排序方式: 共有13条查询结果,搜索用时 15 毫秒
1.
非线性编辑系统在电视节目制作中得到了广泛地应用,大洋D3-Edit非线性编辑系统从视音频信号的采集、编辑,到特技处理和字幕叠加均满足了电视节目后期制作的需求.笔者结合实战经验阐述大洋D3-Edit非线性编辑系统在后期制作中的应用. 相似文献
2.
根据沧州市渤海新区16处降水站50余年的资料,对降水量在不同季节的分配规律、年际变化特性进行分析,结果表明,渤海新区降水量汛期呈现出随时间递减的趋势,尤其是7~8月降水量递减趋势明显;3~5月、10月降水量则随时间出现递增趋势;同时还预测在未来3~5年太阳黑子活动强烈,该区将会进入少雨期,但不排除因气候异常造成较大洪涝灾害的可能,为认识和掌握渤海新区降水规律提供参考。 相似文献
3.
4.
高莎 《北京印刷学院学报》2006,14(2):64-67
传统翻译理论强调"忠实"而忽略了译者的"创造"和"叛逆".20世纪60年代,埃斯卡皮提出"创造性叛逆"概念,在理论上丰富了传统译论.文学翻译史上众多成功译例也从实践上证明了译者创造性叛逆存在的必然性.但译者主体性的发挥要受到原文、原语及目的语语言规范等制约因素的限制.正确理解了译者的创造性叛逆,译者就应在充分发挥主体性因素的同时把握创造性叛逆的限度,以便在最大范围内达到翻译目的并取得良好的文学、文化及社会效应. 相似文献
5.
UAV LiDAR具有高效、准确地采集复杂地形点云数据的优势,已成为构建精准数字地貌模型的重要手段。然而,针对背斜地貌的UAV LiDAR点云构建数字地貌模型的插值误差研究缺乏,严重制约了其在地貌学研究中的应用。本文基于禄丰恐龙谷环状构造中背斜地貌的UAV LiDAR点云数据,优选了IDW、NN、RBF、TIN、OK插值算法的关键参数,采用交叉验证和模型差异衡量不同点云密度和地表粗糙度下的插值精度,全局Moran指数、地貌参数分析误差的空间分布特征,基于最优的模型分析褶皱构造的形态特征。结果表明:1)IDW最优参数为权指数2和搜索点数16,RBF为规则样条函数和搜索点数24,OK为球面函数、无方向和搜索点数8;2)IDW最容易受点云密度的影响,TIN抑制插值误差随点云密度变化的效果最好,OK构建的模型最优;3)局部插值误差在空间上是可变的,地表粗糙度大的区域误差增加得快;4)该褶皱分为穹窿构造和短轴褶皱两类,翼间角为108~131°,背斜Ⅱ沿西南-东北向地下延伸。研究结果可为UAV LiDAR用于禄丰恐龙谷环状构造数字地貌建模及地表特征测量模拟分析提供参考。 相似文献
6.
7.
本项研究提出了一个针对线缆行业智能排线检测的综合性解决方案,坚持创新应用驱动,以改进线缆行业的生产效率和质量控制水平。首先,机器视觉智能创新平台整合了语言大模型和视觉大模型等辅助算法研发能力;其次,边缘侧AI嵌入式设备融合安全操作系统的安全性的同时具备强大的GPU算力;最后,方案中独立设计的标准自动化设备采用先进的3D视觉和2D视觉技术,用于识别线缆排列的疏密程度和线缆与绞盘的边缘位置,从而提高了电缆生产线的质量控制水平,确保线缆排列的准确性,并提升了整体生产效率。 相似文献
8.
无人机DIM点云滤波处理是地物分类、地物单体化提取和地形特征分析的关键步骤,为解决高原山区因地形复杂而导致DIM点云滤波处理难度大和精度低等问题。选择以滇中高原恐龙谷南缘山区为试验区,首先利用DJI Phantom 4 RTK采集影像数据,解算密集影像获取DIM点云;其次,考虑山体点与地面点有较大高程差,选择经典PTD滤波算法对实验区密集匹配点云进行滤波处理;最后,综合考虑实验区山顶和山脚存在较大高程差且山体两侧沟壑丛生,山体两侧地面点易被识别为非地面点,提出以脊-谷交汇地形特征点为PTD滤波算法的种子点,在山体两侧精细化构建不规则三角网的改进PTD滤波算法。结果表明:1)PTD滤波算法得到地面点较为完整保留整个实验区,但明显的地物如山体两侧低矮植被和山脚蔬菜大棚基本未被剔除,且山体部分的地面点易被识别为非地面点而在出现山体K1、K2、K3区域的空洞现象。2)针对恐龙谷南缘山区复杂地形,提出以脊-谷交汇地形特征点为PTD滤波算法的种子点,在山体两侧精细化构网,山体低矮植被部分清除,相对于PTD滤波算法蔬菜大棚大面积被清除。并且山体两侧地面点得到较为完成保留,未出现明显点云空洞的现象。 相似文献
9.
舞蹈与音乐这两门艺术是一支并蒂莲,荣损与共、相依相伴。优秀的舞蹈作品是优秀舞蹈与优秀音乐"两栖"结合的结晶。舞蹈教师应不断提高学生的艺术素质,同时努力实现教师自身的知识更新;舞蹈演员只有具备一定音乐素养,才能表演好优秀的舞蹈作品。因此,培养知识和能力结构合理、综合素质较高的舞蹈人才,是舞蹈教学工作者面临的重要课题。 相似文献
10.
针对传统的地面调查及卫星遥感手段构建DEM存在测量难度大或制图分辨率低等问题,通过无人机(Unmanned Aerial Vehicle, UAV)成像点云与机载激光雷达(Light Detection and Ranging, LiDAR)点云构建高分辨率DEM,并对比分析DEM产品的误差及其空间分布差异。采用多种滤波算法分类成像点云与LiDAR点云中的地面点云,结合点云内插的误差分析实验,得出以下结论:(1)利用点云的光谱信息能增强改进的渐进三角网滤波算法的效果;(2)成像点云和LiDAR点云构建DEM的最佳点云密度分别为27.70点/m2和16.44点/m2;(3)成像点云X和Y方向的误差集中在±0.1 m之间,Z方向的误差离散程度大,集中在±0.6 m之间,LiDAR点云X和Y方向的误差集中在±0.3 m之间,Z方向的误差集中在±0.5 m之间。研究结果可为点云用于地形复杂区域的高精度地形建模提供参考。 相似文献