深圳市长丰影像器材有限公司成立于2011年，总部设立在广东深圳，是一家集产品研发、生产、销售于一体的高新技术企业，多年来一直致力于影像器材以及声音技术的开发制造。 长丰公司长期服务于摄影摄像和广播电视行业，为主流媒体、传媒工作室以及广大的摄影摄像爱好者提供从影像稳定系统到声音输入输出系统的整体解决方案。公司目前拥有三个自主品牌：Saramonic枫笛、BOYA博雅、SEVENOAK七棵橡树，自主研发和生产的产品销往全球100多个国家和地区。 经过近10年的发展，目前长丰拥有占地万余平米的生产基地和产品研发中心，配备了国内外最先进的研发测试设备和专业声音实验室，建立了专业的研发团队和完善的质量管理体系。2013年，长丰公司通过ISO9001质量管理体系认证，出口销售的产品均获得相应的质量认证如CE、ROHS、FCC、NCC、KCC、TELEC、EN300等。经过多年创新和沉淀，公司拥有百余项国内外各类发明和创新专利，2018年，公司荣获“国家高新技术企业”认证，并得到深圳市政府和科创委的大力扶持。

是新华医疗强大X线机研发团队专门为高校医学影像专业教学设计的又一力作，本实验台综合了单个实验箱的实验功能，综合性强，可使学生在比较中进行实验，进而提高学生综合运用知识的实验效果，让学生亲身体验，学以致用。主要实验模块包括：整流电路实验、高频X线机逆变频率电路实验、旋转阳极启动与保护电路实验、磁饱合稳压电路实验、曝光限时电路实验、管电压管电流测量实验、接地电阻测量实验、X线机发生器基本工作原理及控制实验等。

城市道路平面交叉口通常是制约城市交通的“瓶颈”所在。科学合理的交叉口交通 设计对缓解城市交通拥堵有着重要的意义。然而，交叉口交通设计所涉及的内容和程序 相当复杂，需要量化的工作繁多，如何进行交叉口的优化设计，如何对交叉口设计进行 科学评价，如何将设计、评价有机地结合起来，在国内还未有完备的手段和工具，特别 是没有针对中国城市道路与交通特点而开发的交通辅助设计工具。 本次系统开发在建立完善的交通设计理论体系基础上，包括交通设计模式的划分、 渠化方案的生成、信号配时方案的生成、交叉口方案的评价与优化等，运用软件工程的 思想开发完成。 系统界面友好，功能完备，内核模型适应我国的道路交通实际情况，能够提供不同优化 目标函数和不同道路断面组合的交叉口设计评价指标辅助用户完成交叉口的设计工作， 并可以动态生成交叉口交通设计简图和交叉口信号配时方案，大大提高了交通设计的效 率和科学性。同时，系统为城市交通控制软件和仿真软件留有接口，便于将来系统功能 的扩充和集成。 

本发明公开了一种基于叉路识别的道路智能提取方法，本发明针对高分辨率影像(空间分辨率在 6 米以内)，能够在道路追踪过程中识别出叉路口，并通过获取到的叉路口信息指导辅助各个支路的后续 追踪，使得相互连通的道路能够仅通过一次初始点设定便能全部追踪提取出来。本发明充分利用城市道 路在高分辨率影像中的几何与纹理特征，以及道路叉路口的模式特征，通过识别叉路口来辅助指导道路 的提取;本发明不仅弥补了当前已有方法的不足，显著减少了人工操作，有效地实现了连通道路网的一 次性自动提取，且能有效保证叉路口道路段的拓扑一致性，提取结果具有较高的准确度。

产品详细介绍V-HUB道路环境与车辆数据采集系统GPS道路环境与车辆数据采集系统基于GPS定位的道路交通环境与车辆数据采集系统是一种功能强大的仪器。它是基于新一代的高性能卫星接收器，其中主机主要用于测量汽车移动时的速度和距离，并且能够提供横纵向加速度值，减速度，时间和制动、滑行、加速等距离的准确测量。外接各种模块和传感器可以采集油耗，温度，加速度，角速度及角度，转向角速度及角度，转向力矩，制动踏板力，制动踏板位移，制动风管压力，车辆CAN接口信息等其它许多数据。由于它的体积较小及安装简便，其非常适合汽车综合测试时的使用。由于系统本身带有标准的模拟及数字模式的CAN总线接口，整个系统的功能可以根据用户的需要进行扩充。主要特点全套测量系统体积极小，安装简便迅速能完成国家标准要求的汽车动力性，经济性，操纵稳定性，制动性能等实验制动触发形式多样，使试验更加方便高精度、高可靠性，高耐振、抗冲击性能确保测试质量大容量紧凑式闪存卡（CF卡）即时存储数据，以便事后处理可扩展连接其他各种传感器等在线显示4个测量参数各种测量或采集到的参数可以实时显示可根据要求设定各种不同的试验条件进行试验制动触发形式多样，使试验更加方便WINDOWS操作界面的设定和分析软件，使用方便高精度、高可靠性，高耐振、抗冲击性能确保测试质量用GPS非接触式速度和距离测量现场即时打印功能，打印各个测量或采集到的参数，实现现场数据阅读大容量紧凑式闪存卡（CF卡）即时存储数据，以便后处理可扩展连接其他各种传感器绘制轨迹图，圈数定时参数能以标准的形式测量下列参数速度、距离、时间、位置、方向、高度、横向加速度、纵向加速度、垂直速度、与中心线的漂移、转弯半径用其它的硬件可测量的参数包括外部数字触发、温度、模拟电压、CAN 总线信息、偏航率、滚动角、倾斜角、滑行角度量程及精度序号 测量参数 量程 精度1 距离 -- 0.05%2 速度 0-1600公里/小时 0.1公里/小时3 时间 -- 0.001秒4 燃油消耗（实时显示） 0.3-120升/小时 ±0.2%5 X，Y，Z三轴向加速度 ±1.7g 1mg6 角速度（侧倾，俯仰，横摆） ±150°/s 0.1°/s7 转向力矩 ± 50Nm ±0.5Nm8 转向角 ±1250° 满刻度时0.1°9 温度 —— ——10 制动踏板力传感器（带实时显示器） 0-1500N 0.5%11 制动踏板行程 0 - 300 mm 0.1 mm12 制动管路压力 0-200 Bar 0.25%13 发动机转速 0-10000转/分钟 ±1转/分钟可进行的试验：滑行试验油耗试验爬陡坡试验最高车速试验加速性能试验制动性能试验操纵稳定性试验最小稳定车速试验最小转弯直径测量实验　　制动踏板力测量实验制动踏板行程测量实验制动管路压力测量实验汽车防抱制动系统性能实验温度测量实验里程，速度表校验等其它试验可满足的国家标准：oGB/T 12545 - 1990 汽车燃料消耗量oGB/T 12547 - 1990 最低稳定车速oGB/T 12536 - 1990 汽车滑行试验oGB/T 12543 - 1990 汽车加速性能oGB/T 12539 - 1990 汽车爬坡性能oGB/T 12544 - 1990 汽车最高车速oGB/T 12676 - 1999 汽车制动系统性能oGB/T 6323 - 94    汽车操纵稳定性试验方法oGB/T 12540 - 90   汽车最小转弯直径测定方法　oGB/T 13594 - 92   汽车防抱制动系统性能要求和试验方法规格GPS采用功能强大的全新的GPS引擎,可以提供以20-100Hz的更新率更新所有GPS参数包括速度,角度和位置，速度和角度是通过对GPS载波信号进行多普勒转换进行计算以提供高精度。模拟量输出2 x 16位模拟量输出可以通过用户配置输出速度或者其他GPS参数,用户用户其他的数据采集设备,输出电压范围为0到5V直流，分辨率为76 μV 每位。数字量输出有两类数字量输出，一个频率/脉冲输出对应于速度，第二个输出显示当前的数据采集状态。速度脉冲输出用户定义，可以改变每米的脉冲数，以仿效大部分其它类型的速度传感器。数字量输入两个数字输入，第一个用于制动触发器或事件测定并且连接到一个16位的事件定时器，可以使制动触发器时间的校准精度达到12μs。 第二个数字输入用于采用手持开关控制的遥控速度采集控制。CAN 总线两个单独的CAN总线接口，可以从外部模块接受数据，例如温度模块或频率模块，同时可以将GPS CAN数据传输到另外一个总线上。还可以从另外一个CAN总线源（例如车载CAN总线）中记录8个CAN信号。当需要从另外总线中记录数据的时候，可以从工业标准CAN数据库文件（.DBC）中下载数据。RS232 串行接口RS232 接口用于配置和输出GPS实时数据。必须要注意的是如果系统以高于20Hz的速度存储数据到CF卡中时，由于电脑串行口带宽只能到20Hz，以实时传输到软件中串行数据受到限制。这样要获得最好的精度，所有20Hz以上的测试必须在离线模式下对CF卡中的数据进行分析。CF卡接受1型的CF卡用于记录数据，数据以标准PC格式存储，允许快速的通过读卡器进行数据传输。文件格式位ASCII 文本格式，可以直接载入到VBOX.EXE软件中或者导入Excel和其它第三方软件中。

“现阶段医生需要在大量影像数据中快速诊断出新冠肺炎的病例，此外还需要诊断出病灶分布的位置、大小等来评估严重程度。”薛向阳介绍，针对临床的现实需求，团队将设计目标定位于“肺炎分类鉴别”和“关键病灶检测”两大功能，前者是为区别健康状态、新冠肺炎、其他病毒性肺炎、细菌性肺炎，后者则为找到并分隔出磨玻璃影等病灶区域。针对这些需求，团队设计诊断算法模型，让机器利用模型进行训练，学习不同类型肺炎在CT影像表现上的不同特征，最终具备智能辅助诊断的能力。而这需要突破小样本学习、小目标检测等多个技术难题。“小样本学习”即在较少训练数据样本的条件下进行机器学习。在疫情发生前期，能够获取的新冠肺炎影像数据相对较少，且由于一线影像医生任务繁重，无法获得大量专家标注，因此需要算法在少量样本的条件下“自学成才”。为此，团队采用基于自迁移学习的半监督学习等技巧，使算法具备一定的“小样本学习”能力，在不增加医生标注工作量的情况下较好地提高了算法模型的普适性。由于CT影像切片中的病灶区域有大有小，且往往大中小病灶区域面积悬殊，如何使算法能同时检测大、中、小各个目标是另一大难题。团队利用神经网络的层次性特点与病灶区域的大小进行对应，“网络的底层关注细节，即小病灶区域，而网络中层到高层所关注的病灶区域则越来越大，因此模型通过不同层次的加权和融合，最终便能达到同时检测大小病灶区域的目标。”薛向阳解释道。“不过，即便有诊断‘神器’，影像科医生也是不可替代的。”薛向阳说，人是复杂的机体，病毒在不同人体内感染的反映也不一定相同。”他表示，当遇到机器未曾学习过的微小病变或疑难病例时，仍需要影像医生的经验和智慧。以解决实际问题为目标，该项目在研究过程中始终与临床应用紧密结合。无论是机器学习数据，还是测试评估数据，都来源于临床真实病例。在算法模型定型过程中，为了检验模型的准确率和泛化性，团队也利用现实疑似病例进行了测试。

2019年12月以来，由SARS-CoV-2病毒感染导致的新型冠状病毒疾病（COVID-19）在全球开始蔓延。报道显示，SARS-CoV-2感染患者的中位住院时间为10天，而武汉患者在发病10天后症状有可能加重。因此，住院时间是COVID-19临床预后的重要指标之一。 目前，CT影像学已成为COVID-19肺炎的诊断和监测工具，主要表现为磨玻璃影、实变及混合密度影。然而，现阶段的影像学研究主要集中于对病灶的定性和半定量描述，缺乏对病灶的全定量分析。因此，基于前期提出的CT定量监测COVID-19肺炎病程，团队假设在CT病灶背后的高通量影像特征“隐藏”了患者预后转归的“秘密”。 本研究纳入了兰州、安康、丽水、镇江、临夏5家新冠肺炎定点医院，自2020年1月23日到2月8日期间住院患者的临床资料和首次CT资料，所有患者经RT-PCR证实SARS-CoV-2病毒感染。至2月20日，研究共纳入31例治愈出院的患者（排除14例未出院患者和7例首次CT检查无肺炎表现患者），并将10天作为住院时长的二分类阈值。基于有限的样本量，团队将4个中心作为训练队列，另外一个中心作为验证队列。通过自动分割肺叶和半自动分割病灶，31名患者中累计分割出72个病灶。在对病灶图像预处理后，提取影像组学特征并筛选。为了研究影像组学特征的稳定性，团队使用了Logistics回归模型和随机森林模型对筛选的特征分别进行建模和验证。​结果发现，6个筛选出的二阶特征在两种不同分类器中均表现出良好的预测价值。在外部测试队列中，Logistics回归模型的AUC为0·97(95%CI 0·83-1·0), 敏感性 1·0, 特异性0·89；随机森林模型的AUC为0·92 (95%CI 0·67-1·0),敏感性 0·75, 特异性1·0。随后，研究又纳入了2月20日-28日新出院的6名患者，利用已建立的影像组学模型可以正确预测所有6名患者的住院时间。 

中试阶段/n该项目主要针对开源CT 医学影像数据和多中心合作单位提供的多模医学影像数据，采用人工智能技术和自主研制的深度学习算法对心脏左心室、肿瘤等CT 影像数据进行全自动分割，验证了所研制算法在该项目计算机辅助肿瘤智能诊断应用中的有效性，为项目产业化实施奠定了方法基础。成果的先进性或独特性：针对不同类型的医学影像感知设备，设计针对性强的机器学习智能算法；国内同类研究中首次采用“双盲评估+验证”的科研方法对影像数据进

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