Loading...
机构名称:
¥ 2.0

摘要:银行上河床和地面设施的可视化对于分析条件,安全性和这种环境变化的系统至关重要。因此,在本文中,我们提出收集和处理来自各种传感器的数据(Sonar,Lidar,Multibeam Echosounder(MBES)和相机),以创建可视化以进行进一步分析。为此,我们从安装在自主,无人水文容器上的传感器中进行了测量,然后提出了一种数据融合机制,以使用水下和上方的模块进行可视化。融合包含有关经典图像和声纳的关键分析,点云的增强/减少,拟合数据和网格创建。然后,我们还提出了一个分析模块,该模块可用于比较和从创建的可视化中提取信息。分析模块基于分类任务的人工智能工具,有助于进一步与档案数据进行比较。使用各种技术测试了这种模型,以实现模拟和实际案例研究中最快,最准确的可视化。

使用自主无人容器

使用自主无人容器PDF文件第1页

使用自主无人容器PDF文件第2页

使用自主无人容器PDF文件第3页

使用自主无人容器PDF文件第4页

使用自主无人容器PDF文件第5页

相关文件推荐

2024 年
¥2.0
2015 年
¥1.0
2024 年
¥2.0
2021 年
¥1.0
2023 年
¥1.0
2020 年
¥1.0
1900 年
¥8.0
2018 年
¥26.0
2018 年
¥6.0
2022 年
¥1.0
2017 年
¥12.0
2021 年
¥1.0
2023 年
¥5.0
2023 年
¥1.0
2025 年
¥1.0
2021 年
¥2.0
2024 年
¥1.0
2020 年
¥1.0
2023 年
¥2.0
2022 年
¥2.0
2023 年
¥1.0
2021 年
¥1.0
2023 年
¥1.0
2025 年
¥1.0
2007 年
¥1.0
2024 年
¥1.0
2022 年
¥1.0