业务和功能介绍
1、立项背景与目标
为响应《大气污染防治行动计划》等环保政策，许多城市严格管控甚至禁止燃放烟花爆竹，这为无人机表演作为一种新型、环保的节庆文化方式提供了广阔的市场前景 。 然而，当前无人机表演行业仍受限于“人工编排-刚性映射”的技术逻辑 ，编排周期长、成本高昂，且复杂场景的展示严重依赖人工设计，其路径调整动辄耗时数小时 ，导致成本效益不及传统烟花 。 现有技术范式多将无人机视为二维“像素点”，忽略了其作为自发光光源的物理特性，限制了艺术表现力与环境适应性 。 本项目“天际高斯”旨在利用前沿的三维高斯溅射（3D Gaussian Splatting, 3DGS）技术，通过显式高斯建模与自动路径优化，实现从“像素点”到“光点”的范式迁移 。 项目的核心目标是通过技术革新，显著降低人工编排成本、缩短制作周期，并创造出更精美、更复杂、更符合自然光学规律的光影艺术 ，最终建立一套能够根据环境与观众位置智能优化的自动化编排方案，为无人机表演成为主流的环保烟花替代方案提供强大的技术支持 。
2、软件核心功能
为实现上述目标，平台将提供一系列深度整合的核心功能，以实现从内容创建到实景执行的全流程智能化。首先，平台具备自动化编排生成能力，用户只需输入多视角图像，系统即可利用运动恢复结构（SfM）生成初始点云，并自动初始化为三维高斯点 ，再通过优化与映射，直接生成无人机的飞行路径与灯光序列，彻底取代繁琐的人工设计 。 其次，平台提供高智能交互式调度功能，允许用户输入亮度修正、飞行高度、大气条件等一系列环境与视觉参数，系统会基于这些输入，自动化地对无人机光点的光强、颜色和建模密度进行智能调整，实现高度定制化的表演效果 。 再次，针对无人机数量有限的现实约束，平台独创了基于关键视角优先的自适应建模策略 。 系统会通过损失函数动态监测建模精度，当精度不足时，会自动筛选并强化核心观赏角度的视觉效果，将有限的无人机资源集中用于提升主要观众的视觉冲击力 。 最后，为确保仿真与现实的无缝衔接，平台内置了环境自适应光学补偿机制 。 该机制通过引入亮度修正系数和综合调节因子，能够根据夜间低光、飞行高度和大气条件等实际因素，动态校准无人机光点的亮度和色彩空间，确保最终的空中表演效果与仿真结果高度一致 。
为响应《大气污染防治行动计划》等环保政策，许多城市严格管控甚至禁止燃放烟花爆竹，这为无人机表演作为一种新型、环保的节庆文化方式提供了广阔的市场前景 。 然而，当前无人机表演行业仍受限于“人工编排-刚性映射”的技术逻辑 ，编排周期长、成本高昂，且复杂场景的展示严重依赖人工设计，其路径调整动辄耗时数小时 ，导致成本效益不及传统烟花 。 现有技术范式多将无人机视为二维“像素点”，忽略了其作为自发光光源的物理特性，限制了艺术表现力与环境适应性 。 本项目“天际高斯”旨在利用前沿的三维高斯溅射（3D Gaussian Splatting, 3DGS）技术，通过显式高斯建模与自动路径优化，实现从“像素点”到“光点”的范式迁移 。 项目的核心目标是通过技术革新，显著降低人工编排成本、缩短制作周期，并创造出更精美、更复杂、更符合自然光学规律的光影艺术 ，最终建立一套能够根据环境与观众位置智能优化的自动化编排方案，为无人机表演成为主流的环保烟花替代方案提供强大的技术支持 。
2、软件核心功能
为实现上述目标，平台将提供一系列深度整合的核心功能，以实现从内容创建到实景执行的全流程智能化。首先，平台具备自动化编排生成能力，用户只需输入多视角图像，系统即可利用运动恢复结构（SfM）生成初始点云，并自动初始化为三维高斯点 ，再通过优化与映射，直接生成无人机的飞行路径与灯光序列，彻底取代繁琐的人工设计 。 其次，平台提供高智能交互式调度功能，允许用户输入亮度修正、飞行高度、大气条件等一系列环境与视觉参数，系统会基于这些输入，自动化地对无人机光点的光强、颜色和建模密度进行智能调整，实现高度定制化的表演效果 。 再次，针对无人机数量有限的现实约束，平台独创了基于关键视角优先的自适应建模策略 。 系统会通过损失函数动态监测建模精度，当精度不足时，会自动筛选并强化核心观赏角度的视觉效果，将有限的无人机资源集中用于提升主要观众的视觉冲击力 。 最后，为确保仿真与现实的无缝衔接，平台内置了环境自适应光学补偿机制 。 该机制通过引入亮度修正系数和综合调节因子，能够根据夜间低光、飞行高度和大气条件等实际因素，动态校准无人机光点的亮度和色彩空间，确保最终的空中表演效果与仿真结果高度一致 。
项目实现
1. 整体架构和设计思路
本项目的核心设计思路是从“人工编排”到“自动生成”的技术范式跃迁，不再将无人机视为简单的像素点，而是基于三维高斯溅射（3DGS）技术，将其视为符合光学规律的独立光源，从根本上提升表演的艺术表现力与真实感 。
我们的整体技术架构遵循一条自动化的数据流。系统以多视角图像为输入，首先采用Mask R-CNN模型进行前景分割以聚焦核心主体 ，并利用运动恢复结构（SfM）技术生成三维场景的初始点云和相机数据 。随后，基于此数据初始化三维高斯点，并通过一个核心的优化与适配循环进行处理。在此循环中，我们修改3DGS框架，将高斯点的属性（如协方差、颜色）简化以匹配无人机的物理限制，同时通过可微分渲染与自适应密度控制，在逼近无人机数量上限的同时不断优化场景的视觉效果 。最后，通过光学补偿模块对最终的高斯点云进行光强与色彩校准，以适应真实的夜间表演环境，确保仿真与现实效果的一致性 。
2. 我负责的模块和结构
作为项目负责人，我负责整体算法设计与核心代码实现，主导了从技术选型、模块构建到最终集成的全过程。我的工作贯穿了整个技术管线：
我构建了项目的前端数据处理模块，集成了Mask R-CNN与SfM管线，实现了对输入数据的自动化主体提取与三维场景初始化 。在此基础上，我开发了项目的核心优化引擎。这部分工作涉及对原生3DGS框架的深度修改，我设计并实现了关键的无人机适配算法，包括将高斯点强制转换为各向同性的球体（Σ=nI），简化其颜色表示，并实现了自适应密度控制以匹配无人机数量约束 。同时，我设计了自适应精度控制模块，通过自定义的混合损失函数（L1 + D-SSIM）监控图像质量 。当简化导致精度严重下降时，我设计的基于损失阈值 τ 和视角优先级参数 P 的自适应训练策略会自动介入，筛选关键视角进行聚焦式重训练，从而在有限资源下保证核心观赏效果 。最后，我负责开发了实景光学补偿模块，通过引入亮度修正系数 β 和综合调节因子 λ，实现了对仿真结果的自动化校准，解决了夜间环境下的亮度和色彩失真问题 。
3. 我遇到的难点和解决方案
在项目研究中，我们识别并解决了三大核心技术挑战：
难点一：高斯点与无人机光点的映射不一致。 原始高斯点具有复杂的形状与颜色属性，而无人机只能展示统一颜色的球形光点 。解决方案是采取“强制属性简化”策略，在算法层面直接修改高斯点的数学表示，将其协方差矩阵强制设为标量矩阵 nI，颜色简化为可优化的常量，使高斯点在结构上与无人机的物理特性达成统一 。
难点二：无效背景建模与真实环境的显示效果差异。 3DGS会消耗资源对无关背景进行建模，且仿真模型在真实的夜间低光环境下会出现亮度、色彩不匹配 。解决方案是引入Mask R-CNN技术，在预处理阶段便剔除背景，优化资源分配 。同时，通过设计“光学补偿机制”，引入亮度修正系数 β
本项目的核心设计思路是从“人工编排”到“自动生成”的技术范式跃迁，不再将无人机视为简单的像素点，而是基于三维高斯溅射（3DGS）技术，将其视为符合光学规律的独立光源，从根本上提升表演的艺术表现力与真实感 。
我们的整体技术架构遵循一条自动化的数据流。系统以多视角图像为输入，首先采用Mask R-CNN模型进行前景分割以聚焦核心主体 ，并利用运动恢复结构（SfM）技术生成三维场景的初始点云和相机数据 。随后，基于此数据初始化三维高斯点，并通过一个核心的优化与适配循环进行处理。在此循环中，我们修改3DGS框架，将高斯点的属性（如协方差、颜色）简化以匹配无人机的物理限制，同时通过可微分渲染与自适应密度控制，在逼近无人机数量上限的同时不断优化场景的视觉效果 。最后，通过光学补偿模块对最终的高斯点云进行光强与色彩校准，以适应真实的夜间表演环境，确保仿真与现实效果的一致性 。
2. 我负责的模块和结构
作为项目负责人，我负责整体算法设计与核心代码实现，主导了从技术选型、模块构建到最终集成的全过程。我的工作贯穿了整个技术管线：
我构建了项目的前端数据处理模块，集成了Mask R-CNN与SfM管线，实现了对输入数据的自动化主体提取与三维场景初始化 。在此基础上，我开发了项目的核心优化引擎。这部分工作涉及对原生3DGS框架的深度修改，我设计并实现了关键的无人机适配算法，包括将高斯点强制转换为各向同性的球体（Σ=nI），简化其颜色表示，并实现了自适应密度控制以匹配无人机数量约束 。同时，我设计了自适应精度控制模块，通过自定义的混合损失函数（L1 + D-SSIM）监控图像质量 。当简化导致精度严重下降时，我设计的基于损失阈值 τ 和视角优先级参数 P 的自适应训练策略会自动介入，筛选关键视角进行聚焦式重训练，从而在有限资源下保证核心观赏效果 。最后，我负责开发了实景光学补偿模块，通过引入亮度修正系数 β 和综合调节因子 λ，实现了对仿真结果的自动化校准，解决了夜间环境下的亮度和色彩失真问题 。
3. 我遇到的难点和解决方案
在项目研究中，我们识别并解决了三大核心技术挑战：
难点一：高斯点与无人机光点的映射不一致。 原始高斯点具有复杂的形状与颜色属性，而无人机只能展示统一颜色的球形光点 。解决方案是采取“强制属性简化”策略，在算法层面直接修改高斯点的数学表示，将其协方差矩阵强制设为标量矩阵 nI，颜色简化为可优化的常量，使高斯点在结构上与无人机的物理特性达成统一 。
难点二：无效背景建模与真实环境的显示效果差异。 3DGS会消耗资源对无关背景进行建模，且仿真模型在真实的夜间低光环境下会出现亮度、色彩不匹配 。解决方案是引入Mask R-CNN技术，在预处理阶段便剔除背景，优化资源分配 。同时，通过设计“光学补偿机制”，引入亮度修正系数 β
示例图片视频
相似推荐
智能客服
呼叫中心系统
有来电自动弹屏（接入换热站数据以及收费系统数据，根据来电号码显示用户信息及用户所属换热站信息），智能座席选择、自动语音应答、坐席接答、主动呼叫、电话转接、全程录音、呼叫黑名单、班长座席监控、客服服务评价、话务统计等功能。
客服管理系统
拥有业务受理、智能派单、工单分派、工单跟踪、工单回访、工单审核、催办督办、工单监控、通知公告、工况信息、统计分析、派单短信、热线报表、维修报表、工单分析、测温分析、知识库管理等模块。
客服移动端
有接单、抢单、工单回复、工单审核、工单改派、拍照、测温、录音、录像、客户签字、移动督办、呼叫维修员、维修员GIS分布、运行信息、通知公告、移动端报表等功能。
客户微信端
微信报修、报停申请、复热申请、提交投诉、提交建议、暖费查询、优惠通知、供热公告、催缴信息。
AI智能语音交互
AI客服支持智能呼入和智能外呼，接入换热站数据以及收费系统数据，自动分析用户诉求根据用户语音识别意图，可多轮对话确认业务意图，以自然语言方式告知用户。通话类型包括：
咨询类，通过意图关键词在知识库中检索到对应知识。
查询类，从业务系统中检索用户所需数据。
办理类，确认用户具备所要办理业务的条件，收集办理业务所需数据内容并自动提交。
回访调查类，工单完成后自动呼叫用户，确认问题是否解决，收集满意度评价。
信息核实类，主动呼叫用户，核实完善用户的个人资料信息，如手机号、身份证号、房本面积等。
AI智能微信客服
在微信公众号、网站、App应用里都可以集成AI客服能力，实现在线服务，AI客服会根据用户近期的诉求数据，自动罗列“猜你想问”，以及推荐气泡，提供智能导办，用户快速点击即可了解所需信息和办理所需业务，也可通过输入文字方式和AI客服进行交流。
AI智能质检
服务质检是热线服务运营过程中非常重要的一个品质管控环节。面对大量的电话录音，传统人工听录音抽检的方式效率低、成本高。通过AI智能质检可以更大覆盖率甚至全量地对录音进行质检，并实时反馈质检结果；同时也可提取出用户反馈的热点问题、舆论风险，做到先知先觉，主动干预。
AI运营数据分析
可对指定时间内AI客服的接待人次、对话轮次、解决接待量、转入人工量、用户咨询热点、回访调查等数据进行统计分析。
项目管理后台-项目管理
一、业务背景
这是一个个人使用的项目管理系统，主要用于集中管理多个项目与合作店铺的关联关系，包括店铺注册、项目-店铺关联、计费管理、白名单校验等功能。
数据规模：项目 10-50 个，店铺 100-500 个
适用场景：个人使用 + 云服务器部署
二、用户角色
项目管理员 拥有系统所有权限，管理项目、店铺、关联关系、缴费记录
店铺经理 通过店铺令牌访问，可查看关联项目信息、发起续费支付
三、核心功能模块
1. 登录认证
管理员用户名密码登录
登录后可访问系统
2. 项目管理
项目 CRUD（增删改查）
项目字段：中英文名称、描述、分类（网页/小程序/App）
3. 店铺管理
店铺 CRUD
店铺字段：名称、四字标识（唯一）、联系人、联系方式、规模（小/中/大）
4. 关联管理
项目与店铺多对多关联
设置开通日期、到期日期、白名单开关、关联状态（正常/已过期/已禁用）
5. 计费管理（项目定价）
按店铺规模定价：小/中/大三个档次
不同项目可独立定价
通过 project_pricing 表存储每个项目对应每种规模的年费
规模 默认年费 说明
小 999元/年 适合小型店铺
中 2999元/年 适合中型店铺
大 5999元/年 适合大型店铺
6. 缴费管理
记录店铺缴费历史
字段：店铺、项目、金额、日期、年限、支付方式、微信订单号、支付状态、备注
支付状态：0-待支付，1-已支付，2-已退款，3-已取消
7. 支付管理（微信支付续费）
店铺经理可直接发起微信支付续费
当前使用模拟支付模式，无需真实微信支付 SDK
支付流程：生成订单 → 显示二维码 → 模拟支付成功 → 自动更新白名单状态和到期日期
8. 令牌验证（白名单校验）
店铺使用令牌请求验证接口
系统解析令牌，获取店铺标识和日期信息
校验：店铺是否存在 → 是否关联项目 → 是否在白名单 → 是否过期
返回验证结果
服装、纺织行业ERP管理系统
一、立项背景和目标：服装/鞋帽制造行业存在款式多、尺码颜色组合复杂、物料种类繁杂、外发加工频繁、跟单信息分散等痛点。传统手工或Excel管理下，订单→采购→生产→仓储→发货→对账各环节信息割裂，进度难追踪，库存混乱，对账效率低，客户无法自助查询。心影ERP旨在以销售订单为核心驱动，打通从客户建档、样衣确认、采购物料、工厂生产、入库出库、发货物流到财务对账的全业务链路，实现数据一体化、进度可视化、财务自动化，并为客户提供只读自助门户降低沟通成本。
二、核心功能模块：系统共12大模块——基础资料（客户/供应商档案、尺码动态分类、颜色中英文、跟进类型/发货方式/合同条款自定义配置）；产品管理（产品录入、BOM物料清单、面料辅料加工费用自动成本核算）；订单及进度（样衣版本管理、销售订单9种动态跟进类型跟单、产品明细/工厂信息、发货信息统一模型）；采购管理（采购单录入、合同审核锁定、合同模板动态化、采购与入库数量对比）；辅料管理（分类/入库/出库，采购合同审核后才可入库）；面料仓库（双虚拟仓：原始仓→检验出库→生产仓→再加工出库→销售出库，库存不足禁止出库，销售出库自动生成应收应付）；成品发货申请（申请→审核→出库→生成应收，业务员数据隔离）；成品服装管理（SKU按品级×颜色区分、撤销出入库联动财务单据、检验结果录入）；财务管理（应收应付自动生成、收付款/发票/对账单、年度同比折线图与客户占比饼图）；统计查询（20+维度）；手机端查询；系统管理（RBAC权限、角色/管理员管理、授权管理）。
三、业务流程：核心闭环为"客户建档→样衣确认→销售订单创建→采购物料（面料/辅料采购单→合同审核）→面料入仓原始仓→检验出库→生产仓→辅料入库→成品入库（按SKU）→发货申请→审核→成品出库（扣库存+生成应收）→发货物流→财务结算（应收应付→收付款→发票→对账单）"。客户门户为英文只读门户，提供订单查询、7类跟单进度查看、发货物流查询，不支持自助下单/对账/付款。
泛微OA替代型-智能审批与费控管理平台
1.立项背景和目标：旧有OA系统扩展性差，且无法适应复杂的差旅报销标准。目标自研一套集预算控制、发票验真、多级审批于一体的轻量级费控系统，覆盖全公司2000+员工日常报销。
2.核心功能模块：可视化流程设计器、动态自定义表单、预算冻结与释放、员工报销申请及OCR发票识别、出纳支付打款模块。
3.业务流程与路径：员工填写报销单（OCR识别发票） -> 系统自动校验预算余额并冻结额度 -> 根据金额路由至不同审批链（主管->财务） -> 审批通过后出纳批量支付 -> 支付完成后回传凭证并释放剩余预算。
中债金科pc 端办公网站开发
1.为方便内部人员在线查看各部门问题及解决问题而开发 作用是在线提出部门遇到的问题，监测问题状态审批流转，显示不同角色登录查看问题提出或者解答及对问题答案是否认同的情况和对应的问题数据反显
2.提供可视化数据显示方案
帮助文档
Copyright @ 2021-2024 程聚宝 | 浙ICP备2021014372号
人工客服