基于特征的离散网格模型表示与编辑技术

提出了一种基于特征的离散网格模型表示方法,能够表达传统三维网格模型中缺失的高层次信息,并以模型编辑为例显示了其应用价值.该特征结构利用特征线、特征面、特征组来建立离散网格的特征结构,用于描述模型的形状、约束、语义等信息,在原有网格模型的基础上构建了一个"超网格".通过构建特征间的拓扑关系和约束关系,模型在编辑过程中能够保持特定的形状和结构属性,同时,由于编辑操作造成的网格修改被限定在局部的特征区域内,从而提高了模型编辑的运算效率.

一种答题卡客观题识别算法

在保证阅卷质量的前提下,网上阅卷系统不仅极大地减少了教师的工作量,而且降低了对试卷纸张质量的要求,节约能源。但是,网上阅卷系统中的客观题识别效果对答题卡图像质量和排版有很强的依赖。为此,提出一种鲁棒的客观题识别算法。首先,考虑到用户填涂时可能偏离填涂区域,或者用户图像和模板图像位置匹配出现的误差,提出了滑动窗口策略重新定位实际的填涂区域,消除相关的偏差。然后,通过分析各选项的直方图,并引入加权平均灰度消除单个选项中填涂不均匀的影响。对同一题下的每个选项进行比较,使得识别算法有很强的局部适应性,克服使用全局识别策略带来的参数选择困难。实验结果表明,该算法兼容性好,可以适用于不同排版类型的答题卡客观题识别,鲁棒性强,识别精度高,适用于各种扫描质量和不同填涂质量的答题卡。

面向球幕投影系统的几何校正方法

用于飞行模拟的视景仿真系统,经常会以多台投影仪同步投影以得到较大范围的视场角。当投影机斜对屏幕或者投影屏幕为曲面时,图像会发生几何失真。针对此问题,本文提出了一种专门面向球幕投影系统的几何校正方法,并以一个三通道显示系统为实例,详述了该方法的理论原理以及校正流程。实例结果表明,经几何校正后,各投影图像无几何畸变,通道过渡处几何内容完全一致。该方法是一种纯软件方法,成本小而且操作简单,能够适应于不同的投影场景。

大时间步长下体积守恒的实时水体模拟

基于物理的流体仿真可以真实地捕捉水的运动,一种常用的实时模拟方法是基于二维浅水方程进行水体仿真。首先介绍了二维浅水方程,并提出一种新的求解方法,通过一种体积守恒的隐式半拉格朗日方法进行计算,在保持稳定的同时允许较大的时间步长,然后额外增加修正步以保证计算过程中体积守恒。此外提出了一种基于动量守恒的流固耦合方法,可以实时地模拟出较为真实的水体,并且保证了水体体积始终守恒,效果良好。

基于神经辐射场的视点合成算法综述

基于图像的视点合成技术在计算机图形学与计算机视觉领域均有广泛的应用,如何利用输入图像的信息对三维模型或者场景进行表达是其中的关键问题。最近,随着神经辐射场这一表示方式的提出,大量基于此表示方法的研究工作对该方法进行了进一步优化和扩展,在准确性、高效性等方面取得了良好的成果。该类研究工作可以根据研究目的大致分为两大类:对神经辐射场算法本身的分析以及优化,和基于神经辐射场框架的扩展及延伸。第一类研究工作对神经辐射场这一表示方法的理论性质和不足进行了分析,并提出了优化的策略,包括对合成精度的优化、对绘制效率的优化以及对模型泛用性的优化。第二类研究工作则以神经辐射场的框架为基础,对算法进行了扩展和延伸,使其能够解决更加复杂的问题,包括无约束拍摄条件下的视点合成、可进行重光照的视点合成以及对于动态场景的视点合成。在介绍了神经辐射场模型提出的背景之后,对以其为基础的其他相关工作按照上述分类进行了讨论和分析,最后总结了神经辐射场方法面对的挑战和对未来的展望。

用户任务预测研究进展与算法分析

用户在执行不同任务时,会表现出不同的感知行为。知道用户正在执行的任务可以帮助进行用户行为的分析,也可以作为智能交互系统的输入,使得系统自动根据用户不同的任务提供不同的功能,改善用户的体验。用户任务预测指的是根据用户的眼睛运动特征、场景内容特征等相关信息来预测用户正在执行的任务。用户任务预测是视觉研究领域中的一个热门研究课题,研究者们针对不同的场景提出了很多有效的任务预测算法。然而,以往工作中提出的算法大多是针对一种特定类型的场景,且不同算法之间缺乏统一的测试和分析。本文首先回顾了图片场景、视频场景、以及现实场景中用户任务预测问题的相关进展,接着对目前主要的任务预测算法进行了详细的介绍。并在一个现实场景任务数据集上对相关算法进行了测试和分析,为未来的相关研究提供了有意义的见解。

参数域边界平直化的模型表面参数化方法

为了支持简化模型纹理边界、满足模型简化中纹理映射需求,提出了一种参数域边界平直化的模型表面参数化方法.给出了由变换能量、防翻转能量和稀疏能量组成的能量方程.求解时引入辅助变量并求得近似解.实验中分别使用文中方法和已有参数化方法进行比较.在使用缺省参数情况下,文中方法面积和角度扭曲都处于合理范围.将不同参数化方法得到的带纹理模型简化到相同简化率.从简化误差数值和简化后视觉效果进行定量定性分析,都证实了文中方法更具优越性.进一步可以将其应用到游戏、航空等领域.

基于虚拟现实技术的三维场景图像表面重建算法

针对传统三维场景图像表面重建特征点匹配精度不高、计算复杂等实际问题,提出基于虚拟现实技术的三维场景图像表面重建算法。使用小波分解处理图像纹理信息,量化编码图像,并把视觉点和图像的间距作为度量值,挑选恰当临界值完成图像压缩,剔除三维场景图像冗余数据;计算图像中的启发式信息,更新信息素矩阵,运用信息素矩阵临界值明确像素点是否为图像边缘点,提取三维场景图像边缘信息;利用虚拟现实设备计算三维场景最小识别距离,推算理论图像投影值与实际投影值偏差,通过偏差值校准图像表面重建像素值,完成高精度三维场景图像表面重建目标。仿真结果表明,所提方法可有效捕捉三维场景图像中的关键特征,重建后的图像分辨率得到显著提升。