一、一种新的压缩体素模型及其应用(论文文献综述)
李海江[1](2020)在《航海模拟器中基于物理模型的海洋场景建模》文中研究表明航海模拟器是虚拟现实技术在交通运输工程领域的重要应用,发展至今,已在航海教育、工程论证、学术研究等诸多领域发挥了重要作用。为进一步提升海洋场景的物理真实感,解决航海模拟器中交互场景建模复杂的问题,提高视景系统中海洋场景模型的集成度,本文围绕航海模拟器中基于物理模型的海洋场景运动与交互建模等关键技术进行深入的理论研究与探索,以期为提升航海模拟器性能提供理论基础与指导。为提升海洋场景的物理真实感,本文采用拉格朗日形式的Navier-Stokes方程组作为海水运动的控制方程组,并基于光滑粒子流体动力学方法对控制方程进行离散求解。主要针对海水的不可压缩性、边界处理与流固交互、海上溢油建模、随机脉冲风场建模、面向SPH框架的海洋表面重构等五个关键问题进行深入研究,旨在提出一种基于SPH框架的多场景建模方法,以降低不同场景模型之间的耦合难度、增强系统扩展性。为进一步增强SPH框架的不可压缩性,本文将以速度散度为源项的PPE与基于位置动力学的非线性密度约束相结合,提出一种新的混合不可压缩SPH框架。该框架首先通过求解密度约束,直接在位置层面调整粒子分布,保持密度不变性,然后通过求解PPE获得无散速度场,保证密度变化率为零。混合SPH模型通过限制密度变化量和密度变化率实现了更理想的不可压缩性。为解决航海模拟器中流固交互建模难度大的问题,本文基于混合SPH框架提出一种自适应单层非均匀采样边界粒子模型。该模型采用三维泊松圆盘采样(Poisson Disk Sampling,PDS)算法将刚体采样为单层边界粒子参与海水粒子物理属性的计算。引入人工质量,根据三维刚体的形状自适应地调整边界粒子贡献量,采用校正因子,修正缺失层边界粒子的贡献量,保证了边界海水粒子物理量计算的稳定性与交互过程的有效性。该边界模型与混合SPH模型自然耦合,且能自适应地处理各种形状的复杂边界。为解决航海模拟器中溢油场景物理真实感不足以及模型耦合难度大的问题,本文在混合SPH框架基础上,针对海上溢油场景,提出一种改进的粒子数密度模型。该模型基于等静态密度假设,可统一处理包括非均匀采样的边界粒子在内的所有邻域粒子,解决了流体交界面附近密度不连续的问题,能够有效地模拟海上溢油的扩散、漂移以及破碎等典型场景。为模拟大风浪等恶劣海况,基于混合SPH框架,提出一种三维随机脉冲风场模型。该模型基于Perlin噪声对初始风场进行扰动,采用改进的风廓线方程模拟风速的垂向衰减,通过调整脉冲周期及脉冲宽度可灵活控制风场强度。该风场模型可以有效地模拟海浪翻卷等复杂航海场景。为提升基于SPH框架的海洋表面重构效率与真实感,本文提出一种改进的各向异性屏幕空间流体渲染算法。该算法基于加权主成分分析法构造海水粒子位置协方差矩阵,采用双边Jacobi方法对协方差矩阵进行奇异值分解从而构造关于海水粒子的各向异性变换矩阵。推导了一种新的各向异性分段函数用于解决边缘区域海水粒子的畸变问题。相比于传统的屏幕空间算法,改进的各向异性屏幕空间算法不仅能产生更平滑的海水表面,而且能够很好地保留边缘特征,产生更精细的飞溅细节。本文提出的基于混合SPH框架的海洋场景运动与交互建模方法具有很强的应用性,其建模过程统一、系统集成度高,可以在统一的SPH框架下模拟多种典型的海洋场景,对提升航海模拟器性能具有重要的意义,为基于物理模型的航海模拟器海洋场景建模奠定了的理论基础。
运好[2](2019)在《双级带冠整体涡轮叶盘数控电火花加工轨迹仿真与验证》文中研究指明涡轮叶盘是航空航天发动机核心部件,其性能的优劣将直接决定航空航天发动机性能。涡轮叶盘结构越来越趋向于整体式、闭式(带冠)和多级结构,极大提高了涡轮叶盘的综合性能。由于带冠整体涡轮叶盘通常具有叶片弯扭程度大、叶片通道狭窄等难加工特点,多轴数控电火花加工成为主流趋势,数控电火花加工中由于成型电极、加工轨迹复杂,使得成型电极加工轨迹仿真与验证具有重要意义。本文基于压缩体素模型方法,进行双级带冠整体涡轮叶盘的电火花加工轨迹仿真与验证研究。为了提高仿真的效率,引入压缩体素模型方法,通过分析其内部数据结构,得到了压缩体素模型布尔运算准则;并对传统Marching Cube算法进行了优化,得到一种新的压缩体素模型表面提取算法。基于压缩体素模型方法,生成了双级带冠整体涡轮叶盘局部双通道毛坯和成型电极压缩体素模型,减少了模型的存贮容量;根据电火花加工轨迹构造成型电极扫描体压缩体素模型,通过与局部双通道毛坯压缩体素模型进行体素布尔减运算完成多轴数控电火花加工轨迹仿真;采用优化后的Marching Cube算法对仿真加工后模型表面进行提取,得到局部双通道仿真加工表面模型;提出一种FABS误差分析方法,应用该方法进行了局部双通道仿真加工主要型面的误差分析。本文通过开发《双级带冠整体涡轮叶盘五坐标数控电火花加工仿真与验证》系统,完成了西安航天某公司的双级带冠整体涡轮叶盘的加工轨迹仿真与验证,保障了成型电极设计与路径规划的正确性。
白童垚[3](2019)在《基于深度学习的三维场景下障碍物感知技术的研究与应用》文中认为科学技术的发展与关键技术的突破往往会解决相关领域内的重要科学问题,从而带动社会经济的蓬勃发展。得益于近些年深度学习技术的快速创新,许多传统技术无法攻克的问题正在不断被解决,同时硬件技术的革新和大规模数据的出现有助于深度学习在计算机视觉领域取得突破性的进展。在人工智能时代,无人驾驶车作为新时代人类出行的交通工具,其相关技术有着极其重要的研究意义。本文主要针对无人驾驶中复杂道路场景下的三维感知任务提出解决方案,工作重点主要包括两个方面:检测和追踪。对于检测任务,本论文对基于深度学习的3D物体检测算法进行深入研究,在激光雷达采样的点云数据表征方面设计了具有局部信息的综合特征,在3D物体检测方面提出了拥有自相关注意力机制的深度学习模型(SCANet)。对于追踪任务,本文使用卡尔曼滤波以及匈牙利匹配算法对道路上检测到的障碍物进行运动状态的估计以及运动轨迹的关联。本文的主要研究内容以及创新点如下:(1)针对现有3D物体检测技术中对于点云数据的表征信息挖掘不充分的问题,本文提出了一种新的特征设计方法,首先将点云数据转化为3D体素网格形式,然后通过对每个网格的水平角度编码引入了局部方向信息,最后将局部信息和全局信息综合得到新的点云表征。(2)为了更好地解决微小及遮挡物体的检测问题,本文考虑了激光雷达(LiDAR)采集到的点云数据和摄像头(Camera)采集的图像信息,在这两种不同模态数据融合过程中引入了一种新的自相关注意机制,设计了具有自相关注意力模块的深度学习模型,该模型旨在充分挖掘点云和图像的空间及外观信息,发掘互补信息以进一步消除模态鸿沟。最终在KITTI基准数据集上的实验结果表明,本文提出的方法获得了3D物体检测性能上的提升。(3)为验证本文提出的深度学习模型的有效性,经过对模型的压缩将其应用在自动驾驶中障碍物的检测上,用卡尔曼滤波算法和匈牙利图匹配算法对道路上检测到的障碍物进行运动状态的估计及运动轨迹的关联,在ROS平台上实现了多目标追踪的渲染和演示,仿真实验结果展示了本文所用模型和算法在多目标检测和追踪上的有效性和鲁棒性。
王丹[4](2020)在《复杂环境下的场景语义理解及其关键技术研究》文中指出场景语义理解是机器感知现实空间的重要手段,是解决高层次视觉任务的基础和关键。因此,它在工业自动化、智能机器人、自动驾驶、智慧交通、遥感测绘等领域具有重要的研究意义。然而,由于现实场景中环境复杂,包含大量物体,并且受到遮挡和光照等因素的影响,使得基于二维图像的语义理解方法性能受到影响,准确度不够高。随着传感器技术的发展,激光雷达已成为获取三维场景数据的有效手段,并得到了广泛应用。因此,基于三维数据的分析方法成为理解真实场景的关键,具有重要研究意义。本文致力于对复杂场景语义理解中的关键技术展开研究,重点针对场景下的语义分割和物体识别,结合二维图像信息与三维点云信息,开展了图像分割、点云特征提取,多模态特征融合等方面的研究,并将语义理解信息应用到物体姿态估计中。本文的主要研究工作和创新点如下:针对现有交互式分割算法对初始种子点数量和位置敏感的问题,从高效利用图像上下文的角度出发,提出了一种基于多层非参数模型的交互式分割算法。通过建立多层非参数模型求解能量函数中的数据项。在平滑项估计中,增加了像素及其对应区域之间的标签一致性约束,可以将其视为像素的高阶势能。为了更好地平衡算法的效率和精度,研究了如何在不影响算法精度的情况下减少各层之间的交互,降低算法的复杂度。最后通过实验验证了本文方法在准确性与效率方面的优势。为了提高图像语义理解的精度和鲁棒性,解决图像中语义性弱、目标尺度变化大等问题,提出了一种基于多路径连接的图像分割网络。在网络编码的初期阶段采用金字塔结构建立多路径信息。由于编码器中的每条路径都包含不同层级的特征,具有丰富空间信息的低层特征可以指导高层特征的提取过程。此外,提出了一种多分支特征提取模块来处理目标物体的尺度变化。实验结果表明,该方法具有较强的特征学习能力,可以捕获不同尺度的目标物体,无需后处理即可获得令人满意的分割结果。针对三维点云的无序性、不规则性等问题,提出了一种基于空间点关系的点云识别和分割方法。首先,提出了一种空间点相关性路径,该路径同时考虑了空间信息和点相关性信息,可以生成高维特征,更好地描述点云的细节,同时不需要显示地搜索中心点及其邻域点,从而降低了算法的复杂度。然后,基于该路径构造一个简单高效的网络,将点特征、相关性特征和全局特征结合起来,用来表达不同层次的特征。实验证明了所提方法的有效性,该方法对特征的判别能力更强。为了进一步提高三维场景理解的准确性,减少物体遮挡、截断等因素的影响,使系统能够理解更复杂的场景,提出一种基于多模态特征融合的语义理解网络。首先,提出一种基于特征细化路径的轻量级网络提取二维图像特征。其次,提出一种能够有效利用图像特征,空间几何结构和全局信息的三维场景语义分割框架。该方法采用异构的网络架构,有效地结合了图像信息和点云信息,解决了使用单一数据结果不够精细的问题。最后,在实验中证明了所提方法对理解三维场景的有效性。将语义信息应用于目标物体的姿态估计中,提出了一种高效的物体六自由度姿态估计方法。从场景语义理解和多模态数据特征提取两方面着手,将语义信息引入姿态估计网络,采用从整体到局部的方式预测物体姿态。为了充分利用深度图像和RGB图像的优势,提出一种基于空间注意力机制的外观特征和几何特征的融合方法。该方法采用基于注意力机制的自适应融合方式提高特征的表达能力。最后在实验中验证了本文方法的有效性和鲁棒性。
黄磊[5](2020)在《3D画笔建模及虚拟触觉绘制过程控制方法研究》文中认为无论从企业层面还是从普通消费者的层面来讲,产品外观设计在现代工业零部件或消费类产品概念设计阶段均占有越来越重要的作用。产品外观概念设计,包括产品总体外形设计以及该产品外表面的美观装饰,通常主要借助计算机辅助工业设计(简称CAID)的方法来完成。对于设计师来讲,CAID技术已成为一种能快速完成各种工业产品零部件外观创新设计和展示产品功能的有效方法。传统的CAID技术采用全局纹理映射方法实现从二维图形到三维模型外表面的转换,借以实现3D产品外表面的美观装饰。然而,从2D图形到3D物体复杂外表面的纹理映射过程很容易引起原有2D图形不可控扭曲、走样,且纹理映射施加过程既繁琐又易耗用过多的计算机内存资源。在产品外观创新设计中,设计师瞬间灵感扮演着非常重要的作用,而纹理映射技术需要映射二维图形到虚拟三维物体外表面,其过程僵硬,妨碍了设计师去自由随意捕捉设计灵感。伴随着绘画、书法等一系列带有特定风格化的虚拟绘制技术深入发展,直接在三维表面进行绘制和装饰的技术开始得到越来越多的关注。针对以上问题,本文提出了一种新型的变刚度3D画笔仿真模型及三维物体模型表面触觉绘制过程控制方法,主要研究内容如下:(1)深入分析了实际绘制过程中力对画笔工具弯曲变形的影响机理,综合研究了画笔笔杆的施加弯矩、绘制表面摩擦力、笔头湿度与3D画笔实时变形的内在关系,提出了一种新型的基于变刚度与弹塑性3D画笔力反馈仿真模型。首先采用弹塑性弯曲虚拟弹簧振子模型构建画笔力学模型,仿真画笔受力与画笔弯曲挠度位移、转角之间的关系。根据待绘制物体表面实际材质特性确定对应的动态摩擦系数,结合弯曲变形微分方程求解得到绘制表面对画笔笔头的反力,实时计算3D画笔与虚拟物体表面间的动态摩擦力。基于笔杆受力、绘制表面摩擦力、运笔速度、笔头湿度等物理量构建画笔笔头分叉的仿真模型。通过分解画笔为中心骨架与蒙皮的三角网格表面构建了 3D画笔几何模型。基于画笔所受弯矩、绘制表面摩擦力,利用改进的基于均值骨架驱动的三维网格变形技术实时模拟了画笔中心骨架弯曲变形及相应的笔头表面变形,实现了力对画笔弯曲变形的动态控制。(2)虚拟二维笔道绘制控制方法研究。首先,根据运笔过程中画笔受力与画笔变形的关系,建立了单次采样时刻弯曲变形的虚拟3D画笔与虚拟绘制平面相交时的空间几何关系模型,并结合真实绘制中的笔触图样,运用有理B样条技术拟合出类似“雨滴”的笔触形状。用户使用力反馈设备的铁笔控制绘制系统中虚拟画笔行为,画笔笔触沿着运笔方向顺次叠加生成各种风格的二维笔道效果。(3)特殊笔道效果绘制控制方法研究。①触觉绘制过程笔道颜色控制方法。基于KM颜色光学理论提出了一种虚拟绘制过程中笔道水墨颜料颜色控制方法。采用KM光学理论基本微分方程推导得到任意颜料厚度为D时的相应反射系数与透射系数计算公式。以颜料的两个关键光学参数(反射系数与透射系数)为切入点,依次构建了单一颜料颜色仿真算法、多种颜料混合下的“调色”仿真算法、多层颜料叠加时的“罩色”仿真算法。建立了宣纸上所绘制颜料的反射率与颜料颜色亮度值(R,G,B)转换的计算方法,实现了对绘制笔道着色效果的实时存储。②触觉绘制过程笔道水墨扩散效果控制方法。提出了一种新颖的三维绘制水墨颜料传输与扩散行为控制模型。首先,研究了二维表面水墨颜料扩散机理,以此建立了一种基于纸元的宣纸纤维结构模型;建立了画笔与宣纸表面间的水墨颜料传输过程仿真模型,基于非稳态扩散第二定律建立了宣纸表面水墨混合液中水粒子扩散运动微分方程,仿真了水粒子在宣纸表面的实时扩散行为;通过引入动态扩散系数,建立了颜料粒子对流扩散微分方程,仿真了颜料粒子在宣纸表面水墨混合液中的扩散行为;建立了笔头及宣纸表面的水蒸发微分方程,实现了有效的蒸发过程模拟。提出了颜料粒子“沉积率”的概念,并给出了沉积率计算的半经验公式,仿真了颜料粒子在宣纸纤维中沉积及固化后的“粒状”现象。(4)研究了虚拟物体表面三维笔道实时触觉绘制控制方法。通过采用优化的混合八叉树层次包围盒技术与多线程动态任务分配并行计算技术保证了虚拟画笔与虚拟物体表面的实时、高效、精确的碰撞检测。利用一种“加权的平均距离”算法,实现了笔头与虚拟物体表面间的触觉力模拟,仿真了绘制过程中笔头碰触3D表面时的触感。研究了一种球扩展操作算法建立了弯曲画笔的最小包围球。基于最小包围球计算得到了虚拟投影平面的平均法矢及空间位置。研究了一种局部实时映射技术,可将虚拟平面上的2D笔触实时映射到虚拟三维物体表面,得到虚拟三维笔触。通过控制画笔受力,沿着绘制方向将每个采样时刻得到的不同大小、形状的三维笔触叠加便得到虚拟三维笔道。虚拟绘制中,艺术家通过实时触觉与视觉反馈,“有意”控制虚拟绘制行为,创作出满足艺术要求的三维模型表面笔道绘制效果,提高了三维表面绘制过程自由度和真实感。(5)三维触觉交互绘制系统实时性优化研究。为保证虚拟绘制过程中系统的实时性性能,开展了触觉绘制系统实时性优化研究。首先深入分析并给出了触觉绘制中力反馈响应频率的合理设定规则。然后考虑了画笔动态采样时间对绘制系统运行过程实时性性能的影响,通过实时优化虚拟画笔动态采样时间Δt,并集成多线程并行处理技术,有效提高了触觉绘制系统运行时的总体流畅性、实时性。
彭朋[6](2020)在《多模态影像遗传学数据的信息提取方法研究》文中研究指明随着信息化在大脑神经科学领域的不断深入,多模态神经影像数据和基因数据急剧增加,融合多模态数据分析精神疾病致病机理并进一步应用于精准医疗已经成为全球科技界、卫生界和工业界关注的热点。影像遗传学是一门新兴的交叉学科。它主要运用脑影像技术将人类大脑的功能或结构作为内表型来评价基因对个体的影响,使得人们可以在脑的宏观水平上以更客观的测量方式探索基因对人的行为或精神疾病的影响。机器学习算法是分析影像遗传学数据的常用方法之一。通过建立稀疏模型,从多模态的影像遗传学数据中提取特征,这些特征对应的脑区和基因可以为辅助疾病的临床诊断与治疗。但从具有“高维度,小样本”特点的影像遗传数据中发现与精神疾病(例如精神分裂症)相关的风险基因与异常脑区仍具有挑战。因此,寻找能够从多模态影像遗传学数据中提取显着特征的相关分析方法非常重要。本论文主要利用MCIC数据集上的f MRI数据作为影像表型数据,SNP数据和DNA甲基化数据作为基因型数据,开展精神分裂症的影像遗传学数据研究。围绕“提取与精神分裂症有关的风险基因,表观遗传因子和异常大脑区域”问题,分别建立了三个数学模型,具体的工作总结如下。(1)由于影像遗传学数据具有“高维度,小样本”的特点,探索基因突变对脑区功能的影响仍然是一个具有挑战性的问题。传统的方法分别对影像数据和基因数据集进行降维处理后,再计算其相关性,然而这忽略了影像表型变量和基因变量中的结构信息对最终结果的影响。为了提高对精神分裂症风险基因和异常脑区的识别,提出了一种新的基于统计独立性和结构稀疏性的典型相关分析方法(ISCCA)。ISCCA模型在传统CCA模型的基础上引入了独立成分分析(ICA)以降低特征共线性效应,克服了传统CCA特征选择的歧义性。此外,还在CCA模型中引入拉普拉斯图形结构的正则化项,提高了传统CCA模型特征选择的准确性。模拟实验结果表明,与其他CCA模型相比,ISCCA模型在相关系数中取得了优异的性能。此外,将ISCCA应用于MCIC数据集上,一组相互作用的基因-ROI被提取出来,它们被验证在统计学和生物学上均具有显着性。(2)随着神经影像技术和基因检测技术的飞速发展,整合多模态影像数据和基因数据以探索精神分裂症的致病因子的工作仍然十分有限。为了解决这个问题,提出了一种新的正交子空间上组稀疏联合非负矩阵分解(GJNMFO)算法。该算法将单核苷酸多态性(SNP)数据,功能磁共振成像(f MRI)数据和表观遗传因子(DNA甲基化)三模态数据投影到一个公共的基础矩阵和三个不同的系数矩阵中以识别与精神分裂症有关的风险基因、表观遗传因子和异常大脑区域。具体来说,在基矩阵上引入正交约束,以删除系数矩阵行向量中不重要的特征。由于影像遗传数据具有丰富的分组结构信息,因此在三个系数矩阵上施加组稀疏约束,使选择的特征更加准确。模拟和真实的MCIC数据均被执行以验证模型的有效性。仿真结果表明,GJNMFO模型优于其它有竞争力的模型。通过MCIC数据集的实验,GJNMFO揭示了一组与精神分裂症有关的风险基因、表观遗传因子和异常的脑功能区域。(3)精神分裂症是一种复杂的精神疾病,其致病机理目前尚不清楚。利用稀疏表示和字典学习(SDL)算法分析精神分裂症的f MRI数据集是目前研究精神分裂症发病机制的常用方法。SDL方法将f MRI数据分解为稀疏编码矩阵X和字典矩阵D。然而,传统的SDL方法忽略了X中的群结构信息和D中的原子间的相干性。为了解决这个问题,基于SDL模型提出了一种GS2ISDL模型。该模型从f MRI和SNP数据中提取与精神分裂症相关的异常脑区和基因。具体来说,根据AAL解剖模板将f MRI数据进行分组,然后将这些分组信息作为先验用于指导编码矩阵实现组间稀疏。除此以外,还通过1L范数使得编码矩阵实现组内稀疏。此外,GS2ISDL算法还对字典矩阵D施加非相干约束,以减少D中原子之间的相干性,从而保证X的唯一性和原子的判别性。为了验证GS2ISDL模型的有效性和先进性,将其与IK-SVD和SDL算法在MCIC采集的f MRI数据上进行比较。定量结果表明,GS2ISDL的准确率为93.75%、精确率为94.23%、召回率为80.50%、MCC为88.19%,均优于IK-SVD和SDL。与IK-SVD算法相比,GS2ISDL算法的准确率、精确率、召回率和MCC值分别提高了5.5%、8.51%、5.28%和9.06%。与SDL算法相比,GS2ISDL算法的准确率、精确率、召回率和MCC值分别提高了6.24%、13.52%、7.65%和10.73%。本文分别构建了三个数学模型对精神分裂症的多模态影像遗传学数据进行信息提取研究,识别出了一些与精神分裂症有关的有关的风险基因,表观遗传因子和异常大脑区域,为精神疾病的预防、诊断和治疗提供了新的理论基础。
胡海龙[7](2020)在《面向机械数字化产品的点云模型骨架提取和形状分析研究》文中指出随着计算机技术的不断发展和提高,机械产品数字化设计广泛流行,即运用计算机辅助设计、CAD/CAM数字化仿真技术,对机械产品开发的全过程给予相应的技术支持,从而促进产品设计信息的更新以及设计技术的完善。随着逆向工程与产品创新设计的紧密结合,逆向工程技术在数字化产品设计中的应用也越来越广泛。其中,产品模型的数据采集和表示,特别是点云模型的获取和处理,已成为逆向工程中的重要研究内容和机械工程设计领域中的热点课题。本文以三维点云模型为研究对象,围绕机械产品数字化设计中的关键问题,分别从曲线骨架提取、形状描述符构建、相似性分析和模型分类与检索等内容进行深入研究,并开发了基于机械点云模型的检索系统应用。主要研究工作如下:曲线骨架是一种重要的物体形状描述符,在产品数字化设计、计算机辅助设计、计算机图形与可视化等领域有着广泛的应用。本文提出一种基于点云模型截面形心点集的曲线骨架表达形式,并给出相应的计算和提取方法。首先,根据二力平衡公理给出三维点云模型横截面形心点的近似计算方法。接着,给出一种三维点云模型距离场变换的近似算法,并将其与曲率相结合获取混合特征点。利用KNN和主成分分析法估计点云模型法向量,并构造二次能量函数优化法向方向,通过引入相关面和相关点的定义和计算方法,将这些混合特征点沿骨架引导的法向偏移,逼近局部形心。然后,构造出一种基于距离、法向和曲率的张量谱聚类算法,并结合区域增长聚类算法对形心点集进行简化,最终将它们连接成一个初始连通曲线骨架。此外,还通过整理、修剪和拉普拉斯平滑算法来优化初始骨架。将本文的结果与几种最先进的算法(包括ROSA和L1-中值方法等),从正确性、中心性、组份可分性、不同姿势或变形下的不变性、拓扑一致性、通用性、鲁棒性和光顺性等骨架性质以及计算效率等方面进行比较,以评估本文方法的有效性和优越性。三维模型的局部自相似性是物体形状分析中的一个基本问题,已广泛应用于计算机图形学、可视化等相关领域的局部匹配和模型识别中。本文针对三维点云模型提出了一种基于三维特征张量的自相似性分析方法。首先,利用相关面和反向点对点云模型进行了形状直径函数(SDF)的近似计算。然后,使用谱聚类对模型进行过分割成模型子块,由KNN邻域点的形状直径函数、形状指数和高斯曲率矩阵构造三维特征张量。接着,利用张量范数及其分量范数和L1-中值映射构造了形状描述符,并定义了相似性度量,分析了模型子块之间的自相似性。最后,将本文方法与几种最新方法(包括部分匹配和显着性检测)进行了比较,实验结果表明,该方法提供了一种有效的形状描述方法,能够很好地识别点云模型的相似子块。三维模型相似性分析和检索分类研究是数字化产品逆向工程中的研究热点。传统的分类方法是基于人为设计的特征描述符,其结果和成效完全取决于形状特征的选择和提取。不同于传统的方法,深度学习算法可以让机器自动学习对象特征并分类,在图像处理领域已经比较成熟并且有突出的表现。但是三维点云模型数据处理方法不同于二维图像,三维数据处理上更加复杂。本文提出了一种基于卷积神经网络(Convolutional Neural Network,CNN)距离测定下(CNN-distance)的三维点云模型相似性分析方法。首先,对于(稀疏)点云模型进行坐标变换和稠密化等预处理,接着利用视点轨迹球和三维模型的测地线距离,对模型进行着色处理并得到三维模型的二维投影着色图像数据集。然后,通过训练阶段提取模型特征并利用softmax函数构建基准向量,通过深度学习测试阶段得到概率向量,再计算概率向量与基准向量间的欧式距离,得到最终分类。CNN-distance的训练和测试数据集来源于点云模型上的测地线距离对三维点云模型着色后不同视角下的二维彩色图像,同时基于距离判定来找到具备相似性的三维点云模型。实验表明,本文提出的着色数据集构建算法使得数据处理更简易,加入距离判别使得分类精度更高,且相对其它算法能够得到更好的检索准确率结果。基于以上的研究方法和成果,开发了一个面向机械数字化产品的三维点云机械(零部件)模型的检索系统 ZSTU-MMRS(Zhejiang Sci-Tech University Mechanics Model Retrieval System),可以选择三种方式进行检索:基于全局特征—曲线骨架的模型检索,基于局部特征—张量描述符的模型检索和基于CNN距离测定下的模型检索。介绍了检索系统的体系结构,阐述了系统主要功能,并给出了相应的案例检索结果,验证本文提出的三维机械(零部件)模型检索的原理和方法的可行性和有效性。最后,本文对曲线骨架提取、形状相似性分析和模型分类与检索等研究内容和成果进行了总结,并对今后的研究工作进行了展望。
侯增选,运好,赵向兵,王军骅[8](2019)在《双级带冠整体涡轮叶盘电火花加工仿真及验证》文中指出由于双级带冠整体涡轮叶盘具有结构通道狭小、叶片扭曲的特点,传统数控加工时刀具可达性差,多轴数控电火花加工是其主要的加工方法。论文主要研究了基于压缩体素模型的双级带冠整体涡轮叶盘仿真与验证方法:通过引入压缩体素模型方法,构建了双级叶盘毛坯和成型电极模型,减少了模型的存贮容量,根据电火花轨迹路径构造电极扫描体,通过与双级叶盘压缩体素毛坯模型布尔运算完成多轴数控电火花加工仿真;在传统Marching Cube算法基础上,提出了一种新的压缩体素表面提取算法,提取效率高,模型显示质量较好;应用RABS算法对加工仿真后模型表面进行误差分析并对误差分析结果进行可视化显示。采用上述方法,成功验证了成型电极的合理性及电火花加工轨迹的可行性。
邓志强[9](2019)在《广源胶结颗粒料离散数值模型仿真重构与力学特性研究》文中研究说明胶结颗粒料作为胶结颗粒料坝的主要筑坝材料,随着胶结颗粒料坝的大面积推广和应用,胶结颗粒料力学特性的研究刻不容缓。现阶段胶结颗粒材料力学性能研究主要通过物理实验的方式进行,耗资巨大、试验周期较长。随着计算机技术的快速发展,经济便捷、试验周期短的数值模拟成为研究胶结颗粒料力学特性的有效工具。然而,胶结颗粒料的多相非均质性使得构建胶结颗粒料数值计算模型成为限制数值模拟方法应用的主要问题。本文从广源胶结颗粒料离散数值模型仿真重构出发,通过理论分析与数值实验相结合的方式,针对胶结颗粒料力学特性及应用进行研究,主要研究内容如下:(1)建立了具有真实骨料特征的广源胶结颗粒料三维数字骨料仿真重构算法。针对数值模拟方法中生成具有真实骨料特征的数字骨料较为困难的问题,采用基于二维特征轮廓的三维骨料仿真重构方法,仿真重构了真实骨料特征的三维数字骨料,并将重构结果与采用三维扫描仪获取的真实骨料信息进行对比验证,证明了算法的有效性和高效性。(2)提出了包含四相(骨料相、界面相、胶结相及孔洞相)的广源胶结颗粒料数值模型的仿真重构算法。针对胶结颗粒料中各相材料的非均质性且难以进行数字化表征的问题,通过三维数字骨料堆积算法引入骨料相,采用“火烧”算法引入界面相,利用模拟退火算法基于能量最小原理和两相流分布规律进行胶结相和孔洞相空间分布的优化,最终实现四相广源胶结颗粒料数值计算模型的仿真重构。(3)建立了预测广源胶结颗粒料单轴抗压强度的数学模型,针对工程中胶结颗粒料强度判定的快捷性和简便性需求,采用基于GPU异构并行的四维离散弹簧模型方法系统地研究了广源胶结颗粒料强度的影响因素,提出易于工程应用的简易强度预测公式。此外,针对筑坝材料对胶结颗粒料坝安全性影响的问题,分析了不同强度等级筑坝材料的变异性对于稳定蓄水期的胶结颗粒料坝安全系数的影响。
杨帆[10](2019)在《激光点云室内空间划分与自动建模方法》文中研究说明激光测量技术的最新发展激发了人们对室内建模的极大兴趣。越来越多的应用需要室内场景的三维建模,包括室内导航与定位、应急服务、人群管理、建筑规划和模拟等。利用室内三维点云进行建筑结构建模是构建城市信息模型的重要手段。室内空间具有一些不同于室外空间的特点,如多楼层性、封闭性。室内空间由于受室内建筑结构的约束,常表现为单元空间,呈现出有界性的特点。激光扫描技术具有采样率高、高分辨率、高精度、全景化扫描等优点,然而获取的室内三维点云通常是非结构化的,不包含语义信息。利用激光测量进行室内制图和三维建模面临着一系列的挑战:由于测量设备自身存在系统误差和室内环境的复杂性,采集的三维点云通常含有不同程度的噪声,同时由于室内包含一系列的家具设施,这种杂乱环境对激光扫描产生遮挡,造成获取的三维点云数据存在数据缺失和孔洞。因此单纯的从点云中提取结构元素(墙面,天花板和地板)的研究无法构建完整的建筑信息模型。一些研究侧重于构建可视化的三维模型,这些模型不包括语义信息,无法满足城市管理、建筑设计和仿真模拟的需要。最近的研究利用室内空间的单元特性(即房间),通过室内空间划分的方法实现了从严重遮挡环境的点云中重建室内三维模型。然而,这类方法仍存在一些问题,现有的室内空间划分方法通常只针对房间,不包括连通空间(例如,门),忽略了室内空间通过连通空间相互连通的现实情况。当无法从三维点云数据中获取清晰的墙面约束的情况下,现有的室内空间划分方法会面临无法正确划分房间的问题;当把这些方法扩展到多楼层空间的时候,楼梯连通空间的建模成为一个困难的问题。在本研究中,我们首先分析了从室内三维点云构建建筑三维模型的属性元素映射关系。提出结构约束下的空间划分和语义识别进行室内三维建模的逻辑模型。提出了室内空间的语义分类体系和室内结构约束的类型。对比单元空间的定义,提出复合空间的概念,完善了室内空间划分到单元空间的过程描述体系。为了实现室内大规模三维点云的平面结构元素提取,提出了一种基于正态分布变换单元的三维点云平面分割方法——NDT-RANSAC,该方法将三维点云采用离散化的体素单元表示,每个体素单元内的点集用正态分布描述。计算每个体素单元的NDT特征,即正态分布的数字特征,根据NDT特征将每个NDT单元分为平面单元和非平面单元。结合RANSAC方法,在每次迭代的过程中,选择一个平面NDT单元作为最小样本,以确保在同一平面表面上采样的正确性。为了实现含曲面墙的室内环境点云的切片线特征提取,提出了一种基于改进Mean-shift的点云线特征提取算法,实现了墙面曲线特征的提取,进一步利用直线判别和规则化实现墙面线特征的分类和整理。在三维点云的结构几何元素提取的基础上,提出了一种新的基于图割优化的单楼层房间划分方法。该方法利用墙平面或墙面曲线作为语义约束,利用形态学方法实现占用概率栅格的房间初始分割。在初始分割的基础上采用新的基于马尔可夫随机场模型的能量最小化目标函数,利用图割优化算法实现能量最小化目标函数求解,进而提高房间划分的准确性。通过房间划分和房间属性信息提取,实现房间重建。在房间重建的基础上分割出墙面点云进行墙面重建,提出墙连通空间的识别和建模方法,通过墙面标记和U-V方向区域生长算法实现了门窗结构元素的提取,实现了门窗的重建。通过对内墙与外墙分类,对主次墙进行合并与墙中心线提取,实现了墙实体模型构建。进一步将研究拓展到多楼层环境,提出了基于聚类的楼层划分方法和基于空间连通性进行楼梯重建(楼梯连通空间)的方法。最后研究了建筑表面模型和BIM模型的自动构建方法,实现了不同类型模型的整合与输出,最终实现了面向对象、包含丰富语义信息的室内建筑三维模型构建。通过拓扑约束将房间空间和连通空间相连接,保证生成的三维室内模型的拓扑一致性。本研究所提出的方法实现了“房间——单楼层——多楼层”、“房间——连通空间”、“表面模型——实体模型”三个层次的建筑室内三维建模。在多个合成数据集和真实世界数据集上对这些方法进行了验证,结果表明,本研究所提出的方法具有准确可靠的优点,适合多楼层、含曲线墙和大规模室内场景的自动化三维模型构建。
二、一种新的压缩体素模型及其应用(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一种新的压缩体素模型及其应用(论文提纲范文)
(1)航海模拟器中基于物理模型的海洋场景建模(论文提纲范文)
创新点摘要 |
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外相关研究现状及进展 |
1.2.1 海洋场景建模方法研究现状及进展 |
1.2.2 SPH方法的研究现状及进展 |
1.3 航海虚拟场景中海洋场景建模存在的问题及解决思路 |
1.4 本文主要研究内容与章节安排 |
2 海浪运动建模与SPH基本理论 |
2.1 海浪运动控制方程组 |
2.2 SPH基本理论 |
2.2.1 场函数的SPH表示 |
2.2.2 核函数 |
2.2.3 矢量场散度的SPH表示 |
2.2.4 标量场梯度的SPH表示 |
2.2.5 拉普拉斯算子的SPH表示 |
2.2.6 误差分析 |
2.3 控制方程的SPH离散 |
2.3.1 连续性方程的SPH离散 |
2.3.2 动量方程的SPH离散 |
2.3.3 时间积分 |
2.3.4 算子分裂 |
2.3.5 基于状态方程的SPH框架 |
2.4 本章小结 |
3 基于不可压缩SPH的海浪模拟框架 |
3.1 不可压缩性 |
3.2 压力Poisson方程 |
3.3 Divergence-Free SPH |
3.3.1 速度散度解算器 |
3.3.2 恒定密度解算器 |
3.3.3 DFSPH算法流程 |
3.3.4 不可压缩性验证 |
3.4 Hybrid SPH |
3.4.1 密度约束解算器 |
3.4.2 Hybrid SPH算法流程 |
3.4.3 不可压缩性验证 |
3.5 Divergence-Free PBF |
3.5.1 速度散度约束解算器 |
3.5.2 不可压缩性验证 |
3.6 实验结果与分析 |
3.6.1 解算时间分析 |
3.6.2 收敛性分析 |
3.6.3 时间步长分析 |
3.6.4 仿真效果展示 |
3.7 本章小结 |
4 边界处理与流固交互场景建模 |
4.1 三维Poisson盘采样 |
4.1.1 生成采样初始点集 |
4.1.2 网格划分 |
4.1.3 表面采样 |
4.1.4 采样结果展示 |
4.2 边界处理模型 |
4.2.1 粒子密度修正 |
4.2.2 控制方程修正 |
4.2.3 约束修正 |
4.2.4 刚体运动模型 |
4.3 仿真效果展示 |
4.4 本章小结 |
5 基于SPH框架的海上溢油与风场建模 |
5.1 粒子数密度模型 |
5.1.1 粒子密度修正 |
5.1.2 控制方程修正 |
5.1.3 约束修正 |
5.2 随机脉冲风场建模 |
5.2.1 基于Perlin噪声的风场扰动 |
5.2.2 风速的垂向衰减 |
5.2.3 脉动风场 |
5.3 仿真结果展示 |
5.3.1 海上溢油场景仿真结果 |
5.3.2 随机脉冲风场仿真结果 |
5.4 本章小结 |
6 面向SPH框架的海洋表面重构 |
6.1 多边形表面网格重构 |
6.1.1 基于Level set方法的表面定义 |
6.1.2 隐式表面的多边形化 |
6.2 屏幕空间流体 |
6.2.1 深度纹理 |
6.2.2 深度纹理滤波 |
6.2.3 各向异性深度纹理 |
6.2.4 重建观察空间位置与法向量 |
6.2.5 厚度图 |
6.3 仿真结果 |
6.4 本章小结 |
7 结论与展望 |
7.1 结论 |
7.2 展望 |
参考文献 |
作者简历及攻读博士学位期间的科研成果 |
致谢 |
(2)双级带冠整体涡轮叶盘数控电火花加工轨迹仿真与验证(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 整体涡轮叶盘电火花加工技术国内外现状 |
1.2.2 整体涡轮叶盘仿真技术国内外现状 |
1.3 论文总体框架和研究内容 |
2 压缩体素模型 |
2.1 Voxel建模技术简介与应用 |
2.2 三维体模型表示方法 |
2.2.1 三维网格模型 |
2.2.2 八叉树模型 |
2.2.3 Dexel模型 |
2.2.4 压缩体素模型 |
2.3 压缩体素模型布尔运算 |
2.4 压缩体素模型表面提取 |
2.4.1 传统Marching Cube算法 |
2.4.2 Marching Cube算法优化 |
2.5 本章小结 |
3 双级带冠整体涡轮叶盘数控电火花加工轨迹仿真 |
3.1 压缩体素模型建模 |
3.2 加工毛坯压缩体素模型 |
3.3 成型电极压缩体素模型 |
3.4 成型电极扫描体压缩体素模型 |
3.5 电火花加工轨迹仿真 |
3.6 本章小结 |
4 仿真误差分析 |
4.1 误差来源与控制方法 |
4.2 FABS方法原理 |
4.3 主要型面误差分析 |
4.3.1 叶片型面误差分析 |
4.3.2 叶片通道误差分析 |
4.4 误差分析报表 |
4.5 本章小结 |
5 系统开发与实现 |
5.1 系统开发工具介绍 |
5.1.1 Acis三维造型引擎 |
5.1.2 Open Inventor三维模型显示引擎 |
5.1.3 QT用户界面工具 |
5.2 系统开发 |
5.2.1 加工仿真模块 |
5.2.2 误差分析模块 |
5.3 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表学术论文情况 |
致谢 |
(3)基于深度学习的三维场景下障碍物感知技术的研究与应用(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 课题研究背景与意义 |
1.2 国内外研究现状 |
1.3 本课题主要研究内容与组织结构 |
第2章 基于深度学习的物体检测方法概述 |
2.1 深度卷积神经网络介绍 |
2.1.1 卷积层 |
2.1.2 池化层 |
2.1.3 Dropout |
2.1.4 Batch-Normalization |
2.1.5 激活函数 |
2.2 梯度下降算法 |
2.2.1 Adam优化器 |
2.2.2 动量梯度下降 |
2.3 物体检测中基础框架 |
2.3.1 one-stage代表模型介绍 |
2.3.2 two-stage代表模型介绍 |
2.4 3D物体检测方法概述 |
2.4.1 LiDAR-Only检测方法 |
2.4.2 Fusion-base检测方法 |
第3章 3D场景中障碍物检测算法设计 |
3.1 3D物体检测中的点云数据处理 |
3.1.1 点云数据手工特征表示设计 |
3.1.2 点云数据的数据增强方法 |
3.2 基于自相关注意力机制的多模态融合三维物体检测器设计 |
3.2.1 特征学习模块设计 |
3.2.2 跨模态特征融合模块设计 |
3.2.3 3D外包矩形框估计 |
3.2.4 损失函数定义 |
3.2.5 在线困难样例挖掘 |
3.3 实验分析 |
3.3.1 评估实验数据集 |
3.3.2 3D物体检测anchor设计 |
3.3.3 KITTI验证集上的实验结果 |
3.3.4 KITTI测试集上评估结果 |
3.4 本章小结 |
第4章 基于ROS系统的障碍物追踪器设计 |
4.1 ROS操作系统介绍 |
4.2 模型压缩 |
4.3 MOTracker对象运动状态估计 |
4.3.1 障碍物对象跟踪动态建模 |
4.3.2 卡尔曼滤波器状态更新 |
4.4 拓扑约束和匈牙利匹配 |
4.4.1 目标特征提取 |
4.4.2 拓扑关系描述 |
4.4.3 匈牙利算法 |
4.5 实验分析 |
4.6 本章小结 |
第5章 总结与展望 |
5.1 本文工作总结 |
5.2 未来工作展望 |
参考文献 |
致谢 |
攻读硕士期间发表的论文和取得的成果 |
(4)复杂环境下的场景语义理解及其关键技术研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 研究现状 |
1.2.1 卷积神经网络 |
1.2.2 二维图像分割 |
1.2.3 基于点云的三维场景理解 |
1.3 主要研究内容 |
1.4 论文章节安排 |
第二章 基于多层非参数模型的交互式分割 |
2.1 引言 |
2.2 条件随机场模型 |
2.2.1 能量函数 |
2.2.2 基于图割的优化方法 |
2.3 基于多层非参数模型的物体分割 |
2.3.1 多层图结构建立 |
2.3.2 似然项估计 |
2.3.3 平滑项估计 |
2.4 实验与分析 |
2.4.1 数据集 |
2.4.2 实验设置 |
2.4.3 结果对比 |
2.4.4 多层模型的有效性 |
2.4.5 模型分析 |
2.5 本章小节 |
第三章 基于多路径连接的图像语义分割 |
3.1 引言 |
3.2 深度神经网络优化 |
3.2.1 误差项计算 |
3.2.2 梯度下降优化算法 |
3.3 基于多路径连接的语义分割 |
3.3.1 多路径连接网络 |
3.3.2 多分支特征提取 |
3.3.3 网络结构 |
3.3.4 损失函数 |
3.4 实验与分析 |
3.4.1 数据集 |
3.4.2 实验环境 |
3.4.3 实验结果 |
3.4.4 模块有效性验证 |
3.4.5 模型分析 |
3.5 本章小结 |
第四章 基于空间点关系的点云特征提取 |
4.1 引言 |
4.2 基于点云的神经网络 |
4.2.1 面向点云的特征提取网络 |
4.2.2 基于分层结构的特征聚合 |
4.3 基于空间点关系的特征提取网络 |
4.3.1 空间相关性路径 |
4.3.2 特征融合 |
4.4 实验与分析 |
4.4.1 数据集 |
4.4.2 实验设置 |
4.4.3 实验结果 |
4.4.4 模型分析 |
4.5 本章小节 |
第五章 基于多模态数据融合的三维场景语义理解 |
5.1 引言 |
5.2 轻量级图像处理网络 |
5.2.1 空间细化路径 |
5.2.2 语义细化路径 |
5.2.3 细化路径聚合 |
5.3 二维图像到三维空间的映射 |
5.4 多模态数据融合网络 |
5.4.1 算法框架 |
5.4.2 二维图像分支 |
5.4.3 三维点云分支 |
5.4.4 特征融合 |
5.5 实验与分析 |
5.5.1 数据集 |
5.5.2 实验环境 |
5.5.3 实验结果 |
5.5.4 模型分析 |
5.6 本章小结 |
第六章 基于场景理解的物体六自由度姿态估计 |
6.1 引言 |
6.2 基于深度学习的六自由度姿态估计 |
6.2.1 姿态估计方法 |
6.2.2 姿态估计评价标准 |
6.3 基于场景理解的姿态估计网络 |
6.3.1 整体场景理解 |
6.3.2 基于空间注意力的多模态特征提取 |
6.3.3 姿态估计子网络 |
6.4 实验与分析 |
6.4.1 数据集 |
6.4.2 实验环境 |
6.4.3 实验结果 |
6.4.4 模型分析 |
6.5 本章小结 |
结论与展望 |
工作总结 |
工作展望 |
参考文献 |
攻读博士学位期间取得的研究成果 |
致谢 |
附件 |
(5)3D画笔建模及虚拟触觉绘制过程控制方法研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 课题研究背景与意义 |
1.2 国内外相关研究现状 |
1.2.1 虚拟画笔建模技术研究现状 |
1.2.2 虚拟绘制及控制技术研究现状 |
1.2.2.1 二维笔道绘制过程控制及仿真方法研究现状 |
1.2.2.2 虚拟三维绘制及控制技术研究现状 |
1.2.2.3 特殊笔道绘制效果控制技术研究现状 |
1.2.3 力觉反馈技术研究现状 |
1.2.4 碰撞检测技术研究现状 |
1.3 课题来源与论文主要研究内容 |
1.3.1 课题来源 |
1.3.2 本论文主要研究内容 |
2 基于变刚度的虚拟3D画笔力反馈仿真模型 |
2.1 画笔的基本结构与绘制过程绘制行为分析 |
2.2 虚拟3D画笔几何模型构建 |
2.3 虚拟3D画笔变刚度弯曲力学模型构建 |
2.3.1 画笔骨架弯曲变形的基本方程 |
2.3.2 弯曲骨架的弹塑性弯曲分析 |
2.3.3 力反馈仿真分析 |
2.3.4 画笔轮廓控制截面扁曲变形 |
2.4 基于骨架驱动的虚拟3D画笔网格表面变形算法 |
2.4.1 网格变形骨架均值子空间算法步骤 |
2.4.2 骨架子空间模型的改进 |
2.4.3 变形能量约束函数 |
2.5 虚拟3D画笔画笔笔头分叉建模 |
2.6 本章小结 |
3 虚拟触觉二维笔道绘制过程控制方法研究 |
3.1 虚拟二维笔道触觉绘制及控制方法 |
3.2 触觉绘制中特殊笔道绘制效果生成控制方法 |
3.2.1 触觉绘制中笔道颜色建模及控制 |
3.2.1.1 笔道颜色建模研究基础 |
3.2.1.2 KM颜料光学模型基本微分方程 |
3.2.1.3 笔道中单一颜料颜色绘制效果控制 |
3.2.1.4 笔道中多种颜料混合绘制效果控制 |
3.2.1.5 笔道中多层颜料叠加绘制效果控制 |
3.2.1.6 笔道颜色存储方法 |
3.2.2 触觉绘制中“水墨传输、扩散”效果建模及控制 |
3.2.2.1 宣纸建模 |
3.2.2.2 笔道初始区和扩散区分析 |
3.2.2.3 触觉绘制中画笔与宣纸表面间的水墨颜料传输过程控制 |
3.2.2.4 宣纸表面水粒子扩散过程控制 |
3.2.2.5 宣纸表面颜料粒子扩散过程控制 |
3.2.2.6 画笔笔头上颜料扩散过程控制 |
3.2.2.7 虚拟绘制中蒸发过程控制 |
3.2.2.8 颜料粒子在宣纸纤维中沉积过程控制 |
3.3 二维触觉绘制实验 |
3.3.1 虚拟二维笔道效果控制仿真实验 |
3.3.2 特殊笔道绘制效果控制仿真实验 |
3.4 本章小结 |
4 虚拟三维笔道触觉绘制控制技术 |
4.1 虚拟油泥造型技术 |
4.1.1 虚拟油泥造型方法 |
4.1.2 基于压缩体素形式的虚拟油泥模型表面信息提取与存储 |
4.2 虚拟画笔与虚拟三维物体之间的碰撞检测算法及接触力模拟 |
4.3 虚拟触觉绘制过程三维笔道的生成 |
4.3.1 最小包围球与投影平面的建立 |
4.3.2 虚拟三维绘制笔道生成算法 |
4.4 三维触觉绘制实验 |
4.5 本章小结 |
5 虚拟触觉绘制系统运行实时性优化研究 |
5.1 触觉绘制过程力反馈响应频率的确定 |
5.2 虚拟画笔动态采样时间优化 |
5.3 触觉绘制过程并行处理技术 |
5.4 本章小结 |
6 虚拟三维物体表面触觉绘制原型系统实现 |
6.1 虚拟触觉绘制系统开发平台 |
6.2 触觉交互设备工作原理 |
6.2.1 力反馈交互设备 |
6.2.2 三维鼠标设备 |
6.3 虚拟触觉绘制系统工作流程与运行界面 |
6.3.1 虚拟触觉绘制系统主要工作流程 |
6.3.2 虚拟触觉绘制系统三维渲染的openinventor场景图 |
6.3.3 虚拟触觉绘制系统主要运行界面效果 |
6.4 虚拟触觉三维绘制过程综合仿真实验 |
6.5 本章小结 |
7 结论与展望 |
7.1 结论 |
7.2 创新点 |
7.3 展望 |
参考文献 |
读博期间的科研项目及科研成果 |
致谢 |
作者简介 |
(6)多模态影像遗传学数据的信息提取方法研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 选题背景及意义 |
1.2 影像遗传学研究现状 |
1.2.1 单变量分析方法 |
1.2.2 多变量分析方法 |
1.3 主要研究内容及章节安排 |
1.3.1 论文研究内容和技术路线 |
1.3.2 论文章节安排 |
1.4 本章小结 |
第二章 数据预处理与稀疏表达 |
2.1 多模态影像遗传学数据处理 |
2.1.1 fMRI数据及预处理 |
2.1.2 SNP数据及预处理 |
2.1.3 DNA甲基化数据及预处理 |
2.2 稀疏表示和线性回归模型 |
2.3 正则化稀疏模型 |
2.3.1 Lasso与岭回归 |
2.3.2 弹性网络和Fused Lasso |
2.3.3 L21正则化 |
2.4 本章小结 |
第三章 基于统计独立性和结构稀疏性的典型相关分析方法研究 |
3.1 引言 |
3.2 典型变量相关分析算法 |
3.2.1 典型相关分析问题刻画 |
3.2.2 典型相关分析问题求解 |
3.3 基于统计独立性和结构稀疏性的典型相关算法 |
3.3.1 权重选择方法 |
3.3.2 ISCCA模型求解 |
3.4 仿真实验测试 |
3.4.1 模拟数据构造 |
3.4.2 参数选择 |
3.4.3 仿真实验结果 |
3.5 真实数据测试 |
3.5.1 统计显着性 |
3.5.2 真实数据实验结果 |
3.6 本章小结 |
第四章 在正交空间上组稀疏联合非负矩阵分解方法研究 |
4.1 引言 |
4.2 非负矩阵模型及其扩展 |
4.2.1 非负矩阵分解模型 |
4.2.2 联合非负矩阵分解模型 |
4.3 正交空间上的组稀疏联合非负矩阵分解 |
4.4 参数选择和性能估计 |
4.4.1 显着性估计 |
4.4.2 参数优化 |
4.5 仿真与测试结果 |
4.5.1 构建模拟数据 |
4.5.2 仿真结果及分析 |
4.6 GSJNMFO算法分析精神分裂症多模态影像遗传学数据的结果 |
4.6.1 参数选择 |
4.6.2 GJNMFO算法作用在影像遗传学数据上的结果及分析 |
4.7 本章小结 |
第五章 改进的稀疏表示和字典学习算法在fMRI数据上的研究 |
5.1 引言 |
5.2 稀疏表示与字典学习模型 |
5.2.1 SDL模型理论基础 |
5.2.2 GS2ISDL模型框架 |
5.2.3 引入组稀疏和非相干性的SDL模型 |
5.3 特异性模式提取和参数估计 |
5.3.1 特异性模式提取 |
5.3.2 模型参数选择 |
5.4 实验结果的定量比较 |
5.4.1 模型性能评估指标 |
5.4.2 GS2ISDL算法作用在f MRI数据集上的分类结果 |
5.4.3 GS2ISDL算法作用在SNP数据集上的分类结果 |
5.5 实验结果的定性分析 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 研究工作总结 |
6.2 论文主要创新点 |
6.3 展望 |
参考文献 |
攻读博士学位期间取得的学术成果及参与完成的课题 |
致谢 |
(7)面向机械数字化产品的点云模型骨架提取和形状分析研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景和意义 |
1.2 三维数字模型的表示方法 |
1.2.1 体素表示法 |
1.2.2 网格表示法 |
1.2.3 点云表示法 |
1.3 点云模型曲线骨架研究现状 |
1.3.1 点云模型曲线骨架提取方法研究现状 |
1.3.2 点云模型曲线骨架的性质 |
1.3.3 点云模型曲线骨架应用研究现状 |
1.4 点云模型局部相似性研究现状 |
1.5 深度学习卷积神经网络模型分类与检索研究现状 |
1.6 研究内容及章节安排 |
第2章 基于混合特征点和谱聚类的三维点云模型曲线骨架提取 |
2.1 引言 |
2.2 本文方法的预备知识和概述 |
2.3 初始骨架点创建 |
2.3.1 混合特征点的创建 |
2.3.2 法向量估计及其优化 |
2.3.3 相关面和相关点的计算 |
2.4 骨架点创建 |
2.4.1 基于张量的形心点谱聚类 |
2.4.2 同一组内形心点的区域增长聚类 |
2.5 骨架图的构建和优化 |
2.5.1 骨架修剪 |
2.5.2 关节点合并 |
2.5.3 曲线骨架光顺 |
2.5.4 非零亏格模型的环形生成 |
2.6 实验结果与讨论 |
2.6.1 结果讨论 |
2.6.2 本文HFPSC方法与其它方法比较 |
2.6.3 本文HFPSC方法的局限性 |
2.7 本章小结 |
第3章 三维点云模型特征张量描述符的构造及自相似性分析 |
3.1 引言 |
3.2 方法 |
3.2.1 算法概述 |
3.2.2 点云模型曲率估算 |
3.2.3 形状指数Shape index (SI)的计算 |
3.2.4 点云模型形状直径函数的计算 |
3.2.5 点云模型过分割 |
3.2.6 点云模型的特征张量构造 |
3.2.7 基于张量的点云模型相似块匹配 |
3.2.8 融合特征形状描述符和自相似性分析 |
3.3 结果与讨论 |
3.3.1 与其它描述符的比较 |
3.3.2 与其他方法比较 |
3.3.3 本文方法的局限性 |
3.4 本章小结 |
第4章 CNN距离测定下的三维点云模型相似性分析 |
4.1 前言 |
4.2 方法 |
4.2.1 数据预处理 |
4.2.2 数据集构建 |
4.2.3 网络训练及测试 |
4.3 实验设计与分析 |
4.4 本章小结 |
第5章 面向机械数字化产品的三维模型检索系统开发与实现 |
5.1 相关研究工作 |
5.2 面向机械数字化产品的三维模型检索系统的设计、开发与实现 |
5.2.1 系统简介 |
5.2.2 系统功能结构 |
5.2.3 模型数据库的构建 |
5.3 系统运行实例 |
5.3.1 检索实例 |
5.4 本章小结 |
第6章 总结与展望 |
6.1 论文总结 |
6.2 研究展望 |
参考文献 |
攻读博士学位期间发表的论文及其它成果 |
致谢 |
(8)双级带冠整体涡轮叶盘电火花加工仿真及验证(论文提纲范文)
0 引言 |
1 压缩体素Voxel方法及应用 |
1.1 压缩存储空间原理 |
1.2 Dexel链表布尔运算 |
1.3 Marching Cube算法优化 |
1.3.1 传统Marching Cube算法 |
1.3.2 优化后Marching Cube算法 |
2 多轴数控电火花加工仿真 |
2.1 Voxel建模 |
2.2 静态加工仿真 |
2.3 动态加工仿真 |
2.4 优化的Marching Cube提取加工表面 |
3 误差分析 |
4 结论 |
(9)广源胶结颗粒料离散数值模型仿真重构与力学特性研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景 |
1.2 广源胶结颗粒料模型的三维仿真重构 |
1.3 胶结颗粒料的数值模拟 |
1.3.1 连续数值模型 |
1.3.2 离散模型 |
1.3.3 连续和离散模拟方法的优缺点 |
1.4 数字图像处理 |
1.5 主要研究内容和技术路线 |
1.5.1 研究内容 |
1.5.2 研究技术路线 |
第2章 广源胶结颗粒料骨料三维数字仿真重构 |
2.1 概述 |
2.2 骨料级配信息生成 |
2.3 广源胶结料特征轮廓提取 |
2.3.1 分水岭分割算法 |
2.3.2 灰度图转换 |
2.3.3 梯度幅值矩阵创建 |
2.3.4 目标对象标记 |
2.3.5 背景对象标记 |
2.3.6 骨料特征轮廓提取及分析 |
2.4 广源胶结料三维数字骨料仿真重构 |
2.4.1 特征轮廓预处理 |
2.4.2 颗粒散点模型 |
2.4.3 STL数字骨料 |
2.5 三维数字骨料分析及验证 |
2.5.1 真实骨料信息获取 |
2.5.2 三维骨料形态表征评价参数 |
2.5.3 真实骨料与生成数字骨料 |
2.6 广源胶结料三维数字骨料重构程序设计 |
2.6.1 工作原理 |
2.6.2 使用流程 |
2.7 本章小结 |
第3章 广源胶结颗粒料数值计算模型的仿真重构 |
3.1 概述 |
3.2 骨料体素重建 |
3.2.1 体素重建规则 |
3.2.2 体素骨料重建过程 |
3.2.3 建立体素骨料文件数据库 |
3.3 初始模型生成 |
3.3.1 体素骨料堆积算法 |
3.3.2 四相三维胶结颗粒料表征及初始模型生成 |
3.4 模拟退火算法优化初始模型 |
3.4.1 模拟退火算法 |
3.4.2 二维胶结料模型优化 |
3.4.3 三维胶结料初始模型优化 |
3.5 广源胶结颗粒料数值计算模型生成 |
3.6 广源胶结颗粒料数值计算模型仿真重构程序设计 |
3.6.1 程序的工作原理 |
3.6.2 程序的使用流程 |
3.7 本章小结 |
第4章 广源胶结颗粒料力学特性仿真研究与应用 |
4.1 概述 |
4.2 基于多体破坏准则的四维离散弹簧模型 |
4.2.1 四维弹簧模型的多体破坏准则 |
4.2.2 弹簧键破坏后的本构模型 |
4.3 GPU异构并行计算 |
4.4 单相模型验证 |
4.4.1 骨料相模型计算 |
4.4.2 胶结相模型计算 |
4.4.3 界面相模型计算 |
4.5 广源胶结颗粒料的强度预测模型 |
4.5.1 广源胶结料离散数值模型建立及验证 |
4.5.2 输入参数分析 |
4.5.3 胶结颗粒料强度预测的仿真模型 |
4.6 胶结颗粒料强度影响因素 |
4.6.1 骨料形状 |
4.6.2 骨料空间变异性 |
4.6.3 孔洞相含量 |
4.7 胶结颗粒料坝安全系数 |
4.7.1 基于重力增加法的离散弹簧模型方法 |
4.7.2 稳定蓄水期胶结颗粒料坝安全系数 |
4.7.3 骨料堆积变异性对安全系数的影响 |
4.8 本章小结 |
第5章 结论与展望 |
5.1 结论 |
5.2 展望 |
参考文献 |
硕士期间发表论文及科研情况 |
致谢 |
(10)激光点云室内空间划分与自动建模方法(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究进展 |
1.2.1 三维点云数据获取 |
1.2.2 三维几何建模 |
1.2.3 基于三维点云的自动化建模 |
1.2.4 研究现状分析 |
1.3 研究内容 |
1.4 论文主要创新点 |
1.5 论文组织 |
第2章 结构约束下的室内空间划分与识别 |
2.1 室内空间的语义分类 |
2.1.1 现有的室内空间定义 |
2.1.2 面向室内三维点云的室内空间语义分类 |
2.2 室内空间的特点 |
2.3 室内三维点云的特点 |
2.4 三维数据表达 |
2.5 室内结构约束的类型 |
2.6 弱曼哈顿空间假设 |
2.7 室内结构化三维重建及本研究的定位 |
第3章 室内三维点云几何元素提取 |
3.1 引言 |
3.1.1 点云平面分割 |
3.1.2 点云线特征提取 |
3.2 点云数据预处理 |
3.2.1 基于统计的点云滤波 |
3.2.2 点云简化与重采样 |
3.3 基于正态分布变换单元的点云平面分割 |
3.3.1 正态分布变换 |
3.3.2 基于NDT单元的随机采样一致性算法 |
3.3.3 实验与分析 |
3.4 基于改进Mean-shift的点云线特征提取 |
3.4.1 L1-中值与均值漂移 |
3.4.2 点云细化 |
3.4.3 双半径阈值线追踪 |
3.4.4 直线判别 |
3.4.5 规则化 |
3.4.6 实验与分析 |
3.5 本章小结 |
第4章 基于图割优化的单楼层房间划分 |
4.1 基本概念和方法 |
4.1.1 单元复形 |
4.1.2 单元复形与单元空间的关系 |
4.1.3 马尔可夫随机场 |
4.1.4 占用概率栅格地图 |
4.1.5 基于栅格地图的房间分割 |
4.2 墙面线提取 |
4.2.1 基于点云平面分割的方法 |
4.2.2 基于点云切片的方法 |
4.3 单元复形构建 |
4.3.1 平面墙的单元复形构建 |
4.3.2 含曲面墙的单元复形构建 |
4.4 基于图割优化的房间划分 |
4.4.1 初始房间分割 |
4.4.2 数据项 |
4.4.3 平滑项 |
4.5 房间属性信息提取 |
4.6 实验与分析 |
4.6.1 实验数据 |
4.6.2 评价方法 |
4.6.3 实验结果 |
4.7 本章小结 |
第5章 墙连通空间识别与墙实体重建 |
5.1 墙面标记与融合 |
5.2 U-V方向区域生长算法 |
5.3 墙连通空间建模 |
5.4 墙实体模型构建 |
5.4.1 内墙和外墙分类 |
5.4.2 主次墙区分及墙中心线合并 |
5.5 实验与分析 |
5.5.1 实验数据 |
5.5.2 评价方法 |
5.5.3 实验结果 |
5.6 本章小结 |
第6章 面向多楼层拓展与综合建模实例 |
6.1 楼层划分 |
6.1.1 高程直方图法 |
6.1.2 基于轨迹的楼层划分 |
6.1.3 聚类方法 |
6.2 楼梯连通空间识别 |
6.2.1 楼梯区域确定和粗分割 |
6.2.2 地板表面标记 |
6.2.3 垂直方向点云过滤 |
6.2.4 楼梯连通空间建模 |
6.3 表面模型整合与输出 |
6.4 BIM自动化构建 |
6.5 综合建模实例与分析 |
6.5.1 实验数据集 |
6.5.2 单楼层建模 |
6.5.3 墙连通空间建模 |
6.5.4 楼梯连通空间建模 |
6.5.5 模型整合输出 |
6.5.6 其它建模结果 |
6.6 本章小结 |
第7章 总结与展望 |
7.1 论文总结 |
7.2 研究展望 |
附录 |
参考文献 |
攻博期间的主要科研工作 |
致谢 |
四、一种新的压缩体素模型及其应用(论文参考文献)
- [1]航海模拟器中基于物理模型的海洋场景建模[D]. 李海江. 大连海事大学, 2020(01)
- [2]双级带冠整体涡轮叶盘数控电火花加工轨迹仿真与验证[D]. 运好. 大连理工大学, 2019(02)
- [3]基于深度学习的三维场景下障碍物感知技术的研究与应用[D]. 白童垚. 西安建筑科技大学, 2019(06)
- [4]复杂环境下的场景语义理解及其关键技术研究[D]. 王丹. 华南理工大学, 2020(05)
- [5]3D画笔建模及虚拟触觉绘制过程控制方法研究[D]. 黄磊. 大连理工大学, 2020(01)
- [6]多模态影像遗传学数据的信息提取方法研究[D]. 彭朋. 长安大学, 2020(06)
- [7]面向机械数字化产品的点云模型骨架提取和形状分析研究[D]. 胡海龙. 浙江理工大学, 2020
- [8]双级带冠整体涡轮叶盘电火花加工仿真及验证[J]. 侯增选,运好,赵向兵,王军骅. 组合机床与自动化加工技术, 2019(12)
- [9]广源胶结颗粒料离散数值模型仿真重构与力学特性研究[D]. 邓志强. 天津大学, 2019
- [10]激光点云室内空间划分与自动建模方法[D]. 杨帆. 武汉大学, 2019(02)