如何在MFC中利用OpenGL实现三维图形的绘制

针对OpenGL强大的三维图形功能和VisualC++完善的基础类库,将二者结合起来,开发出基于Win32环境下的高品质的三维图形应用程序.文中介绍了作者在工程实践中利用MFC开发OpenGL三维图形功能的关键技术,提出了在MFC的框架下构造虚基类来实现MFC和OpenGL函数库之间的接口的方法.

机器人并行实时采集系统的设计与实现

针对具有被动关节的机器人系统,采用并行处理技术,设计实现了高速实时数据采集系统,该系统可以完成机器人系统的数据采集、数据处理、数据存储、图形显示和交互式控制等功能.实验结果证明本采集系统满足了机器人实时控制的需要,有利于机器人完成高精度操作任务.

RTM树脂充模过程的并行计算模拟

引入并行计算方法在集群系统上实现对RTM成型过程的数值模拟,并编写了并行数值模拟软件,模拟二维薄壁构件的RTM工艺的注模过程,得到任意时刻的树脂流动前锋曲线、压力场分布,计算结果与其他研究成果吻合良好.算例结果表明,并行数值模拟方法有效提高了计算效率.

程序设计课程在线测评方法探究——以类ACM模式程序设计课程为例

程序设计课程是对学生实践能力要求较高的技术应用型课程,教学目的是培养学生在程序设计过程中的分析问题与解决问题的能力。通过对程序设计课程现状进行分析,针对造成学生程序设计能力较低的原因,提出了以培养学生实践能力为终极目标的课程辅助系统建设方案,即在程序设计课程的作业、实验与考试环节中,引进类ACM模式的在线测评方法。

基于Delphi的滚子直动平面凸轮轮廓线的设计

根据滚子直动平面凸轮机构轮廓线解析法设计公式,采用面向对象的Delphi语言对该类型的凸轮轮廓线进行算法实现,并对等径凸轮参数进行应用举例,所得计算结果精确.该方法与C程序方法相比较,不但提高了设计效率,而且具有直观、实用、便于人机交互的优点.

基于全局距离的自适应LLE方法研究及其应用

人体行为识别是人工智能与模式识别领域一个重要的研究方向,具有极广泛的应用前景.近年来应用局部线性嵌入的流行学习方法 LLE进行人体行为识别成为研究热点.但是传统LLE要求采集密集样本点,且要求样本点分布平滑均匀,而人体运动样本数据往往分布稀疏,无法满足LLE对样本点的要求.本文提出的基于全局距离的自适应LLE采用具有全局因子的距离计算方法确定近邻,缩短分布稀疏的样本点的相对距离,使样本点变得紧凑.同时加入全局因子可以使分布距离差异较大,分布不均匀的样本点重新布局,整体变得平滑均匀,有效克服了传统LLE的缺点.另外,该方法改进了传统LLE确定嵌入维度的过程.通过计算输入空间样本欧氏距离与嵌入空间样本欧氏距离的残差来评估嵌入维度,自适应确定人体动作流形的本质维度.改进后的方法应用于光学动作捕捉数据实现人体行为识别,比传统LLE提高了计算性能,并获得了更高的人体行为识别率.

面向视频的局部线性嵌入人脸识别算法

随着计算视觉技术的发展,面向视频的人脸识别在现实生活中应用愈加广泛,作用愈加重要,对识别的准确性要求也越高.面对视频这样的高维度数据,如何进一步提高人脸识别的准确性是该领域的一个研究热点.本文提出一种面向视频数据的改进的局部线性嵌入算法,通过构造样本间的协方差矩阵,将马哈拉诺比斯距离和像素距离相结合,提出了一种新的样本间的相似性度量方法,该方法充分利用了视频帧间信息的关联性.并在VidTIMIT数据集上进行识别效果的测试,同时与其它几类识别方法的实验结果进行对比.实验结果表明,本文提出的算法的识别率要高于已有的局部线性嵌入算法和其它方法.

Filling Simulation of Three-dimension Braided Composite in Resin Transfer Molding

This paper measured permeability of three-dimension braided preform by radial technology. The results show that principal permeability tensor coincided with their braiding axial direction. The software of one dimensional flow filling mold was designed using Visual C++ language. Filling time is predicted and validated. The result showed that the filling time of the mold centerline agrees with the prediction value. The filling time of the mould edge is shorter than that of the prediction. An actual plate of 3D braided preform/ modified polyarylacetylene composite is produced according to prediction value and validation analysis.

基于红外视觉的智能装甑系统的撒料区域的高效检测算法设计

撒料区域的高效检测算法是实现基于红外视觉智能装甑系统的关键技术。本文提出一种基于区域生长的撒料区域实时检测算法,其有效解决了红外图像计算的实时性和撒料区域检测的准确性两大核心问题。实验测试和现场实测结果均表明该算法的计算效率和检测精度均优于传统装甑方法,出酒率和酒的品质都显著提高,尾酒几乎为零。为白酒装甑工艺的自动化和智能化提供了一个高效的视觉计算方案.

基于YOLO_v3和Tesseract5.0的高铁摩擦片编码识别算法研究

为了解决高铁摩擦片编码识别应用中的字符区域分割和方向矫正问题,本文提出了基于YOLO_v3和Tesserac5.0的字符识别算法.首先,利用YOLO_v3网络截取含有字符的感兴趣区域,其次利用本文提出的单行字符矫正算法对图像进行矫正.最后,将灰度化、阈值化后的字符图像输入到基于长短期记忆网络的Tesseract5.0算法中实现字符识别.实验结果表明,本算法有效解决了字符区域提取的问题,并解决了单行字符无法使用方向检测的问题.与传统算法相比具有较好的鲁棒性和较高的精度.

一种基于零阶球谐函数的点云识别方法

本文方法运用基于零阶球谐函数来解决三维点云的识别问题.其核心在于利用最小二乘法将模型的原始坐标拟合成球谐函数正交基的扩展系数,并且将标量形式的计算过程改为以三个坐标轴方向分别推导的向量形式,目的在于使三维点云识别的过程不受原模型几何形状结构的影响.此识别方法具备平移旋转不变的特性,并且在计算过程中不需要预先对三维点云模型进行对齐操作,进一步缩短了识别时间,提高了运算效率.为解决三维点云识别的实时性问题提供了新方法.

基于残差网络的无监督角膜视频分割算法

基于角膜形变计算出一系列生物力学特性参数是训练早期圆锥角膜分类模型的数据基础,因此圆锥角膜轮廓分割的精确性直接影响着早期圆锥角膜分类模型的准确性。本文提出了一种基于残差网络的无监督角膜视频分割方法。通过统一的网格化采样提取一组锚点被同序列视频帧所共用,从而减小网络模型学习特征表示的计算量并且提高了计算效率。同时设计了一个正则化分支对原有的视频集进行相似性转换来解决可能存在的退化解问题。与已有的无监督视频分割任务相比,本实验模型使用了少量的训练数据,但却取得了更高的分割精度和计算效率。

基于SOANet的圆锥角膜辅助诊断

亚临床期圆锥角膜(subclinical keratoconus,subkc)发病隐匿,现有医疗设备诊断存在局限性,所以提出一种诊断亚临床期圆锥角膜的检测方法是十分必要的。有研究发现圆锥角膜(Keratoconus,kc)力学性能的改变早于形态学,因此从角膜生物力学的角度筛查亚临床期的圆锥角膜更加符合临床实际。本文运用角膜生物力学特征,以点云数据作为网络输入数据,将SO-Net(self-organizing network)和自注意力(self-attention,SA)机制结合构建SOANet,对圆锥角膜、亚临床期圆锥角膜和正常角膜进行分类。首先,利用可视化生物力学分析仪(corneal visualization Scheimpflug technology,Corvis ST)拍摄角膜受力形变视频,对其进行处理得到点云数据集,接着对点云数据进行增强处理,使3种类型的角膜数据量分布均衡。然后按照3∶1的比例划分训练集和测试集,分别对角膜进行二分类和三分类。最终模型在二分类和三分类测试集上的准确率分别达到98.3%和91.26%,即有效识别亚临床期圆锥角膜和圆锥角膜。实验结果表明,以三维点云数据构建亚临床期圆锥角膜辅助诊断模型是可行的,SOANet能够有效识别出亚临床期圆锥角膜,且分类性能优于传统模型。

基于统计模型的三线阵CCD影像并行匹配算法

在基于统计方法实现CCD影像匹配算法的基础上,提出了CCD影像匹配计算任务的分解方法和计算任务的调度策略,进一步构建了基于统计模型的三线阵CCD影像匹配算法的并行计算方案。并通过实验进行了验证,结果表明,对于CCD影像该并行匹配算法获得了良好的加速比,可扩展性好。适用于超大规模的三线阵CCD影像中同名像点的匹配计算。

基于任务映射的并行辐射度算法

基于辐射度算法的大规模数据场景的可视化模拟中所面临的主要问题是其计算时间无法满足实时性的要求,提出了任务映射模型较好地解决了各计算节点的负载均衡性要求,从而有效提高辐射度算法的并行计算效率。基于该模型开发了并行辐射度算法并在超级计算机模拟器上进行了测试,试验结果表明,该算法具有良好的可扩展性和较高的计算加速比。

智能装配中基于YOLO v3的工业零件识别算法研究

传统装配系统中依靠人力进行重复性劳动,容易由于人的操作具有疲劳性和人眼分辨率有限等特点造成失误,为了避免浪费人工和时间,解决工厂环境中光线等不稳定因素,提出了一种基于YOLO v3算法对形状多样的工业零件识别方法。在智能装配系统中根据视觉检测结果判断零件种类,弥补了传统方法的不足,满足产品生产系统的节拍要求。改进后的YOLO v3网络模型使用k-means算法重新聚类预选框的参数,残差网络来减少网络的参数,结合多尺度方法、采用Mish激活函数提高精确度,使其更适合工业零件的小目标分类检测。该模型以3D打印的工业零件制作数据集,实验表明与原有的YOLO v3算法对比,使用改进后的网络模型具有良好的鲁棒性,准确率提高了1.52%,时间提高了7.25 ms,实现精确实时地检测出智能装配系统中的零件种类。

基于统计模型的三线阵CCD月球影像快速匹配算法

为实现快速鲁棒的同名像点匹配,基于概率统计特征,提出一种针对CCD影像进行快速匹配的方法。首先应用统计方法建立月表整体形状模型和特征形状模型并构建轮廓特征;然后提取轮廓上的关键点作为特征点,随机选择若干特征点对得到候选变换;最后对其变换参数进行检验和求精。实验结果表明,本文算法比传统匹配算法的速度有了较大的提高,能够在线性时间内完成三线阵CCD影像中同名像点的匹配。

图像特征提取中领域尺寸和本征维数的自动选择算法

本文首先对图像特征提取过程中的近邻距离进行线性重构,然后对其在整个流形上的分布进行优化运算,得到一个最优线性重构权为变量的图像数据局部低维特征的表达函数。最后以该函数稳定性的最小度量构造出适用于图像特征提取的邻域尺寸和本征维数的自动选择策略。实验表明该方法实现了图像数据本征维数与邻域尺寸的自动化选择,并具有计算简单、匹配率高且计算复杂性低等特点。

一种基于特征向量的高效虚拟现实辐射度算法

辐射度技术对于具有真实感的图像的合成十分重要。提出了一种基于特征向量的虚拟现实环境中辐射度计算的新方法。该方法采用了并行计算方法计算形状因子矩阵的特征值和特征向量,进而实现对虚拟现实环境中的辐射度进行高效的计算。其性能总体评价结果显示该方法显著降低了复杂环境中集群计算机系统的有效计算时间,提高了计算效率和加速比。其成果可广泛应用在图像处理、人机交互、可视化、虚拟现实等领域。

基于Corvis ST医学影像的角膜轮廓提取算法

目前已有的轮廓提取算法在提取可视化角膜生物力学分析仪(corneal visualization scheimpflug technology, Corvis ST)影像的角膜轮廓中,由于角膜边缘的局部图像灰度分布相近这一特点,提取出的角膜轮廓普遍不完整或者提取的角膜轮廓边缘出现细小突出。这会使得角膜轮廓的完整性遭到破坏,提取到的角膜轮廓与实际的角膜原始图像严重不符。本文针对Corvis ST采集的角膜图像的轮廓提取问题,基于最大类间方差法(OTSU)算法设计一种高效的图像处理方法。首先,将角膜图像进行除杂、灰度化以及图像降噪等处理,达到减少图像计算量和降低数字图像噪声干扰的目的;其次,基于OTSU算法对图像进行分割,并在此基础上加入数学形态学运算,达到平滑图像边界和填充细小“孔洞”的目的;最后,采用Canny边缘检测算法提取图像中的角膜轮廓,达成提取出高完整性角膜轮廓的目的。在相同的图像数据集上,与最新的纽扣轮廓瑕疵检测系统中设计的轮廓提取算法(B-OTSU algorithm)进行了对比实验。实验结果表明,从轮廓完整性以及准确性的角度,应用本文方法提取的角膜轮廓明显优于最新的纽扣轮廓瑕疵检测系统中的B-OTSU算法提取的角膜轮廓。