本文提供一种植物点云提取方法、装置及设备。能够将初始植物三维点云去噪之后得到待处理植物三维点云，在确定其主方向后，基于主方向旋转待处理植物三维点云并构建最小包围盒，以确定点云的各坐标轴方向，进而将其中的地面部分去除，确定对应的二维投影，再利用六边形直方图进行离散化处理得到无向图，由于无向图中有各个连通分量，所以可以确定最大连通分量，将最大连通分量的六边形顶点映射到待处理植物三维点云的坐标平面上确定相应的边界，根据边界进行植物三维点云的提取，这样得到的植物三维点云能够去除一些复杂的背景，提高植物三维点云提取的准确度。

提供了一种基于车载FOD检测系统的检测方法，属于智能检测技术领域，包括:构建并训练基于PatchCore算法构建的异物识别模型；巡道车在跑道中行驶，高清摄像机采集跑道的视频图像，使用训练好的异物识别模型对视频图像中是否有异物进行检测；若发现跑道异物，则在巡道车内的监控客户端上报警并弹窗，同时框出跑道异物在视频图像中的位置，并给出跑道异物的实际位置；管控人员对识别出的跑道异物进行核实，若为真实异物，则根据跑道异物的实际位置安排清理作业；否则将误报的该跑道异物的图像提交到模型升级程序，模型升级程序用于基于误报的该跑道异物的图像对模型进行在线升级。本技术可实现准确检测机场跑道异物且实施成本较低。

本技术实施例提供了一种视觉3D目标检测算法在线评估方法和系统，其中，所述方法包括:获取视觉3D目标检测算法的样本数据集，样本数据集包含频率大于2赫兹且携带标注信息的原始样本图像；将样本数据集的第一原始样本图像输入视觉3D目标检测算法输出检测结果；将检测结果与样本数据集中当前时刻的第二原始样本图像的标注信息进行指标评估。本发明实施例的原始样本图像的频率高于数据集nuScenes中样本数据的频率，提高了视觉3D目标检测算法的样本频率。在视觉3D目标检测算法的运行时间稳定的情况下，提高样本频率，相当于降低目标对象在两个样本图像之间的位移偏差，视觉3D目标检测算法的指标评估更符合实时性的要求。

 本技术涉及图像处理领域，具体涉及一种高阶多项式和深度网络融合的无人机视图失真校正方法，该方法包括以下步骤:分别使用几何编码器和空间编码器对失真图像进行解析，分析出径向畸变参数及切向畸变参数；分别输入两个编码器输出的径向畸变参数以及切向畸变参数到高阶多项式模型生成具体的校正流，并通过全连接层计算出校正流在每个像素对应的置信度；将两个编码器输出的校正流通过基于置信度的指数衰减函数进行融合得到最终校正流，并将最终校正流应用于失真图像上得到校正后图像。本发明能够在不依赖标定板等特殊硬件的情况下，稳定地对存在径向或切向失真的图像进行畸变恢复。

 本技术公开了一种基于联盟链的节点访问方法以及系统，在各个节点空间中确定对应的空间节点以及影子节点；对影子节点匹配的对应的服务机制；基于各个影子节点的多重交互而构建分布式影子节点交互机制，兼容了各个影子节点的多重交互，保证了分布式影子节点交互机制的多维度把控，实现了分布式影子节点交互机制的精准把控。根据分布式影子节点交互机制、用户的应用场景以及联盟链划分读机制以及写机制；基于读机制触发对应的查询以及第一权重把控；基于写机制触发对应的交易以及第二权重把控，引入了读机制以及写机制，实现了读机制以及写机制的针对性把控，提高了基于联盟链的节点访问的智能化效果，对联盟链中任何任何节点进行针对性管控。

 本技术公开了一种排除邻域的双向最近邻相似比算法，用于构建模型点云和场景点云之间的对应关系，包括以下步骤:S1、输入关键点及描述子；S2、初步匹配对应关系；S3、施加双向邻域约束；S4、双向实施Nannsr算法；S5、输出对应点对。本发明通过相似度匹配构建初始对应点对集合，再通过施加双向邻域约束初步排除点对集合中错误的对应关系，最后再对场景和模型关键点分别实施Nannsr算法，提取场景和模型上都具独特性的点对，作为最终的输出对应点对，从而构建一种稳健的对应点对构建方法，该算法的性能明显优于现有对应点对构建算法，避免了点对的独特性无法被正确判断的问题，即使在噪声、遮挡和数据异常等干扰的点云数据上也有较好的表现。

 本技术涉及动物X光医疗影像数据处理领域，具体涉及一种动物X光医疗影像数据处理方法及计算机装置，提高了对影像数据的理解能力和数据处理结果的准确性。其中方法包括:构建联合多任务动物X光多模态数据集，建立专门针对动物的X光影像数据集，包含结构解剖、病变标注和诊断文本等多模态信息，覆盖骨折、异物、肿瘤等多个病变分类，为深度学习模型提供高质量的训练和验证数据；生成多模态数据集标签；对多模态数据集进行数据预处理；构建多任务学习模型；实施多任务学习模型的特征共享以及特征融合策略；对多模态多任务学习模型进行训练；对多模态多任务学习模型的性能进行评估。本发明适用于动物X光医疗影像数据处理。

 本技术公开了一种基于小波变换的跨模态行人重识别方法及系统，涉及行人重识别技术领域，包括:构建两流ResNet‑50主干网络；通过ICB模块融合两流ResNet‑50主干网络浅层的特征，得到融合特征；通过WEB分支模块对融合特征进行特征提取得到高低频部分的模态共享特征；通过双分支中心引导损失优化WEB分支模块输出的模态共享特征以及ICB模块输出的融合特征得到最终识别结果。本发明通过信息补偿模块，在不同阶段结合小波变换聚合网络浅层的特征，补偿网络特征提取过程中丢失有价值的信息，提高了最终特征向量的质量；通过小波增强模块，并用双分支中心引导损失来引导网络挖掘小波子图中的模态不变信息，提高模型性能。

 本技术提出了一种应用于复杂天气条件下的无监督图像恢复方法，基于对比学习的框架，所构建的网络模型从退化的输入图像中学习到退化表示从而恢复出清晰图像。具体来说，通过多类别的对比学习策略，模型能够从三个层面:即非匹配图像级别、像素级别及细节级别进一步提升特征约束表示。此外，网络使用自校准特征提取模块作为模型特征表示的核心，能够有效捕获长距离空间与通道之间的特征依赖关系，从而更好的对退化图像进行恢复。该方法能够在非匹配数据集上进行无监督训练，很大程度上提升了算法的适用性。

 本技术公开一种基于云边协同的课堂教学质量辅助评估方法、设备及系统，该方法步骤包括:实时获取摄像头采集到的课堂上学生的视频图像数据，并传输至边缘设备；在边缘设备中，对接收到的视频图像数据使用预先训练的学生课堂行为识别模型进行学生课堂行为识别并进行跟踪，在跟踪过程中使用邻近多帧的识别结果与当前帧识别结果进行融合得到当前帧的最终识别结果，根据学生课堂行为识别结果评估课堂教学质量，学生课堂行为识别模型为预先基于多标签目标检测算法并采用知识蒸馏结构进行训练得到；将学生课堂行为识别结果以及评估结果发送给云端视频服务器进行保存。本发明具有实现方法简单、成本低、实时性以及精度高、鲁棒性强等优点。