tokenpocket官网下载app正版安卓|bbf

【特征匹配】SIFT原理之KD树+BBF算法解析_siftkd匹配算法-CSDN博客

>

【特征匹配】SIFT原理之KD树+BBF算法解析_siftkd匹配算法-CSDN博客

【特征匹配】SIFT原理之KD树+BBF算法解析

最新推荐文章于 2023-07-13 19:00:00 发布

勿在浮砂筑高台

最新推荐文章于 2023-07-13 19:00:00 发布

阅读量1.1w

收藏

50

点赞数

7

分类专栏：

Feature Matching

特征匹配

文章标签：

sift

kd树

BBF

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.csdn.net/luoshixian099/article/details/47606159

版权

特征匹配

同时被 2 个专栏收录

12 篇文章

43 订阅

订阅专栏

Feature Matching

11 篇文章

10 订阅

订阅专栏

   转载请注明出处：http://blog.csdn.net/luoshixian099/article/details/47606159

   继上一篇中已经介绍了SIFT原理与C源码剖析，最后得到了一系列特征点，每个特征点对应一个128维向量。假如现在有两副图片都已经提取到特征点，现在要做的就是匹配上相似的特征点。

相似性查询有两种基本方式：1.范围查询：即给点查询点和查询阈值，从数据集中找出所有与查询点距离小于阈值的点。

                          2.K近邻查询：给点查询点及正整数K,从数据集中找到与查询点最近的K个数据，当K=1时，就是最近邻查询。

特征匹配算子可以分为两类：1.穷举法：即将数据集中的点与查询点逐一计算距离，如果图1提取到N1个特征点，图2中提取到N2个特征点，用穷举法匹配，要做N1×N2运算，这种方法显然效率低下。

                          2.建立数据索引:对数据进行分析，对搜索数据空间进行划分，按划分时是否有重叠，分为KD树和R树。KD树是对空间划分时没有重叠的一种。

                                   

       一个三维k-d树。第一次划分（红色）把根节点（白色）划分成两个节点，然后它们分别再次被划分（绿色）为两个子节点。最后这四个子节点的每一个都被划分（蓝色）为两个子节点。因为没有更进一步的划分，最后得到的八个节点称为叶子节点。

KD树的构建：KD树是一个二叉树，对数据空间空间进行划分，每一个结点对应一个空间范围。如上图所示，三维空间的划分方式。首先确定在数据集上对应方差最大的维度ki，并找到在ki维度上的数据集的中值kv（并作为根节点）,即第一步把空间划分成两部分，在第ki维上小于kv的为一部分称为左子节点，大于kv的为另外一部分对应右子节点，，然后再利用同样的方法，对左子结点和右子节点继续构建二叉树，直所剩数据集为空。

举个例子：有5个数据，每个数据都是5维，建立KD树，A<7,5,7,3,8>;B<3,4,1,2,7>;C<5,2,6,6,9>;D<9,3,2,4,1>,E<2,1,5,1,4>，首先在计算在5个维度上的方差为6.56；2；5.36；2.96；8.56；可见在第5维度上方差最大，继续在第5个维度上找到中值为7，即B点，在第5维度上值小于7的作为左子树数据(A,C)，大于7的作为右子树(D,E)，然后继续在A,C,两点上计算方差最大的维度，继续划分。D,E也是如此。如下图，ki表示维度，kv表示该维度上的值。

KD树的查询：从根节点开始沿二叉树搜索，直到叶子结点为止，此时该叶节点并不一定是最近的点，但是一定是叶子结点附近的点。所以一定要有回溯的过程，回溯到根节点为止。例如：查询与M<5，4，1，3，6>点的最近邻点，查询路径为B，A，C，计算完MC的距离后，逆序向上，查询A及A的右子树，再次回溯B及B左子树，最后得到最近的距离,MB点最近。

假如数据集是维数是D,一般来说要求数据的规模N需要满足N>>2^D条件，才能达到高效的搜索，一般来说用标准的KD树时数据集的维数不超过20，但是像SIFT特征描述子128为，SURF描述子为64维，所以要对现有的KD树进行改进。

BBF:上述回溯的过程，完全是按照查询时路径决定的，没有考虑查询路径上的数据性质，BBF(Best-Bin-First)查询机制能确保优先包含最近邻点的空间，即BBF维护了一个优先队列，每一次查询到左子树或右子树的过程中，同时计算查询点在该维度的中值的距离差保存在优先队列里，同时另一个孩子节点地址也存入队列里，回溯的过程即从优先队列按（差值）从小到大的顺序依次回溯。如上一个例子，首先把B保存在优先队列里，然后开始从优先队列里取数据，取出B，发现要到左孩子A节点里继续查询，这时，要把右孩子节点D保存在优先队列里，同时加上距离属性ki=5，kv=7，所以d=7-6=1，这时优先队列里简记为D(1)；同理，如果A有右孩子，也要存入优先队列，加上属性ki=2,kv=5,d=5-4=1;（例子不太恰当，o(╯□╰)o），回溯的过程是按照优先队列的距离逐个回溯，直到优先队列为空，或者超时，停止；BBF设置了超时机制，为了在高维数据上，满足检索速度的需要以精度换取时间，获得快速查询。这样可知，BBF机制找到的最近邻是近似的，并非是最近的，只能说是离最近点比较近而已。超时机制在算法的实现上，限定了从优先队列中提取数据的次数。

下面从算法上解析：

构建KD树：

struct kd_node* kdtree_build( struct feature* features, int n )//features为特征带你，n为个数

{

struct kd_node* kd_root;

if( ! features || n <= 0 )

{

fprintf( stderr, "Warning: kdtree_build(): no features, %s, line %d\n",

__FILE__, __LINE__ );

return NULL;

}

kd_root = kd_node_init( features, n ); //建立根节点，每次建立一个节点存入一个特征点

expand_kd_node_subtree( kd_root );//以根节点开始扩展KD树

return kd_root;

}

static struct kd_node* kd_node_init( struct feature* features, int n )

{

struct kd_node* kd_node;

kd_node = malloc( sizeof( struct kd_node ) );

memset( kd_node, 0, sizeof( struct kd_node ) );

kd_node->ki = -1; //属性ki初始化为1

kd_node->features = features;//指向特征点

kd_node->n = n; //节点属性n保存以kd_node为根的树上总节点数

return kd_node;

}扩展KD树：以当前结点的最大方差的维数为对应的中值为基准，把所有数据分成左右子树的结点数据，并以此递归下去，直到叶子结点的创建即返回。

static void expand_kd_node_subtree( struct kd_node* kd_node ) //递归法建立KD树

{

/* base case: leaf node */

if( kd_node->n == 1 || kd_node->n == 0 ) //如果剩下一个节点，成为叶子节点

{

kd_node->leaf = 1;

return;

}

assign_part_key( kd_node ); //计算最大方差的对应的维数,ki和kv

partition_features( kd_node );//按第ki维的数据大小分成左子树数据和右子树的数据

if( kd_node->kd_left ) //继续构建左子树

expand_kd_node_subtree( kd_node->kd_left );

if( kd_node->kd_right )//继续构建右子树

expand_kd_node_subtree( kd_node->kd_right );

}

计算最大方差对应的维数ki，与中值kv,取中值时，采用了最坏情况也是线性时间的选择算法，我的博客之前写过，这里不再分析<中位数排序>

点击打开链接

static void assign_part_key( struct kd_node* kd_node ) //计算节点数据的最大方差对应的维数ki，和中值kv

{

struct feature* features;

double kv, x, mean, var, var_max = 0;

double* tmp;

int d, n, i, j, ki = 0;

features = kd_node->features;

n = kd_node->n;

d = features[0].d;

/* partition key index is that along which descriptors have most variance */

for( j = 0; j < d; j++ ) //计算d维数据上，所有维数上的方差。

{

mean = var = 0;

for( i = 0; i < n; i++ )

mean += features[i].descr[j];

mean /= n;

for( i = 0; i < n; i++ )

{

x = features[i].descr[j] - mean;

var += x * x;

}

var /= n; //计算第j维的数据的方差

if( var > var_max )

{

ki = j;

var_max = var;

}

}

/* partition key value is median of descriptor values at ki */

tmp = calloc( n, sizeof( double ) );

for( i = 0; i < n; i++ ) //取得所有数据上第ki维上的数据

tmp[i] = features[i].descr[ki];

kv = median_select( tmp, n ); //找到第ki维度上中间的值，这里采用了最坏情况运行时间O(n)的选择算法

free( tmp );

kd_node->ki = ki; //维度

kd_node->kv = kv; //中间值

}

按ki维上kv值，把特征点排序，小于等于kv为作为左子树数据，大于kv作为右子树数据

static void partition_features( struct kd_node* kd_node )

{

struct feature* features, tmp;

double kv;

int n, ki, p, i, j = -1;

features = kd_node->features;

n = kd_node->n;

ki = kd_node->ki;

kv = kd_node->kv;

for( i = 0; i < n; i++ ) //对特征点按第ki维数据大小排序

if( features[i].descr[ki] <= kv )

{

tmp = features[++j];

features[j] = features[i];

features[i] = tmp;

if( features[j].descr[ki] == kv )

p = j;

}

tmp = features[p];

features[p] = features[j];

features[j] = tmp;

/* if all records fall on same side of partition, make node a leaf */

if( j == n - 1 ) //说明只剩一个节点，标记为叶子节点

{

kd_node->leaf = 1;

return;

}

kd_node->kd_left = kd_node_init( features, j + 1 );//创建左子树，里面有j+1个结点

kd_node->kd_right = kd_node_init( features + ( j + 1 ), ( n - j - 1 ) );//创建右子树，里面有n-j-1个结点

}

☆KD树已经创建完毕，现在要做的是查询，查询与特征点最近邻的K个特征点，首先把根节点插入到优先队列，然后开始从有优先队列中取元素，遍历到叶节点，同时路径过程中，未查询的另一个结点的加入优先队列（按ki维上的数值与kv的差值的绝对值大小），然后再次从优先队列中取结点，再次遍历到叶节点，如此反复...直到遇到超时限制，或者遍历完所有节点为止。

/*

kd_root为创建好的KD树，feat为要查询的特征点

k为要找到的近邻节点数，SIFT中选取2

nbrs存储查询到的k个近邻数据

max_nn_chkes为最大提取队列次数，即超时限制

成功返回找到的近邻数据个数，否则返回-1

*/

int kdtree_bbf_knn( struct kd_node* kd_root, struct feature* feat, int k,

struct feature*** nbrs, int max_nn_chks )

{

struct kd_node* expl;

struct min_pq* min_pq;

struct feature* tree_feat, ** _nbrs;

struct bbf_data* bbf_data;

int i, t = 0, n = 0;

if( ! nbrs || ! feat || ! kd_root )

{

fprintf( stderr, "Warning: NULL pointer error, %s, line %d\n",

__FILE__, __LINE__ );

return -1;

}

_nbrs = calloc( k, sizeof( struct feature* ) );

min_pq = minpq_init(); //创建一个最小优先队列

minpq_insert( min_pq, kd_root, 0 ); //在优先队列在插入第一个根元素

while( min_pq->n > 0 && t < max_nn_chks ) //如果队列不为空且在超时次数内

{

expl = (struct kd_node*)minpq_extract_min( min_pq );//在优先队列中取出一个元素

if( ! expl )

{

fprintf( stderr, "Warning: PQ unexpectedly empty, %s line %d\n",

__FILE__, __LINE__ );

goto fail;

}

expl = explore_to_leaf( expl, feat, min_pq );// 找到特征点在KD树叶子节点位置，过程中未查询的加入优先队列

if( ! expl )

{

fprintf( stderr, "Warning: PQ unexpectedly empty, %s line %d\n",

__FILE__, __LINE__ );

goto fail;

}

for( i = 0; i < expl->n; i++ ) //遍历以expl为根的子树所有节点

{

//printf("%x",expl->features[i].feature_data);

tree_feat = &expl->features[i];

bbf_data = malloc( sizeof( struct bbf_data ) );

if( ! bbf_data )

{

fprintf( stderr, "Warning: unable to allocate memory,"

" %s line %d\n", __FILE__, __LINE__ );

goto fail;

}

//bbf_data->old_data 这个数据没有用途，因为特征点属性中没有使用到feature_data这个自定义类型

bbf_data->old_data = tree_feat->feature_data;

printf("%x",bbf_data->old_data);

bbf_data->d = descr_dist_sq(feat, tree_feat); //计算两特征点的欧式距离

tree_feat->feature_data = bbf_data;

n += insert_into_nbr_array( tree_feat, _nbrs, n, k ); //找到K个近邻的特征点，存入数组_nbrs中，从小到大的距离；

}

t++;

}

minpq_release( &min_pq );

for( i = 0; i < n; i++ )

{

bbf_data = _nbrs[i]->feature_data;

_nbrs[i]->feature_data = bbf_data->old_data;

free( bbf_data );

}

*nbrs = _nbrs;

return n;

fail:

minpq_release( &min_pq );

for( i = 0; i < n; i++ )

{

bbf_data = _nbrs[i]->feature_data;

_nbrs[i]->feature_data = bbf_data->old_data;

free( bbf_data );

}

free( _nbrs );

*nbrs = NULL;

return -1;

}

这里创建优先队列采用了堆排序的思想，堆排序一个重要的应用就是优先队列，在一个包含n个元素的堆中，所有优先队列的操作都可以在lgn时间内完成。优先队列也有两种形式，最大优先队列和最小优先队列，这里使用的是最小优先队列，即key值越小优先级越高，关于堆排序的原理，可以看之前的堆排序的算法<堆排序>

点击打开链接。

struct min_pq* minpq_init() //队列初始化

{

struct min_pq* min_pq;

min_pq = malloc( sizeof( struct min_pq ) );

min_pq->pq_array = calloc( MINPQ_INIT_NALLOCD, sizeof( struct pq_node ) );//分配队列的空间

min_pq->nallocd = MINPQ_INIT_NALLOCD;

min_pq->n = 0;//队列中元素的个数

return min_pq;

}

int minpq_insert( struct min_pq* min_pq, void* data, int key )//向优先队列中插入元素

{

int n = min_pq->n;

/* double array allocation if necessary */

if( min_pq->nallocd == n )

{

min_pq->nallocd = array_double( (void**)&min_pq->pq_array,

min_pq->nallocd,

sizeof( struct pq_node ) );

if( ! min_pq->nallocd )

{

fprintf( stderr, "Warning: unable to allocate memory, %s, line %d\n",

__FILE__, __LINE__ );

return 1;

}

}

min_pq->pq_array[n].data = data;

min_pq->pq_array[n].key = INT_MAX;

decrease_pq_node_key( min_pq->pq_array, min_pq->n, key ); //插入元素到优先队列中,堆排序算法

min_pq->n++;

return 0;

}

从队列中取出一个节点，沿着结点遍历到叶节点为止，同时未查询的加入优先队列。

static struct kd_node* explore_to_leaf( struct kd_node* kd_node, //从kd_node开始开始查询直到叶节点为止

struct feature* feat,

struct min_pq* min_pq )

{

struct kd_node* unexpl, * expl = kd_node;

double kv;

int ki;

while( expl && ! expl->leaf )

{

ki = expl->ki;

kv = expl->kv;

if( ki >= feat->d )

{

fprintf( stderr, "Warning: comparing imcompatible descriptors, %s" \

" line %d\n", __FILE__, __LINE__ );

return NULL;

}

if( feat->descr[ki] <= kv )

{

unexpl = expl->kd_right;

expl = expl->kd_left;

}

else

{

unexpl = expl->kd_left;

expl = expl->kd_right;

}

if( minpq_insert( min_pq, unexpl, ABS( kv - feat->descr[ki] ) ) ) //未查询到的结点，按差值大小加入优先队列

{

fprintf( stderr, "Warning: unable to insert into PQ, %s, line %d\n",

__FILE__, __LINE__ );

return NULL;

}

}

return expl;

}

计算两特征点的欧式距离：

double descr_dist_sq( struct feature* f1, struct feature* f2 )

{

double diff, dsq = 0;

double* descr1, * descr2;

int i, d;

d = f1->d;

if( f2->d != d )

return DBL_MAX;

descr1 = f1->descr;

descr2 = f2->descr;

for( i = 0; i < d; i++ )

{

diff = descr1[i] - descr2[i];

dsq += diff*diff;

}

return dsq;

}

找到的特征点距离插入nbrs队列，作为输出。nbrs也是按照从小到大的顺序存储距离，

假如要插入的新的距离为D，队列此时最后一个元素d

    1.如果队列未满的情况（即要取得K近邻还没有找到K个）(1) D>=d,直接插入到队列后面；(2) D

    2.如果队列已经满了：(1)D>=d,直接丢弃当前的距离；（2）D

static int insert_into_nbr_array( struct feature* feat, struct feature** nbrs,

int n, int k )

{

struct bbf_data* fdata, * ndata;

double dn, df;

int i, ret = 0;

if( n == 0 )

{

nbrs[0] = feat;

return 1;

}

/* check at end of array */

fdata = (struct bbf_data*)feat->feature_data; //判断要插入的位置

df = fdata->d;

ndata = (struct bbf_data*)nbrs[n-1]->feature_data;

dn = ndata->d;

if( df >= dn ) //准备插入到最后

{

if( n == k ) //但K近邻队列已满，舍弃

{

feat->feature_data = fdata->old_data; //舍弃掉前，再次保留之前自定义的数据

free( fdata );

return 0;

}

nbrs[n] = feat;

return 1;

}

/* find the right place in the array插入到队列中间，分为队列满或不满的情况 */

if( n < k ) //K近邻队列没满，元素向后平移

{

nbrs[n] = nbrs[n-1];

ret = 1;

}

else

{

nbrs[n-1]->feature_data = ndata->old_data;//队列已满，最后一个要舍弃，恢复之前的数据

free( ndata );

}

i = n-2;

while( i >= 0 ) //元素逐次向后平移找到，队列中适当的位置；

{

ndata = (struct bbf_data*)nbrs[i]->feature_data;

dn = ndata->d;

if( dn <= df )

break;

nbrs[i+1] = nbrs[i];

i--;

}

i++;

nbrs[i] = feat; //插入元素

return ret;

}

至此，关于SIFT原理以及特征点匹配的算法已介绍完毕，后续文章将陆续更新surf,brife,fast,ORB等一系列关于特征匹配的文章，再次感谢CSDN上的大牛们！

优惠劵

勿在浮砂筑高台

关注

关注

7

点赞

踩

50

收藏

觉得还不错?

一键收藏

知道了

5

评论

【特征匹配】SIFT原理之KD树+BBF算法解析

继上一篇中已经介绍了SIFT原理与C源码剖析，最后得到了一系列特征点，每个特征点对应一个128维向量。假如现在有两副图片都已经提取到特征点，现在要做的就是匹配上相似的特征点。相似性查询有两种基本方式：1.范围查询：即给点查询点和查询阈值，从数据集中找出所有与查询点距离小于阈值的点。                          2.K近邻查询：给点查询点及正整数K,从数据集中找到与查询

复制链接

扫一扫

专栏目录

bbf算法的详细介绍与应用举例

03-21

bbf 算法的详细介绍 英文原版的介绍 更加详细可靠 英文浅显易懂 值得一看

1 基于SIFT图像特征识别的匹配方法比较与实现

最新发布

WJwwwwwww的博客

09-10

542

BFMatcher将尝试所有可能性，这种匹配算法非常慢，匹配所需的时间随着添加的特征数量线性增加，这导致更高的计算成本，所以尤其是对于大型数据集BFMatcher是一种简单但不一定是最有效的匹配方法FLANN 在牺牲一些精度的情况下，提供了更快的搜索速度，特别是在高维空间或大型数据集中准确度BF 匹配器：BF 匹配提供精确的最近邻搜索，这意味着它可以高精度地找到最接近的匹配项；它适用于精度至关重要的任务，例如某些图像识别或对象跟踪任务。

5 条评论

您还未登录，请先

登录

后发表或查看评论

kd树（K-dimensional tree）

qq_40692109的博客

10-21

9948

kd-tree简介

Kd-Tree（K-dimensional tree），是一种高维索引树形数据结构，经常使用于在大规模的高维数据空间进行最近邻查找，比如图像检索和识别中的高维图像特征向量的K近邻查找与匹配（查找与所给数据最接近的k个数）。

kd树结构类似于高维的二叉树，树中存储的是一些K维数据。在一个K维数据集合上构建一棵Kd-Tree代表了对该K维数据集合构成的K维空间的一个划分。

kd-t...

从K近邻算法、距离度量谈到KD树、SIFT+BBF算法

weixin_30851867的博客

11-20

1785

从K近邻算法、距离度量谈到KD树、SIFT+BBF算法前言 前两日，在微博上说：“到今天为止，我至少亏欠了3篇文章待写：1、KD树；2、神经网络；3、编程艺术第28章。你看到，blog内的文章与你于别处所见的任何都不同。于是，等啊等，等一台电脑，只好等待..”。得益于田，借了我一台电脑（借他电脑的时候，我连表示感谢，他说“能找到工作全靠你的博客，这点儿小忙还说，不地道”，...

Knn算法 kd树详解

weixin_39568744的博客

05-17

1001

转载自：https://cloud.tencent.com/developer/news/212042

在之前关于knn算法的文章里曾提到，对特征空间进行划分的方法为计算新的输入实例与训练实例之间的距离，因为在特征空间中2个特征实例的相似程度可以用距离来表示。一般我们采用的是欧式距离，也就是说每个新的输入实例都需要与所有的训练实例计算一次距离并排序。当训练集非常大的时候，计算就非常耗时、耗...

RobHess的SIFT代码解析之kd树

Alliswell_WP

06-03

156

平台：win10 x64 +VS 2015专业版 +opencv-2.4.11 + gtk_-bundle_2.24.10_win32

主要参考：1.代码：RobHess的SIFT源码：SIFT+KD树+BBF算法+RANSAC算法

2.书：王永明 王贵锦 《图像局部不变性特征与描述》

RobHess的SIFT源码中的几个文件说明？

RobHess的SIFT源码分析：...

kd树介绍（KNN算法引出）

weixin_44023658的博客

09-16

707

kd 树的结构

kd树是一个二叉树结构，它的每一个节点记载了 [特征坐标, 切分轴, 指向左枝的指针, 指向右枝的指针] 。 其中, 特征坐标是线性空间 Rn\mathbb{R}^{n}Rn 中的一个点 (x1,x2,…,xn)∘\left(x_{1}, x_{2}, \ldots, x_{n}\right)_{\circ}(x1​,x2​,…,xn​)∘​

切分轴由一个整数 rrr 表示, 这里 1≤r≤n,1 \leq r \leq n,1≤r≤n, 是我们在 nnn 维空间中沿第 rrr 维进行一次分

基于KD树的目标点管理算法实现实验

weixin_51409953的博客

07-13

381

KD树构建、K近邻查询、通视过滤、视野范围过滤

k-d树和基于k-d树的特征点匹配

qq_22305897的博客

04-08

659

k-d树

首先它是一颗树、然后是二叉树，再然后是一颗带权的二叉树。

每个树节点的权拥有多维信息。

建立一套规则对不同维度信息进行左右空间的划分，比如信息为二维坐标(x,y)，我们规定冀奇数层节点的左子树的所有x都要小于当前节点的x，右子树的所有x都要小于当前节点的x。偶数层的左子树的y都要小于当前节点的y，右子树的y都要大于当前节点的y。

基于k-d树的特征点匹配方法

如上图，右边k-d树建...

k近邻算法——kd树

迷途无归的博客

03-02

3892

kd树（K-Dimensional Tree）是一种对K维空间中的实例点进行存储以便对其进行快速检索的树形数据结构。

kd树是二叉树，表示对K维空间的一个划分 （partition).构造Kd树相 当于不断地用垂直于坐标轴的 超平面将k维空间切分，构成一系列的k维超矩形区 域.Kd树的每个结点对应于一个k维超矩形区域。

注：kd

...

从K近邻算法、距离度量谈到KD树、SIFT+BBF算法（二）

03-03

之前blog内曾经介绍过SIFT特征匹配算法，特征点匹配和数据库查、图像检索本质上是同一个问题，都可以归结为一个通过距离函数在高维矢量之间进行相似性检索的问题，如何快速而准确地找到查询点的近邻，不少人提出了很...

基于C++的基本库实现SIFT特征提取与匹配

05-08

基于C++的基本库实现了SIFT特征提取与匹配，不需调用如OpenCV等库函数。本代码基于ezSIFT代码，在其基础上进行了一定程度的简化优化，同时调整了代码结构并添加了注释。

【特征匹配】RANSAC算法原理与源码解析

热门推荐

勿在浮砂筑高台

12-08

5万+

随机抽样一致性（RANSAC）算法，可以在一组包含“外点”的数据集中，采用不断迭代的方法，寻找最优参数模型，不符合最优模型的点，被定义为“外点”。在图像配准以及拼接上得到广泛的应用，本文将对RANSAC算法在OpenCV中角点误匹配对的检测中进行解析。

OpenCV中使用RANSAC算法寻找一个最佳单应性矩阵，矩阵大小为3×3。RANSAC目的是找到最优的参数矩阵使得满足该矩阵的数据点个数最多，通常令h33=1来归一化矩阵。由于单应性矩阵有8个未知参数，至少需要8个线性方程求解，对应到点位置信息上，一组点对

【特征匹配】ORB原理与源码解析

勿在浮砂筑高台

09-17

2万+

为了满足实时性的要求，前面文章中介绍过快速提取特征点算法Fast,以及特征描述子Brief。本篇文章介绍的ORB算法结合了Fast和Brief的速度优势，并做了改进，且ORB是免费。

   Ethan Rublee等人2011年在《ORB：An

Efficient Alternative to SIFT or SURF》文章中提出了ORB算法。结合Fast与Brief算法，并给Fast特征点

【特征匹配】SURF原理与源码解析（一）

勿在浮砂筑高台

08-20

2万+

SURF (Speed Up Robust Features)是SIFT改进版也是加速版，提高了检测特征点的速度，综合性能要优于SIFT。

下面先逐次介绍SURF的原理，最后解析opencv上SURF源码。

转载请注明出处：http://blog.csdn.net/luoshixian099/article/details/47778143

1.积分图像

SURF是对积分图像进行操作，从而

【特征匹配】BRIEF特征描述子原理及源码解析

勿在浮砂筑高台

09-10

1万+

传统的特征点描述子如SIFT,SURF描述子，每个特征点采用128维(SIFT)或者64维(SURF)向量去描述，每个维度上占用4字节，SIFT需要128×4=512字节内存，SURF则需要256字节。如果对于内存资源有限的情况下，这种描述子方法显然不适应。同时，在形成描述子的过程中，也比较耗时。后来有人提出采用PCA降维的方法，但没有解决计算描述子耗时的问题。

   鉴于上述的缺点Michae

【特征匹配】PCA-SIFT原理及源码解析

勿在浮砂筑高台

10-16

1万+

相关：

SIFT原理与源码解析

SURF原理与源码解析

ORB原理与源码解析

FAST原理与源码解析

BRIEF描述子原理与源码解析

Harris原理与源码解析

转载请注明出处：http://blog.csdn.net/luoshixian099/article/details/49174869PCA-SIFT是对传统SIFT算法的改进，由Yan Ke等人

【特征匹配】SIFT原理与C源码剖析

勿在浮砂筑高台

08-09

1万+

本文重点将以Rob Hess等人用C实现的代码做解析，结合代码SIFT原理会更容易理解。一些难理解点的用了☆标注。 SIFT（Scale-invariant feature transform）即尺度不变特征转换，提取的局部特征点具有尺度不变性，且对于旋转，亮度，噪声等有很高的稳定性。本文将以下函数为参照顺序介绍SIFT特征点提取与描述方法。

1.图像预处理

2.构建高斯金字塔（不同尺度下的图像）

3.生成DOG尺度空间

4.关键点搜索与定位

5.计算特征点对应原图的位置

6.为特征点分配方向角

sift+FLANN+ransan+加权融合算法的代码

05-14

这里提供一个基于OpenCV实现的sift+FLANN+ransac+加权融合算法的代码，代码中使用了两幅图像进行拼接。需要注意的是，这段代码仅供参考，具体实现需要根据实际情况进行调整和改进。 ```python import cv2 import ...

“相关推荐”对你有帮助么？

非常没帮助

没帮助

一般

有帮助

非常有帮助

提交

勿在浮砂筑高台

CSDN认证博客专家

CSDN认证企业博客

码龄11年

暂无认证

57

原创

8万+

周排名

193万+

总排名

85万+

访问

等级

6016

积分

998

粉丝

830

获赞

246

评论

2154

收藏

私信

关注

热门文章

算法导论--最小生成树（Kruskal和Prim算法）

139789

【机器学习详解】SMO算法剖析

76174

【机器学习详解】SVM解二分类,多分类,及后验概率输出

66840

【特征匹配】RANSAC算法原理与源码解析

56797

【机器学习详解】SVM解回归问题

37984

分类专栏

算法导论--学习笔记

20篇

特征匹配

12篇

机器学习详解

10篇

Machine Learning

10篇

Data Compression

4篇

Feature Matching

11篇

Algorithm

19篇

Image Processing

17篇

C/C++

1篇

MFC

5篇

Linux/Python

2篇

备战校招

1篇

最新评论

【特征匹配】PCA-SIFT原理及源码解析

2301_79941047:

我也想要

算法导论--最小生成树（Kruskal和Prim算法）

Seven7543:

清晰明了，赞一波。 不过AdjMatrix 那部分代码双重for loop那里好像少了一对中括号。

【特征匹配】RANSAC算法原理与源码解析

空白丶cium:

这个源码，在四个点对计算出了变换矩阵后，没有用所有内点估计变换矩阵的那一步

【特征匹配】RANSAC算法原理与源码解析

zhongkeruitai:

怎么应用在视频防抖上面去？

【特征匹配】PCA-SIFT原理及源码解析

qq_41958789:

博主你好，我想学习一下pca-sift这个代码，请问有源码吗，如果可以的话请告知791367312@qq.com

您愿意向朋友推荐“博客详情页”吗？

强烈不推荐

不推荐

一般般

推荐

强烈推荐

提交

最新文章

简单python爬虫淘宝图片+界面编程+打包成exe

2017网易校招内推笔试题

算法导论--单源最短路径问题（Dijkstra算法）

2017年1篇

2016年16篇

2015年36篇

2014年8篇

目录

目录

分类专栏

算法导论--学习笔记

20篇

特征匹配

12篇

机器学习详解

10篇

Machine Learning

10篇

Data Compression

4篇

Feature Matching

11篇

Algorithm

19篇

Image Processing

17篇

C/C++

1篇

MFC

5篇

Linux/Python

2篇

备战校招

1篇

目录

评论 5

被折叠的  条评论

为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

祝福语

请填写红包祝福语或标题

红包数量

个

红包个数最小为10个

红包总金额

元

红包金额最低5元

余额支付

当前余额3.43元

前往充值 >

需支付：10.00元

取消

确定

下一步

知道了

成就一亿技术人!

领取后你会自动成为博主和红包主的粉丝

规则

hope_wisdom 发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额

0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值

百度知道 - 信息提示

百度知道 - 信息提示

百度首页

商城

注册

登录

网页

资讯

视频

图片

知道

文库

贴吧采购

地图更多

搜索答案

我要提问

百度知道>提示信息

知道宝贝找不到问题了>_

该问题可能已经失效。返回首页

15秒以后自动返回

帮助

 | 意见反馈

 | 投诉举报

京ICP证030173号-1   京网文【2023】1034-029号     ©2024Baidu  使用百度前必读 | 知道协议 

行业科普：执笔制晷，宽带论坛（BBF）的前世今生 - 推荐 ― C114通信网

行业科普：执笔制晷，宽带论坛（BBF）的前世今生 - 推荐 ― C114通信网

C114通信网  |  通信人家园

资讯

2019/2/25 09:30

行业科普：执笔制晷，宽带论坛（BBF）的前世今生

C114通信网  

晷读作guǐ，本意是指日影，也指古代观测日影以及定时刻的仪器。

标准处处可见，古人早在几千年前就用晷对时间进行定义和衡量，随着市场经济趋于全球化，企业在研发和交付产品时验收标准成为最最基本的要素，进一步说，全球化的国际标准，能协调和平衡企业间的利益，对于行业的健康、持久、稳定、快速发展，显得尤为重要，那么通信行业到底是哪些组织在制定标准呢？

行业标准组织可大概分为三类，类型A：标准前组织，该类标准组织多由运营商组成，根据运营需要提出各种需求；类型B：标准制定组织，该类标准组织由设备商、运营商组成，直接主导相关技术、产品规范的开发制定工作，比如本次重点介绍的宽带论坛（Broadband Forum）； 类型C：标准后组织，该类标准组织主要负责产品的测试、认证与工程实现。

相关信息来源：

宽带论坛（Broadband Forum简称BBF）是一个具有26年悠久历史的非营利性行业组织，致力于设计更智能，更快速的宽带网络，其明星产品“TR-069 CPE WAN管理协议”为全球约8亿用户提供服务。

BBF发展历史图

BBF在通信行业内重要标准产业组织宽带架构和解决方案领域都极具权威性，是网络标准领域的一级平台，其工作定义了网络上层需求以及端到端架构，绝大部分固网运营商的标书、CCSA（中国通信标准化协会）标准制定等都基于BBF标准，业界影响力排名前列。

TR

序号

Title

标准名字

Approval Year/Month

发布年月

Work Area

工作领域

TR-069

Amendment 1-6

CPE WAN Management Protocol

网关管理协议

2006/12-2018/03

BroadbandHome

家庭宽带

TR-328

Virtual Business Gateway

虚拟企业网关

2017/07

SDN and NFV

软件架构和虚拟网络

TR-348

Hybrid Access Broadband Network Architecture

混合接入宽带网络架构

2016/07

Wireline-Wireless Convergence

固移融合

TR-384

Cloud Central Office (CloudCO) Reference Architectural Framework

中心机房系统架构

2018/01

SDN and NFV

软件架构和虚拟网络

TR-416

CloudCO Use Cases and Scenarios

中心机房用例和场景概述

2018/05

SDN and NFV

软件架构和虚拟网络

TR-423

PON PMD Layer Conformance Test Plan

PON PMD层互通测试协议

2019/01

Fiber Access Networks

固定接入

表：近两年BBF重要标准列表

信息来源：https://www.broadband-forum.org/standards-and-software/technical-specifications/technical-reports

BBF会员和运作机制：

目前，BBF成员超过150家，集合了几乎全球Top级别电信运营商和通信业界主流供应商，通过闭门会议收集运营商需求，围绕需求立项标准制定项目，能极具真实反映通信产业需求。而关于其运作模式，BBF的成员决定协会的工作计划，分配财力并批准其标准和其他技术文件。因此，BBF的所有活动都与市场需求有着密切的联系，这就使得其产品有着很广泛的市场应用性。BBF认为：“BBF核心价值是BBF会员和健康的组织运作方式。论坛的工作是由新技术的市场机会和业务动态驱动的，而不是技术本身”。

BBF愿景：

通过在家庭场景，企业场景以及宽带网络中引入SDN，NFV，Ultra-fast access，IoT，5G，云等新技术开创新的潜在市场

BBF使能家庭，商业宽带服务，有线无线接入以及骨干网，专注于全球宽带网络架构以更好地满足设备商，运营商和他们的客户的需求

BBF持续扩大产业平台的技术积累和产业关注力，在云化、5G、品质宽带、Wi-Fi、代际上达成产业共识，引领产业方向。小编获悉，2019年世界移动大会MWC大会，BBF即将联合产业伙伴发布业界首个家庭Wi-Fi性能测试标准《TR-398室内Wi-Fi性能测试标准》，此标准将首次系统性地从Wi-Fi设备的接收灵敏度、等效带宽、容量、覆盖、抗干扰和稳定性六个维度，定量地评估家庭Wi-Fi的性能，帮助运营商和最终用户选择最佳Wi-Fi解决方案。

给作者点赞

0

VS

0

写得不太好

行业科普：执笔制晷，宽带论坛（BBF）的前世今生

　　免责声明：本文仅代表作者个人观点，与C114通信网无关。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。

相关链接

宽带运营商broadband测试网络

热门文章

最新视频

为您推荐

C114简介 | 联系我们 | 网站地图 | 手机版

Copyright©1999-2024 c114 All Rights Reserved | 沪ICP备12002291号

C114 通信网 版权所有 举报电话：021-54451141

麦当劳 × VERDY「带 BBF 来吃鸡」

麦当劳 × VERDY「带 BBF 来吃鸡」

MENU

 

快讯

案例

招聘

登录

快讯

案例

招聘

登录

 

扫码打开快讯掌握品牌新动向

麦当劳 × VERDY「带 BBF 来吃鸡」

SocialBeta编辑部　|　2023-11-22 09:00　|　案例原链接

11 月 22 日，麦当劳联名亚洲知名潮流设计师 VERDY 共同设计的系列新包装正式上限。本次设计以 BFF（Best Friends Forever）为设计灵感，由 VERDY 原创的角色「VICK」、和麦当劳汉堡神偷领衔，涵盖从汉堡盒到打包纸袋在内的共 14 款全线包装，潮到爆炸。此次包装焕新还将连带三款产品限时上新，分别是包裹浓郁抹茶和豆乳卡仕达酱的「抹茶豆乳派」，冰淇淋浓郁奶香搭配清新抹茶酱的「抹茶豆乳麦旋风」，精选比利时进口可可粉搭配丝滑细腻奶油盖的「热冰满雪比利时黑巧」，更有第二份半价欢迎麦门信徒们携亲朋好友前往打卡。联动持续期间，在麦当劳任意消费 +10 元起即可获得限定钥匙扣（共两款），购买 BFF 九宫格小食盘可获赠圣诞款粉包套装，附赠 VERDY 联名设计圣诞氛围收纳袋。不仅如此，11 月 25 日起，麦当劳在北京、上海、佛山、深圳四城陆续开启「BFF 友谊麦岁」潮流文化艺术展，展览中品牌将以麦当劳中国 33 年为线索，搭建一个「时空隧道」，带领观众走入不同时空下与品牌共历的友谊岁月。此次 VERDY × 麦当劳的所有单品，都在线下首发，玩家们可以通过活动中的实物展示来选择心仪的单品，之后在快闪店现场扫码线上购买，快递到家。作为日本潮流教父 NIGO 最好的朋友，VERDY 也能算得上是当今潮流艺术圈内的当红炸子鸡，Wasted Youth、Girls Don’t Cry 等热门街头品牌皆是出自其手。「卡通人物 + 字体设计」的新锐创作特点让 VERDY得到不少人的喜爱，他不仅参与设计了今年 KENZO 2024 春夏系列的设计，还被聘为 BLACKPINK 的艺术总监，为 BLACKPINK Born Pink 世界巡演制作服装。从前两年和 CLOT、Randomevent 的合作再到今年 CROCS、 VERDY 的联名，麦当劳靠着不断集邮顶流设计师在时尚领域打下了属于自己的一片天地。但这不过是麦门的常规操作，毕竟在麦当劳刚进入国内的时候也一直是年轻人趋之若鹜的潮流代名词，因此和各大时尚品牌合作其实是在更加积极的探索当下年轻人喜爱的生活方式。[SocialBeta]

麦当劳　

线下营销　

跨界营销　

跨界联名　

新品营销　

联名产品　

艺术营销　

艺术家IP　

IP联名　

Verdy　

餐饮　

壹捌零　

2

分享至：

相关文章

投票结果 | SocialBeta 案例一周上期回顾（20231202-20231204）

2023-12-04 14:30 　|　

案例　

案例一周　

Barbour　

本周值得关注的 7 个品牌营销案例 | 案例一周 Vol.283

2023-12-02 11:59 　|　

案例　

案例一周　

安踏　

相关营销动态

2024年02月23日 麦当劳在静安寺「麦」个关子

2024年02月05日 麦当劳为异地就医家庭搭建「麦当劳叔叔之家」

2024年01月31日 麦当劳 × 上美影祝你今年金拱门

2024年01月19日 麦当劳给你唱「八腊八八八」

2023年12月29日 麦当劳和联想拯救者一起发新歌啦！

全部评论

请先 登录 再发表评论

暂时木有评论

Copyright © 2008 socialbeta.com.浙ICP备09001476浙公网安备 33010502000682号

关于

关于我们

产品与服务

联系我们

旗下品牌

独角招聘

品牌制片厂

品牌营销快讯

友情支持

阿里云

TOP

这里是弹窗

bbf（中国内地流行乐男子演唱组合）_百度百科

中国内地流行乐男子演唱组合）_百度百科 网页新闻贴吧知道网盘图片视频地图文库资讯采购百科百度首页登录注册进入词条全站搜索帮助首页秒懂百科特色百科知识专题加入百科百科团队权威合作下载百科APP个人中心bbf是一个多义词，请在下列义项上选择浏览（共2个义项）添加义项收藏查看我的收藏0有用+10bbf播报讨论上传视频中国内地流行乐男子演唱组合BBF，是中国内地流行乐男子演唱组合，BBF的全称是Big Boyfriends Forever，意喻“永远的大男友”。BBF组合成员包括：高振铭、赵云琦、曾希瑭、宋乐谦。 [1]2016年11月1日，BBF发行首支出道单曲《The Show Must Go On》，并在官方社交平台曝光BBF成员的漫画版形象，并于每周二进行连载。11月15日，BBF发行团体首张EP《重装上阵》。11月24日发行第二张EP《谦铭云希》。12月6日全亚洲发行首张实体专辑《王者之路》 [2-3]。12月13日在人民大会堂举办首张实体专辑《王者之路》的发布会 [4]。2018年10月19日发布人生第二张全新专辑《旋转陀螺》 [5]外文名BBF [1]团队成员高振铭，赵雲琦，曾希瑭，宋乐谦 [1]经纪公司简单快乐代表作品重装上阵目录1男团介绍2团队成员3演艺经历4音乐单曲5音乐专辑男团介绍播报编辑“荷尔蒙鲜声团”BBF出道仅一月便已陆续推出全英文单曲《The Show Must Go On》和《重装上阵》《谦铭云希》两张EP，备受乐坛瞩目，BigBoyfriendsForever，给“偶像”一个全新的定义！简单快乐文化携手BBF再次强势出击，全亚洲发行BBF首张华语专辑《王者之路》。2016，“荷尔蒙鲜声团”BBF用最纯粹和炽热的“鲜声”献上十首精良之作， 让大家感受到：来自辽宁，拥有一副天生高亢清亮声线的高振铭；来自北京，自带低音炮般迷人嗓音的赵云琦；来自重庆，声线特别却电力十足的曾希瑭；以及拥有触碰灵魂般温柔高音，来自香港的宋乐谦，四位平均年龄在20岁上下年轻人的青春魅力和对未来的美好期待。 [1]团队成员播报编辑高振铭，辽宁人，拥有一副天生高亢清亮声线，是男团BBF成员。 [1]宋乐谦，香港人，拥有触屏灵魂般温柔高音，是男团BBF成员。 [1]赵云琦，北京人，拥有自带低音炮般迷人嗓音，是男团BBF成员。 [1]曾希瑭，重庆人，声线特别却电力十足，是男团BBF成员。 [1]演艺经历播报编辑2017年1月4日，在北京举办了出道后第一张专辑《王者之路》的首唱会，现场演唱了包括《王者之路》全辑，以及还未发行的新歌《我们万岁》等近二十首歌曲 [6]。同年5月3日，参加在北京举行的“简单快乐音乐成立七周年感恩回馈演唱会”，演唱了歌曲《重装上阵》和《我们万岁》 [7]。5月19日发表的《大声说爱你》作为电影《小情书》的推广曲 [8]正式上线，由赖伟锋作词作曲 [9]。7月1日发表原创歌曲《爱你如歌》，由成员宋乐谦、高振铭作词，宋乐谦作曲 [10]。7月8日，出席第13届瑞丽模特大赛，做为演唱嘉宾为参赛选手加油 [11]。9月19日，发表新单曲《冲着我来》 [12]。11月9日，发布新单曲《是我活该》 [13]。11月12日，做为演唱嘉宾出席“觅乐行动·荣耀制噪者”校园巡演杭州站 [14]。12月6日，发布新单曲《裂痕》 [15]。2018年1月10日，发布单曲《陪你说一辈子晚安》 [16]；同年10月19日，“荷尔蒙鲜声团”BBF全力出击，携手简单快乐正式发布人生第二张全新专辑《旋转陀螺》 [5]音乐单曲播报编辑歌曲名称发行时间歌曲简介大声说爱你2017-04-24微笑治愈系电影《小情书》“荷尔蒙”版推广曲说出那句话2017-06-01《7年之Young》单曲音乐专辑播报编辑旋转陀螺发行时间2018-10-19王者之路发行时间2016-12-06资料来源： [3] [8] [17]新手上路成长任务编辑入门编辑规则本人编辑我有疑问内容质疑在线客服官方贴吧意见反馈投诉建议举报不良信息未通过词条申诉投诉侵权信息封禁查询与解封©2024 Baidu 使用百度前必读 | 百科协议 | 隐私政策 | 百度百科合作平台 | 京ICP证030173号 京公网安备110000020000

百度知道 - 信息提示

百度知道 - 信息提示

百度首页

商城

注册

登录

网页

资讯

视频

图片

知道

文库

贴吧采购

地图更多

搜索答案

我要提问

百度知道>提示信息

知道宝贝找不到问题了>_

该问题可能已经失效。返回首页

15秒以后自动返回

帮助

 | 意见反馈

 | 投诉举报

京ICP证030173号-1   京网文【2023】1034-029号     ©2024Baidu  使用百度前必读 | 知道协议 

BBF是什么意思? - BBF的全称 | 在线英文缩略词查询

BBF是什么意思? - BBF的全称 | 在线英文缩略词查询

↓ 跳到主内容

EnglishالعربيةБългарскиCatalàČeštinaCymraegDanskDeutschΕλληνικάEspañolEestiفارسیSuomiFrançaisעִבְרִיתहिन्दीJezikAyititMagyarBahasa IndonesiaItaliano日本語한국어LietuviųLatviešuMelayuMaltiNorskNederlandsPolskiPortuguêsRomânăРусскийSlovenčinaslovenščinaSvenskaไทยTürkçeукраїнськаاردوViệt Nam繁體中文

首页 › 3 个字母 › BBF

BBF 是什么意思?

你在寻找BBF的含义吗？在下图中，您可以看到BBF的主要定义。 如果需要，您还可以下载要打印的图像文件，或者您可以通过Facebook，Twitter，Pinterest，Google等与您的朋友分享。要查看BBF的所有含义，请向下滚动。 完整的定义列表按字母顺序显示在下表中。

BBF的主要含义

下图显示了BBF最常用的含义。 您可以将图像文件下载为PNG格式以供离线使用，或通过电子邮件发送给您的朋友。如果您是非商业网站的网站管理员，请随时在您的网站上发布BBF定义的图像。

BBF的所有定义

如上所述，您将在下表中看到BBF的所有含义。 请注意，所有定义都按字母顺序列出。您可以单击右侧的链接以查看每个定义的详细信息，包括英语和您当地语言的定义。

首字母缩写词定义BBFBernard Bruche 法国BBFBetriebsbahnhofBBFBigBrotherFans.orgBBFBockbuchsflinteBBFBolsa 巴西 de FuturosBBFBumblefootBBFBuzzerbeater 法国BBF业务基法国BBF之前花的男孩BBF乌鸫飞BBF会回来几个BBF伯灵顿，马萨诸塞州BBF公告 des Bibliotechques de 法国BBF协会换取布基纳法索BBF博登汉堡食物BBF受命运BBF品牌由火BBF哥哥弟弟基金会BBF啤酒哥们永远BBF大块福特BBF大爆炸大乱斗BBF大蓝狐狸BBF宇宙大爆炸的烟花BBF宽带论坛BBF巴哈的喷泉BBF广夏音乐节BBF底层的 10 亿基金BBF支气管血流量BBF更好的男孩基础BBF最好最好的朋友BBF最好的兄弟永远BBF最好的男孩的朋友BBF桥基论坛BBF棒球厂股份有限公司BBF永远是蠢蛋BBF永远最好的朋友BBF永远最好的骨头BBF汉堡男孩食品-O-摩BBF浆果最好的朋友BBF火的洗礼BBF突发批量流BBF箱/盒/文件BBF糟糕的男朋友BBF结转余额BBF美丽的血腥小说BBF肚脐绒毛BBF脑干血流BBF自助早餐BBF英国最好的朋友BBF英国棒球联合会BBF蓝框欺诈BBF血液或体液BBF被信仰蒙蔽双眼BBF讨价还价框织物BBF贝尔格莱德啤酒节BBF身体董事会法国BBF边境图书节BBF邦加德 Bazot & 菲尔斯BBF铜管乐节BBF除了棒球基础BBF黑莓友好BBF黑鲈鱼法国

‹ AVS

BGSE ›

语言

EnglishالعربيةБългарскиCatalàČeštinaCymraegDanskDeutschΕλληνικάEspañolEestiفارسیSuomiFrançaisעִבְרִיתहिन्दीJezikAyititMagyarBahasa IndonesiaItaliano日本語한국어LietuviųLatviešuMelayuMaltiNorskNederlandsPolskiPortuguêsRomânăРусскийSlovenčinaslovenščinaSvenskaไทยTürkçeукраїнськаاردوViệt Nam繁體中文

简体中文

Recent Posts

文章分类  

>>   

1   

2   

3   

4   

5   

6   

7   

8   

9   

10   

A   

B   

C   

D   

E   

F   

G   

H   

I   

J   

K   

L   

M   

N   

O   

P   

Q   

R   

S   

T   

U   

V   

W   

X   

Y   

Z   

© 2014 - 2023

Abbreviation Finder. 站点地图 | Recent Posts

Terms of Use | Privacy Policy | About Us | Blog

中兴通讯GPON产品通过BBF认证

中兴通讯GPON产品通过BBF认证

中兴官网

消费者业务

运营商业务

政企业务

终端商城

EN

新闻与活动

解决方案与产品

服务支持

合作伙伴

关于我们

热点新闻

喜报！中兴通讯RoomPON5.0系列FTTR主从网关荣获德国“iF设计大奖”

2024-03-07

中兴通讯金篆GoldenDB助力广发银行信用卡核心业务系统投产

2024-03-07

品牌活动

MWC2024|中兴通讯发布5G-A新应用、5G新通话等产品，积极拥抱5G新未来

中兴服务生态论坛-泰国

企业图集

创兴 共超越

中兴云电脑驭风系列海报

兴视频

5G网络创新与应用发布会

RIS 2.0开创5G-A组网新模式

运营商业务

无线接入

固定宽带

光网络

数据网络

分布式精准云

核心网

服务与数智化平台

数字能源

服务器与存储

分布式数据库

5G新业务

视频业务

云电脑

视频会议

5G视频服务

政企业务

互联网

金融

电力

交通

政务

矿山

冶金

教育

企业网络

企业光传输

服务器与存储

数据中心

云计算

操作系统

分布式数据库

云电脑

视频会议

视频服务

政企无线专网

消费者业务

智能手机

移动互联

智慧家庭

数字服务

数字化网络部署

数字化运营

5G服务

精品网建设

热点话题

绿色算力主力军

绿色低碳

5G专网

全光连接的世界

"新"视频

分布式精准云

企业数字化转型

光联千家百业

5G消息

CLOUD IP，新型智能云网

运营商服务

产品检索

客户支持

订单可视

政企服务

产品检索

客户支持

渠道IPARTNER

消费者服务

产品购买

售后支持

新品推荐

合作伙伴

iPartner

中兴合作伙伴

中兴e学

培训认证能力提升

供应商

构建健康供应链

中兴认证

一站式考试服务中心

公司介绍

公司简介

管理层信息

企业文化

全球销售网点

联系我们

社会责任

CSR报告

绿色环保

冲突矿产

信任中心

网络安全

合法合规

投资者关系

定期报告

公告

公司治理

股东通讯

公司刊物

中兴通讯技术

中兴通讯技术(简讯)

中兴通讯技术丛书

快速链接

新闻动态

品牌活动

热点专题

技术刊物

快速链接

新闻动态

品牌活动

热点专题

技术刊物

新闻与活动

解决方案与产品

服务支持

合作伙伴

关于我们

EN

商城

返回

热点新闻

品牌活动

企业图集

兴视频

运营商业务

无线接入

固定宽带

光网络

数据网络

分布式精准云

核心网

服务与数智化平台

数字能源

服务器与存储

分布式数据库

5G新业务

视频业务

云电脑

视频会议

5G视频服务

了解更多

政企业务

互联网

金融

电力

交通

政务

矿山

冶金

教育

企业网络

企业光传输

服务器与存储

数据中心

云计算

操作系统

分布式数据库

云电脑

视频会议

视频服务

政企无线专网

了解更多

消费者业务

智能手机

移动互联

智慧家庭

了解更多

数字服务

数字化网络部署

数字化运营

5G服务

精品网建设

了解更多

热点话题

绿色算力主力军

绿色低碳

5G专网

全光连接的世界

"新"视频

分布式精准云

企业数字化转型

光联千家百业

5G消息

CLOUD IP，新型智能云网

运营商服务

产品检索

客户支持

订单可视

政企服务

产品检索

客户支持

渠道IPARTNER

消费者服务

产品购买

售后支持

iPartner

中兴合作伙伴

中兴e学

培训认证能力提升

供应商

构建健康供应链

中兴认证

一站式考试服务中心

公司介绍

公司简介

管理层信息

企业文化

全球销售网点

联系我们

了解更多

社会责任

CSR报告

绿色环保

冲突矿产

了解更多

信任中心

网络安全

合法合规

了解更多

投资者关系

定期报告

公告

公司治理

股东通讯

了解更多

公司刊物

中兴通讯技术

中兴通讯技术(简讯)

中兴通讯技术丛书

了解更多

中兴通讯GPON产品通过BBF认证

发布时间：2011-12-05

分享：

×

微信扫一扫: 分享

微信里点“发现”，扫一下

二维码便可将本文分享至朋友圈。

网页链接已复制

点击浏览器分享功能或前往微信发送给好友！

我知道了

立即分享给好友吧~

中兴通讯GPON产品通过BBF认证 - 中兴新闻资讯

我们对Cookie的使用策略

我们的网站使用Cookies和其他类似技术来区分您与我们网站的其他用户。这有助于我们在您浏览网站时，为您提供良好的体验，并允许我们改进我们的网站。

知悉并继续

拒绝

Cookies政策

中兴官网

消费者业务

运营商业务

政企业务

新闻与活动

/

解决方案与产品

/

服务支持

/

合作伙伴

/

关于我们

/

取消

English

新闻与活动

解决方案与产品

服务支持

合作伙伴

关于我们

English

返回主菜单

新闻与活动

新闻动态

高管洞察

品牌活动

兴视频

直播间

媒体资料库

解决方案与产品

运营商业务

无线接入

千兆家庭宽带

光网络

数据网络

分布式精准云

核心网

服务与数智化平台

数字能源

服务器与存储

分布式数据库

5G新业务

视频业务

安全办公

5G视频服务

政企业务

行业

互联网

金融

能源

交通

政务

矿山

全域连接

政企无线专网

企业网络

企业光传输

极致算力

服务器与存储

数据中心

私有云

操作系统

分布式数据库

数智体验

云电脑

视频会议

视频服务

消费者业务

智能手机

移动互联

服务

数字化网络部署

数字化运营

5G服务

精品网建设

热点话题

助推“碳中和”

5G专网

全光连接的世界

分布式精准云

企业数字化转型

"新"视频

家庭全千兆

5G消息

5G Ready的敏捷IP网络

服务支持

运营商

产品检索

客户支持

政企

产品检索

客户支持

渠道iPartner

消费者

产品购买

售后支持

合作伙伴

iPartner

中兴e学

供应商

关于我们

公司介绍

公司简介

管理层信息

企业文化

全球销售网点

联系我们

社会责任

CSR报告

商标商号许可

绿色环保

冲突矿产

信任中心

网络安全

合法合规

投资者关系

定期报告

公告

公司治理

公司刊物

中兴通讯技术

中兴通讯技术(简讯)

中兴通讯技术丛书

新闻与活动

为您提供官方发布的最新权威动态，了解中兴通讯最新成果，聚焦行业热点及精彩活动，助力数字经济发展。

新闻与活动

新闻动态

官方新闻资讯

高管洞察

高管团队数智时代洞见

品牌活动

热门展会活动

兴视频

海量精彩视频

直播间

直播发布在线观看

媒体资料库

品牌资料下载

中兴通讯管理创新论坛暨2022走进中兴活动成功举办

2022年08月19日

中兴通讯与IPMA中国(PMRC)建立战略合作 共探项目管理新模式

2022年08月18日

运营商业务

政企业务

消费者业务

服务

热点话题

运营商业务

运营商业务

政企业务

行业

全域连接

极致算力

数智体验

消费者业务

消费者业务

服务

服务

热点话题

热点话题

运营商业务

无线接入

千兆家庭宽带

光网络

数据网络

分布式精准云

核心网

服务与数智化平台

数字能源

服务器与存储

分布式数据库

5G新业务

视频业务

安全办公

5G视频服务

行业

互联网

金融

能源

交通

政务

矿山

全域连接

政企无线专网

企业网络

企业光传输

极致算力

服务器与存储

数据中心

私有云

操作系统

分布式数据库

数智体验

云电脑

视频会议

视频服务

消费者业务

智能手机

移动互联

服务

数字化网络部署

数字化运营

5G服务

精品网建设

热点话题

助推“碳中和”

5G专网

全光连接的世界

分布式精准云

企业数字化转型

"新"视频

家庭全千兆

5G消息

5G Ready的敏捷IP网络

中兴通讯管理创新论坛暨2022走进中兴活动成功举办

2022年08月19日

中兴通讯与IPMA中国(PMRC)建立战略合作 共探项目管理新模式

2022年08月18日

运营商

政企

消费者

运营商

政企

消费者

运营商

产品检索

客户支持

政企

产品检索

客户支持

渠道iPartner

消费者

产品购买

售后支持

中兴通讯管理创新论坛暨2022走进中兴活动成功举办

2022年08月19日

中兴通讯与IPMA中国(PMRC)建立战略合作 共探项目管理新模式

2022年08月18日

合作伙伴

中兴通讯携手客户和合作伙伴，为全球用户提 供优质的网络和高效的服务，为全球数字经济 的发展贡献力量。

合作伙伴

iPartner

中兴合作伙伴

中兴e学

培训认证能力提升

供应商

构建健康供应链

中兴通讯管理创新论坛暨2022走进中兴活动成功举办

2022年08月19日

中兴通讯与IPMA中国(PMRC)建立战略合作 共探项目管理新模式

2022年08月18日

公司介绍

社会责任

信任中心

投资者关系

公司刊物

公司介绍

社会责任

信任中心

投资者关系

公司刊物

公司介绍

公司简介

管理层信息

企业文化

全球销售网点

联系我们

社会责任

CSR报告

商标商号许可

绿色环保

冲突矿产

信任中心

网络安全

合法合规

投资者关系

定期报告

公告

公司治理

公司刊物

中兴通讯技术

中兴通讯技术(简讯)

中兴通讯技术丛书

中兴通讯管理创新论坛暨2022走进中兴活动成功举办

2022年08月19日

中兴通讯与IPMA中国(PMRC)建立战略合作 共探项目管理新模式

2022年08月18日

首页 /关于我们 /新闻动态 /中兴通讯GPON产品通过BBF认证

中兴通讯GPON产品通过BBF认证

发表时间:2011-12-05

作者:中兴通讯

阅读量:834

　　近日，中兴通讯宣布其GPON ONU产品已成功通过“宽带论坛（Broadband Forum,BBF）”的认证。BBF是全球宽带领域的权威性非盈利组织，其组织的宽带供应商的互通测试，代表了世界宽带领域较高的水准及客观的权威性。据悉，中兴通讯是首批参加宽带论坛GPON ONU测试的厂商，目前已全部通过认证。

　　随着光纤网络在全球大规模部署，作为目前无源光网络主流技术之一的GPON，其产品的互通性能将极大的影响运营商能否以更具成本效益的方法扩展其高速宽带网络。尤其是一些高端运营商，如德国电信、法国电信、英国电信、Etisalat以及Verizon等，一直非常关注并积极推动GPON的互通性测试，以推动GPON产业的成熟与发展。

　　BBF作为全球宽带领域权威性的非盈利组织，于今年启动了业界的首个基于宽带论坛TR-156协议和ITUT G.988协议的认证工作，该认证是业界首个旨在验证 GPON产品是否符合 ITU-T GPON 标准和宽带论坛规范的项目。中兴通讯基于统一GPON ONT平台的GPON ONU产品F601成功通过所有测试条目，展示了其全面遵循业界的相关规范，符合运营商规模部署的成本和互通性要求的特性。

　　BBF首席执行官Robin Mersh表示：“祝贺中兴通讯产品成功通过认证，同时感谢中兴通讯对全球标准一贯性上的持续努力！”

　　中兴通讯副总裁许明表示：“中兴通讯每年投入超过10%的营收以促进科研技术的进步，全面的创新以保证我们的产品一直领先于业内，并紧密跟踪标准组织的工作，使得我们的产品全面符合标准及运营商的需求。”

　　据悉，中兴通讯是全球最早研发并成熟商用光纤接入网系列产品的厂家之一，对PON的技术发展有着深刻理解和准确定位。中兴通讯仅在固网接入产品这一领域已经申请中国国内发明专利415件，国际专利56件。

上一篇: 中兴通讯荣膺亚洲电信“2011年度宽带创新大奖”

下一篇: 中兴通讯土耳其打造覆盖欧美亚非海外采购中心

三大业务

消费者业务

运营商业务

政企业务

合作伙伴

供应商

iPartner

中兴e学

查询与举报

ECCN查询

禁止合作名单

监督举报

投资者

公告

定期报告

快速入口

SDN/NFV专题

服务器与存储专题

人才招聘专题

全球销售网点

北美洲

拉丁美洲

欧洲

中东非洲

独联体

中国

亚太

公司介绍

联系我们

监督举报

Cookies 政策

法律声明

隐私政策

意见与建议

© 2022 中兴通讯股份有限公司 版权所有

粤ICP备11108162号

粤公网安备 44030502000445号 

最近新闻

中兴通讯荣膺亚洲电信“2011年度宽带创新大奖”

2011-12-08

中兴通讯固网产品为欧洲企业提供服务

2011-12-06

中兴通讯土耳其打造覆盖欧美亚非海外采购中心

2011-12-02

中兴通讯独家承建广电科学研究院"宽带互动新媒体实验室"

2011-12-01

三大业务

消费者业务

运营商业务

政企业务

合作伙伴

供应商

IPARTNER

中兴e学

中兴认证

查询与举报

ECCN查询

禁止合作名单

监督举报

隐私中心

投资者

公告

定期报告

中国投资者网

快速入口

SDN/NFV专题

服务器与存储专题

人才招聘专题

公司介绍

联系我们

监督举报

法律声明

隐私政策

意见与建议

全球销售网点

© 2023 中兴通讯股份有限公司 版权所有

粤ICP备11108162号

粤公网安备 44030502000445号

BBF北京金保孚电气传动技术有限公司简介 | BBF

>

BBF北京金保孚电气传动技术有限公司简介 | BBF

企业邮箱登录 | 注册

首页

公司简介

公司简介

资历证明

产品展示

产品展示

数控系统

车床数控系统

铣床数控系统

伺服驱动系统

单轴伺服驱动

双轴伺服驱动

主轴驱动系统

主轴驱动系统

服务中心

服务中心

销售网络

联系我们

资料下载

相关页面Relevant 

 

产品展示

 

公司简介

 

服务中心

 

销售网络

 

网站地图

 

联系我们

 

资历证明

联系方式Contact 

联系电话

+86 010 63714187 +86 010 87918671 +86 010 87962390

公司地址

北京市通州区永乐经济开发区恒业八街 6 号院 9 幢

当前位置：主页 > 公司简介 公司简介

北京金保孚电气传动技术有限公司(BBF) 成立于1996年，是一家以BBF品牌为市场主导

的成套机床数控设备及工业自动化产品研发和生产的高科技股份制企业，公司主要研发和

生产机床数控系统、进给伺服驱动系统、主轴伺服驱动系统三大类近五十种产品，可满足

数控车床、铣床、加工中心、大型机床等以及相关产业机械的多种需求。

BBF拥有雄厚的技术开发力量，先进的实验设备，完善的生产、质量管理体系，充分

保证了产品的可靠性。丰富的工程实践经验可以使我们为您提供完美的技术解决方案以及

产品的定制服务。

BBF产品链型号齐全，多种型号产品可完美替代进口产品，系统的良好性能与多年的

稳定应用得到了广大用户的充分认可。

BBF拥有广泛的服务与技术支持网络，为客户提供及时快捷的服务。

面对未来更加激烈的竞争，BBF致力于加强科技创新，提升核心竞争力，选择BBF，为您

创造更多价值。

公司简介

|

联系我们

|

网站地图

©版权所有 京ICP备07008547号-2

京ICP备07008547号-2