大学生自我管理数据监测平台的开发与应用

关于高职院校学生社团建设,国内有越来越多的理论与实践研究,并在深度和广度上不断取得新的进展,但大多仍然是局限于发展学生兴趣、爱好以及校园文化建设角度,少见跳出原有的视野,自觉地把学生社团活动作为高职教育人才培养的隐性课程,直接与人才培养以及校园管理、服务的需要结合起来,使之成为高职教育人才培养和学校管理、服务的依托。

基于深度学习的点云语义分割研究综述

近年来,深度传感器和三维激光扫描仪的普及推动了三维点云处理方法的快速发展。点云语义分割作为理解三维场景的关键步骤,受到了研究者的广泛关注。随着深度学习的迅速发展并广泛应用到三维语义分割领域,点云语义分割效果得到了显著提升。主要对基于深度学习的点云语义分割方法和研究现状进行了详细的综述。将基于深度学习的点云语义分割方法分为间接语义分割方法和直接语义分割方法,根据各方法的研究内容进一步细分,对每类方法中代表性算法进行分析介绍,总结每类方法的基本思想和优缺点,并系统地阐述了深度学习对语义分割领域的贡献。然后,归纳了当前主流的公共数据集和遥感数据集,并在此基础上对比主流点云语义分割方法的实验结果。最后,对语义分割技术未来的发展方向进行了展望。

利用样本生成方法进行机载多光谱LiDAR数据深度学习分类

机载多光谱LiDAR系统能够快速、准确地获取地物的空间几何和光谱信息,为地物覆盖分类和目标识别提供新的数据源。近年来,基于三维点云的深度学习算法取得了一系列突破性进展,然而直接将不规则的原始点云数据输入深度学习模型进行基于点的分类存在一定的困难。本文提出了一种基于FPS-KNN的样本生成方法,用于基于深度学习的机载多光谱LiDAR数据分类。该方法首先对输入数据进行归一化处理;然后利用最远点采样方法(FPS)和K近邻法(KNN)在输入数据中生成一系列规则大小的训练样本数据集。通过机载多光谱LiDAR数据的试验表明,该方法所生成的样本不仅符合卷积神经网络所要求的输入数据形式,而且能够确保对输入场景的完整覆盖。

利用张量投票的机载LiDAR点云道路骨架线提取

针对机载LiDAR数据中道路骨架线检测存在的噪声干扰问题,结合道路多层特征显著性,提出了一种基于道路最大宽度快速确定最小尺度因子的张量投票道路骨架线提取方法。将预处理后三维道路点云转化成二维强度图像,最小尺度因子参与图像球张量投票,利用极性特征分割道路边缘点;为了进一步增强道路线状特征,利用新的最小尺度因子再次进行球张量投票和棒张量投票,填补道路空洞,顺滑道路边界;细化处理获取道路骨架线。与数学形态学方法相比,该方法在噪声背景的道路数据中提取的道路线精度更高。

基于属性匹配及空间位置约束的桥梁变更表生成方法

针对交通领域中现有桥梁变更表生成方法需要大量人工核查、效率低的问题,基于桥梁属性匹配及空间位置约束对变更前后桥梁进行匹配可靠性评价,根据实际需要只对评价分值较低的桥梁进行人工核查,从而极大地提高了桥梁变更表的生成效率及准确性。以某省两年桥梁数据为例生成桥梁变更表,结果表明:本文提出的算法在最大限度减少人工核查量的前提下,显著提高了桥梁变更表的生成效率。

试论如何做好离校未就业高校毕业生的职业指导

离校未就业毕业生是指在取得高校毕业证后没有落实就业单位的毕业生。做好离校未就业毕业生的职业指导工作应着重在校期间开展预防性的职业指导为主,毕业离校后继续跟踪为辅,提出转变就业指导课教学方式,引导学生重视职业指导教育、构建全员化五级工作网络,实现高校就业服务体系制度化、专业化和社会化,设置职业指导咨询室,实现职业指导技术化等措施做好离校未就业高校毕业生的职业指导工作。

论军民融合的卫星通信、遥感、导航一体天基信息实时服务系统

介绍了军民融合战略的背景和天基信息系统发展的现状,阐述了建设军民融合卫星通信、遥感、导航(通导遥)一体天基信息实时服务系统的重大战略意义,提出了中国定位、导航、授时、遥感、通信(positioning,navigation,timing,remote sensing,communication,PNTRC)一体的天基信息服务系统建设构想,分析了系统建设目标、建设思路、路线图及应用前景,并对系统关键技术进行了分析论证,提出了PNTRC关键技术及相关建议,最后对中国PNTRC系统的发展进行了展望。