多维曲面成形运动规划中三维模型数据处理研究

多维曲面成形过程中三维模型读取和空间目标点的求解效率对提高成形速度具有重要影响作用。随着STL模型复杂度提升,三角面片数量相应增加,计算复杂度大幅增长,求解效率降低,运动规划和图案映射过程计算难度也随之增加。针对上述问题基于深度学习方法提出一种三维模型数据处理及运动规划方法,并与传统的计算规划方法进行对比。实验结果表明,所提方法能有效提升曲面打印中模型数据点定位速度2倍以上,定位速度随求解点数据量增加而提升,且对模型顶点数增加具有鲁棒性,大大提升运动规划速度,为多维曲面成形运动规划求解提供新思路,适用于大规模数据计算且可被用于直接交互现实的生产制造任务。

人体运动姿态图像矫正识别仿真研究

在对姿态图像进行视觉矫正的过程中,人的运动存在较大的随机性,导致三维运动参数无法在一定区域内固定。当运动参数发生变化时,会导致传统的姿态识别在参数对比过程中,姿态特征的类内差异与类间差异过小无法提取的问题。导致姿态矫正精度低、准确性差。提出一种将三维运动形态识别应用于姿态矫正的方法,通过Gabor滤波器及图像的Gabor小波特征,提取运动图像的二维Gabor小波特征,检测正面运动形态,并定位一张正面运动形态和一张运动形态图像中重要的运动形态特征点。利用采集的二维Gabor特征向量与一个常用的3D运动形态数据库重建三维运动形态模型。并通过模板匹配与线性判别分析对其进行处理,获取模型的类内差异与类间差异,实现三维运动形态矫正。依据运动图像在三维空间中的旋转所投影的平面图像,实现运动图像的姿态矫正。仿真结果表明,所提方法具有较高的矫正精度。

基于图像三维重建的退役零件表面失效特征表征方法

退役零件的失效程度是判断其可再制造性的关键因素之一,为克服失效程度难以快速精确量化的问题,提出一种基于图像三维重建的退役零件失效特征表征方法。针对失效特征重建精度要求高的特点,在由运动恢复形状(Shape from motion,SFM)算法的基础上提出一种自标定全局SFM三维点云重建算法,利用光束平差法优化相机焦距、径向畸变参数,实现了相机自标定,增加了全局SFM算法的鲁棒性;以重建有效三维点数量占比、点云完整度和相机位姿准确度为评价指标,构建了重建精度评价模型,实现了图像三维重建精度的量化评价;提出了退役零件表面失效特征量化方法和实施流程,并定义了失效特征信息计算公式;最后,以电梯导靴为例,对其表面磨损失效特征进行了量化表征。试验结果表明,该方法可以有效地用于毫米级及以上的退役零件表面失效特征的快速量化表征。

肝脏多b值扩散加权图像的三维配准

针对肝脏扩散加权图像采集过程中病人的呼吸运动以及b值较高时图像的变形会导致不同b值的图像间出现偏差,提出一种新的三维配准算法以提高多b值扩散图像间的重叠率。应用体素不相干运动(intra-voxel incoherent motion,IVIM)模型,对图像进行参数拟合得到拟合精度,然后利用拟合精度构造权重矩阵对图像中不同位置自适应地加权自由形变(Free-Form Deformation,FFD)实现多b值弥散图像的精确配准。12组图像经过配准后,不同b值图像之间的重叠率明显高于配准前,在b值较高时效果更加明显,其差异具有统计学意义。本文提出的方法具有优良的配准效果,能够帮助临床诊断进行精确的量化分析。