基于局部区域面积度量的边折叠简化算法

目前提出的网格简化算法中,边折叠简化方法是一种主要的简化方法,在网格压缩、多细节层次模型生成、递进网格构造中得到了广泛的应用.本文在基于边折叠算法基础上引入局部区域面积度量方法,将其应用到折叠代价计算中,改变边折叠顺序以进行网格简化.实验表明,算法不仅能有效地保留原始网格的模型特征和视觉特征,速度更快而且能够合理地分配三角面片.

一种三角形折叠网格模型简化的改进算法

目前提出的网格简化算法中,三角形折叠简化方法是一种主要的简化方法,在网格压缩、多细节层次模型生成、递进网格构造中得到了广泛地应用。提出一种基于三角形折叠的网格模型简化改进算法,在基于三角形折叠的基础上,在计算三角形折叠误差代价时引入局部区域面积度量参数,有效控制简化模型的三角形折叠顺序。实验表明,采用该文算法简化后的模型更逼近原始模型。

基于三角形折叠的保持外形特征的网格简化算法

针对大规模模型数据量庞大,难以实时显示的问题,为了压缩数据量,对已有的三角形折叠网格简化算法进行改进.该算法采用球面来拟合原始曲面,在球面上选取新的顶点,并引入局部区域面积度量参数作为三角形的权值来确定三角形的折叠次序,能够在简化程度较高的情况下很好保持原始模型的几何特征、拓扑结构和边界特性.实验表明,该算法是有效的,能有效逼真原始模型.

基于亚像素边缘检测的高精度相机标定方法

在许多实际应用场景中,标定图像不清晰、靶标检测精度低常常导致相机标定精度不足,这制约了测量精度的提高。针对该问题,提出一种基于亚像素边缘检测的双目相机标定方法。首先,利用自适应双阈值的Canny算子获取靶标标识点的整像素边缘初值。然后,以整像素边缘初值为中心,根据局部区域面积效应估计非连续性边缘模型的二阶边缘参数,并对亚像素边缘点集进行椭圆拟合,得到靶标标识点的准确位置。最后,通过标识点的排序位置矫正获取用于求解标定参数的标识点检测点集,实现了复杂环境下相机的高精度标定。典型标定场景的测试实验结果表明,相较于现有方法,所提方法对常规环境的标定精度提升了23%,对低对比度、低相对分辨率的高温烘箱环境的标定精度提升了68%。