【摘 要】
：
灾情或险情的状态评估和后续的救灾方案决策都需要相关技术手段予以支持,对于此问题的热点方案是采用多机器人融合监测并救援。由于通信系统的固有性能限制,传统非物联网技术下的机器人存在一定技术不足。针对这些不足,本文设计了物联网技术下多机器人综合管理系统,将各台移动侦察机器人坐标位置、图像、各类传感器数据及救援机器人位置动作等信息综合处理并和数字地图进行融合,实现了集GPS、GIS、实时图像、实时传感信息
论文部分内容阅读
灾情或险情的状态评估和后续的救灾方案决策都需要相关技术手段予以支持,对于此问题的热点方案是采用多机器人融合监测并救援。由于通信系统的固有性能限制,传统非物联网技术下的机器人存在一定技术不足。针对这些不足,本文设计了物联网技术下多机器人综合管理系统,将各台移动侦察机器人坐标位置、图像、各类传感器数据及救援机器人位置动作等信息综合处理并和数字地图进行融合,实现了集GPS、GIS、实时图像、实时传感信息显示的救援管理系统。通过网络化的管理,本系统具有机动性好、成本低、研制周期短等优点,增强和提升我国对城市
其他文献
伴随着现代信息技术的发展,5G时代对于图书馆建设的影响很大。作为时代发展的重要动力,5G技术应用策略在促进图书馆转型方面意义非凡。将5G技术合理地运用到图书馆建设项目并推动图书馆转型,日渐成为了科技工作者的研发重点。本文基于5G技术的基本概念以及功能特点,分析了5G技术对图书馆、图书馆馆员、图书馆用户的影响,将图书馆新脉络、新场景、云体系以及安全阀作为着手点,促进5G技术时代下图书馆的变革与发展。
随着我国信息技术的不断发展,我国已经正式进入了信息化时代,信息技术的普及与发展彻底改变了人们的生活,同时也促进了各行业的转型与升级。信息技术催生了新兴媒体,新媒体时代的发展改变了人们获取信息的习惯与方式,同时也对传统纸质媒体造成了一定的冲击。
随着信息化技术水平的逐渐提升,人们的生活开始向着智能化和信息化发展,人们的各种行为都开始利用数据来表现,从而进入了大数据时代。高校的档案管理工作还存在一些问题,因此,还需要结合实际制定完善的信息化管理体系,为实践工作的开展提供条件。在本文中,通过对高校档案管理工作实际现状的分析,研究高校档案管理工作的具体特点,并结合实际给出有效的实践对策,确保在各个措施下使高校档案信息化管理工作水平得到提升。
本文主要介绍了一个动作对比分析的视频教学平台。通过该平台和基于平台实现的客户端,可通过摄像头记录用户的运动视频,并经过人工智能技术进行与标准动作的匹对分析,实时显示用户动作的标准评分。这个实时反馈的评分,可及时指正用户在运动过程中动作的正确性,希望用现代的科学技术改善大家的生活,旨在帮助运动的人们提高运动质量和效果。
在“互联网+”背景下,信息化建设已经成为当前我国各行各业推进改革发展的重要手段。医院的基建档案作为医院档案重要的组成部分,也应进一步加强信息化管理。本文分析了医院基建档案信息化管理的重要意义,在此基础上,探讨了相应的管理措施,仅供参考。
针对现有船联网(Internet of Vessels,IOV)路由协议在大数据量传输时网络性能较低的问题,文中提出一种基于到达时间优先的分块传输路由协议DBT-ATP(Data Block Transmission-Arrival Time Priority),该协议通过比较相遇船舶的预计到岸时间选择中继节点,采用分块的方式转发大数据量消息。文中针对机会网络传输的特点,提出了归一化网络冗余率作为评价数据传输有效性的指标。仿真结果表明,消息数据量较大时,相比于Epidemic协议,DBT-ATP协议有效提
运用基于SIPS模型修正后的APS模型,从平台引流、用户参与与确认、用户分享与扩散3个阶段分析自媒体平台用户的信息行为。通过在线调查,收集了181份有效问卷进行数据分析,得出用户各阶段的信息行为。研究结果表明,在引流阶段,用户信息行为是信息获取(被动)了解平台,信息搜寻(主动)增强黏性,信息选择(主动)留在平台;在用户参与与确认阶段,用户信息行为是信息获取(主动)了解他人观点,信息评价(主动)寻求认同感,达到信息确认;在用户分享与扩散阶段,用户信息行为是信息分享(主动)利己与利他心态的驱使,对平台发展以及
随着社会经济的不断发展,医疗技术水平也在提升,对人们的身体健康、病情改善具有重要作用。医院物流管理对医院工作开展具有重要作用,逐渐成为社会研究的重点内容,医院物流管理属于服务性工作,可以保证医院为患者提供更好的服务。在新医改政策影响下,改革措施不断深入发展,医院管理需要全面深化,医院物流管理是其中十分重要的方式,在耗材的不同方面均需提升物流管理质量,利用最少的现金流保证库存量的安全性以及合理性,同时提升医疗质量以及医疗安全性。本文通过对医院物流管理信息系统的开发与实践进行分析,为医院物流信息系统开发和应用
本文设计一种梯度惩罚生成对抗网络(WGAN-GP)生成水稻病害图像样本。首先,对WGAN网络模型增加新的惩罚项限制模型权重范围,然后生成水稻病害图像样本,对水稻病害图像小样本集进行扩充,最后利用混合样本集作为深度学习模型的数据集,增强模型训练和学习效果。实验结果表明,卷积神经网络使用生成的水稻病害混合样本训练的识别准确率比使用传统图像增强混合样本训练的识别准确率提高5.2%,证明了在有限训练数据集
针对混合属性数据聚类难度高的问题,提出一种基于广义线性模型的混合属性数据聚类方法。首先,构建低阶多元广义线性模型处理海量数据聚类问题,考虑数据属性的时间特性,获取属性时间序列矩阵;然后考虑样本同聚类中心距离基础上兼顾已知样本信息内容,采用优化方法计算数据相异度、样本与聚类集间距离。通过实验结果分析可知:文中方法经过较少次迭代即可优化划分混合属性数据聚类集,聚类适应度值在0.88~0.94之间,适应度优,该方法可准确体现样本间差异,是一种准确度较高的混合属性数据聚类方法。