：FLESA可变点距扫描 ★使用方便：整个过程全部手持完成，无需三脚架等支撑装置 所测量的物体表面可不做任何形式（如喷白）的预先处理 防抖设计：采用先进的防抖动算法，防止扫描过程中人为的抖动对误差的影响 自动探测被扫描物体颜色材质，从而自动调节激光亮度及CCD曝光 可一键自动过滤扫描背景数据，自动删除杂点及过滤不良点云数据 软件界面实时捕捉静态图像，一键截图功能 ★碳纤维材质标定板，轻量化，抗压耐高温，不易变形，非石英玻璃材质。双面标定，白平衡标定功能，有效减少扫描噪声 三维光学扫描系统软件功能 ★全中文软件界面 ★自适应形面扫描模块 自动调节系统参数，自适应各种材质/颜色表面的不同扫描对象，无需手动调节； FLESA可变点距扫描，在同一次扫描中，可对点距进行灵活设置和改变，同时满足高速扫描以及精细扫描的需求 ★自动拼接模块 智能标志点识别技术：系统自动跟踪识别标志点； 惯性—光学混合式传感器定位技术，实时将数据自动配准到同一坐标系； GREC Pro全局误差控制模块，可对拼接后的误差进行全局控制； ★全局框架扫描模块 全局框架扫描技术，对框架点累积误差进行全局控制； 兼容DigiMetric系统，搭载全局摄影测量技术可将扫描范围扩展至几十米； ★后处理模块 扫描数据后，可进行点云噪声处理及修剪 内置友好的网格处理控制参数人机交互界面，可对去除钉状物、精简、平滑、特征锐化等网格处理参数进行设置 自动生成STL三角面 自动对三角网格数据进行补洞、去除钉状物、精简、平滑、特征锐化等处理 数据输入输出 导出结果为ASC，STL，OBJ，OKO等格式数据输出接口广泛,测量结果可与CATIA、Geomagic Studio、Imageware等逆向工程软件自由交换数据 配备三维数据管理系统  1套 采用三维引擎实现对三维模型、图片和文字的显示； ★采用Access数据库，可实现对对象的树状管理和从图片上选择区域进行切换等功能，从而实现对三维数据、图片和文字的有效管理； ★能对三维数据进行多层次树状结构管理，实现从大场景到局部细节的有效管理； ★支持对三维模型、图片和文字的综合管理，并能相互切换； 支持从图片上选择区域切换，用户可以随心所欲的浏览对象的每一个细节； ★截取高清晰的光照图信息； ★实现对三维模型的分析如距离等进行量测，得到最准确的测绘资料； 数据库基于Windows XP操作系统； 三维模型的支持格式为： STL，OBJ，VRML，IGES，OKO； 图片支持的格式为：JPG，BMP； 文字支持的格式为：html； ★素材支持：配备一个3d素材库，素材库数量须大于2万个，素材涵盖人物、卡通、教育、建筑、时尚、玩具、动物、植物、家居、工具、动漫游戏等类别，素材拥有25个以上特色专题，每个专题包含至少5个以上同类别优质素材。素材库包含网站及APP，APP同步支持安卓及IOS下载，素材库系统须取得电脑终端与iphone移动终端及Android移动终端《计算机软件著作权登记证书》。 2. 提供生产厂商对本项目的原厂项目授权委托书及售后服务承诺书原件。（须加盖生产厂商单位公章） 3. 投标单位配备的3D模型库需提供《软件著作权登记证书》。（复印件并加盖软件供应商单位公章） 4. 投标人所投3D扫描仪具有中美青年创客大赛指定3D扫描品牌证书 第1条所列产品参数为招标基础要求，加★部分为必须满足项，投标产品的参数值应符合或高于本条要求。投标单位须提供投标产品的印刷彩页，并加盖生产厂商单位公章，否则视为不能响应招标参数。 第2条项目授权委托书及售后服务承诺书须提供原件并加盖生产厂商单位公章，否则视为不能响应招标文件参数。 第3条《软件著作权登记证书》须提供复印件并加盖软件供应商单位公章，否则视为不能响应招标文件参数。 第4条要求为招标附加要求，投标产品如符合要求，可加5分，如不符合，须减5分。

本技术成果公开了一种结构化的多进制准循环低密度奇偶校验环码(LDPC cycle codes)的构造方法，其 步骤为：获取准循环的二进制基矩阵Hbqc，采用有限域上的元素乘的方法随机填充各个循环子矩阵；采用 环搜索方法来获得长度与围长g有关的所有环的数目及环中元素所在的位置；对于搜索到的每个环，计算 它的环熵Ec，然后改变这个环中元素的值使得环熵Ec尽可能增大，直到每个环的环熵都不再增大为止；为 了保持多进制LDPC码校验矩阵的准循环的特性，从寻找到的环中的每一个元素作为起始元素开始更新循 环子矩阵，更新采用的方法就是使起始元素所在循环子矩阵满足乘规则；通过这个方法得到了一个多进制 准循环LDPC码的校验矩阵Hnqc。本技术成果提出的构造方法所构造出的码字具有优异的纠错性能——在 相同的信噪比时可以获得更低的误码率（误比特率BER，无符号率SER和误帧率FER）；所获得的码字结 构具有准循环特性，提高了编码速度。 90%以上。 2.创造性建立了基于MapReduce贝叶斯算法的客户流失预警模型，采用贝叶斯分类算法预测客户流失 高风险群体。本模型预测准确率达62%以上。

本发明实施例提供了一种冬小麦穗分化期识别方法及装置，发明方法包括：根据收集到的待识别冬小麦种植区内的参数，获取小麦生长模拟模型的模型参数，获得本地化小麦生长模拟模型；根据待识别冬小麦种植区农业气象站数据，获取待识别冬小麦的第一气温数据时间序列，根据待识别冬小麦种植区内的多时相遥感影像，获取待识别冬小麦的第二气温数据时间序列；利用数据同化方法，将第一气温数据时间序列和第二气温数据时间序列进行数据同化，获得待识别冬小麦同化气温数据时间序列；根据同化气温数据时间序列和本地化小麦生长模拟模型，获得待识别冬小麦种植区内的穗分化期识别结果。本发明实施例实现了区域尺度上的冬小麦穗分化期识别。

该成果每天可定时和随机方式要求社矫人员上传个人GPS位置信息，同时进行人脸识别和活体检测，从而在不需要增加额外的专用硬件设备，仅借助现有的智能手机，便实现对相关社矫人员行踪的实时监管，并有效杜绝监管工作中普遍存在的社矫人员“人机分离”、“冒名打卡”、“照片刷脸”等现象。目前，该系统已与现有社矫系统（蓝信、律兜）无缝对接。无人社矫厅版本已经投入使用。可以用于疫情中必要隔离人员的位置监控，提高人员移动的管控。

本发明公开了一种基于李群论的多模态情感识别方法，包括以 下步骤：获取视频，并提取视频帧中图像区域的高斯型特征描述子， 基于高斯型特征描述子对视频中的图像区域进行跟踪，根据视频子序 列构建 ARMA 模型获取 ARMA 模型间的距离，根据 ARMA 模型之间 的距离构建核函数，并进行情感表达分类，根据人体、脸部和手部的 情感类别概率对人进行情感识别。本发明根据视频中所包含的人体姿 态运动信息、手势和脸部表情信息来判断人的情感状态，是一个将视 频数据映射到人体运动特征、手势特征和脸部表情特征，再从人体运 动特征空间和脸部表情特征映射到状态空间的过程，并提出利用李群 论进行多模态情感识别，提高模型进行情感识别的精确性。

本发明公开了一种基于支持向量机的纳米结构形貌识别方法。首先生成训练光谱，确定支持向量机的核函数与训练方式；生成测试光谱及多种不同的支持向量机；利用测试光谱对支持向量机进行特征形貌识别准确率测试，找出识别准确率、训练光谱数目和核函数之间的关系，作为支持向量机训练的指导原则；对测试光谱添加不同量级的噪声影响，将含有不同量级噪声的测试光谱用于支持向量机中进行测试，找到在能保证正确识别率较高情形下所能添加的最大噪声量级，作为另一指导原则；利用两个指导原则，训练得到最优的支持向量机；对真实待识别结构对应的测量光谱进行映射，识别其形貌。本发明可以对半导体纳米结构的形貌特征进行快速、精确地识别。

本发明公开了一种行人重识别的度量学习方法和系统，其中方法的实现包括：收集两个摄像头下行人目标的特征向量，建立正样本对特征向量集合和负样本对特征向量集合，计算正、负样本对特征向量的距离，对正样本对特征向量进行单阈值约束，对负样本对特征向量采用双阈值进行约束，在正、负样本对特征向量的距离约束条件下建立基于度量矩阵的损失函数，以损失函数值最小为目标迭代更新度量矩阵，这种方法可以有效的减轻图像背景、噪声等无关变量对矩阵

本发明公开了一种基于冗余特征消减的医学超声图像自动识别方法。首先从待处理的医学超声图像中提取感兴趣区域，从感兴趣区域提取特征；然后对提取的特征进行主成分分析，以去除冗余和无关的特征分量，确定独立有效的特征；最后依据独立有效的特征，利用分类器对感兴趣区域分类。本发明通过计算机对医学超声图像进行分析，提取的图像特征涵盖了空域和频域，更为全面地反映了图像的本质特性，有助于进行正确分类，具有较好的临床实用性。

本发明公开了一种基于有限混合模型的行人再识别方法，属于 计算机视觉和模式识别领域，提升行人再识别的准确度，包括以下步 骤：(1)构建行人图像库预处理图像并提取图像特征；(2)计算图像库中 所有图像的有限混合模型和待再识别行人的图像的有限混合模型参 数；(3)将需再识别行人的有限混合模型与图像库中所有图像的有限混 合模型之间的距离进行最优化求解，并进行距离排序返回再识别结果。 本发明优化混合模型之间的距离度量，提高行人