异构CAD系统间中性语义特征数据交换

提出了一种基于中性语义特征转换的异构CAD系统间数据交换方法,该方法采用“中性语义特征转换器”将不同系统间的造型信息转换为统一的数据信息格式,并通过中性语义转换库实现了不同系统间操作命令的4种映射关系。此外,还实现了异构CAD系统间零件的同步协同传输。最后,将该文提到的思想初步应用在理工大学自主开发的HUSTCAIDS与UG间的异构协同设计中,证明该理论的可行性。     

形状特征中的拓扑元素编码体系

在基于特征的参数化造型系统中,根据特征历史记录进行特征重建是特征编辑的重要实现手段。在特征编辑中,维护设计者的设计意图,其关键问题是维护模型修改前后拓扑结构的对应关系,拓扑元素编码是维护模型修改前后拓扑结构对应关系的基础。依据模型的几何拓扑关系提出一种简洁、高效的拓扑元素编码体系,较好地实现了拓扑元素的编码,为特征编辑和重建打下了良好的基础,提高了特征设计的灵活性。     

基于OCL的服务构件特征语义描述模型

构件的语义特征是构件检索的主要依据,也是构件库的重点研究内容.然而,由于网络系统中存在分布、动态、数量众多的服务构件,很多构件之间存在一定的关联和依赖,因此如何有效地描述这些服务构件特征间的关联,是构件库管理模型需要进一步研究的一个重要问题.提出一种基于特征的构件语义描述模型,首先分别给出特征、特征空间和构件特征空间表示模型的定义.接着将构件特征间的各种关联和依赖关系分成自身约束、父子关系约束、显性约束和隐性约束4类,并采用对象约束语言对这些关系进行形式化描述,从而为模型提供了精确的语义支持.面向电子商务的构件特征子树的实例研究及其模型验证和实验结果证明了该模型的正确性与有效性.     

面向与历史无关造型的三维约束求解方法研究

以基于历史的造型系统中应用较为成熟的两项技术——特征编码和二维约束求解为基础，基于特征进行三维约束建模，从而打破传统的基于历史造型系统中特征之间的单向依赖关系；然后将三维约束关系映射到二维草图进行处理，简化了问题．该方法在InteSolid 2．0上实现．     

语义驱动模式访问控制模型

针对现有的访问控制模型还不能满足网络化制造系统的访问控制需求,提出一种语义驱动模式新型访问控制模型,应用语义实体与过滤器相结合,以静态的配置实现动态的资源控制,解决了系统大规模和动态性带来的安全隐患问题;应用流程约束基实现了对流程管理的支持．模型能够支持网络化制造系统的大规模、动态性和群组协作．     

结构-视图模型下零件可变型设计方法

提出基于功能结构一结构视图模型的零件族建模方法,将零件变型设计的对象层次定义到有一定工程语义、表达工程功能的结构,将零件描述为由功能结构以一定的组合关系构成的可扩展网络．组成零件的功能结构通过施加空间布局约束和拼接约束建立零件族模型．通过修改参数尺寸可以实现零件大小的变化;通过对功能结构的修改或替换达到零件实例结构的变型和变异;通过提高零件变型对象的层次实现零件功能结构的变异．     

语义特征造型的拓扑元素编码机制*

针对现有拓扑元素标志与编码方法都是面向基于历程的造型系统,无法完全满足与历程无关语义特征造型的需要这一问题,提出一种以特征为基础的拓扑元素标志方法,并归纳出了一种统一格式的拓扑元素编码方法。当拓扑元素发生分裂时,给出了区分分裂面和分裂边的方法及编码格式;根据模型修改前后拓扑元素的不同变化情况,提出虚拓扑元素和子边的概念及编码格式,通过保留模型中拓扑元素间的拓扑关系,实现与历程无关的模型修改操作,并将该方法在自主开发的语义特征造型系统(HUST-CAID)中加以实现。     

动态场景下基于语义和光流约束的视觉同步定位与地图构建

针对动态场景下的定位与静态语义地图构建问题,提出了一种基于语义和光流约束的动态环境下的同步定位与地图构建（SLAM）算法,以降低动态物体对定位与建图的影响。首先,对于输入的每一帧,通过语义分割获得图像中物体的掩模,再通过几何方法过滤不符合极线约束的特征点;接着,结合物体掩模与光流计算出每个物体的动态概率,根据动态概率过滤特征点以得到静态特征点,再利用静态特征点进行后续的相机位姿估计;然后,基于RGB-D图片和物体动态概率建立静态点云,并结合语义分割建立语义八叉树地图。最后,基于静态点云与语义分割创建稀疏语义地图。公共TUM数据集上的测试结果表明,高动态场景下,所提算法与ORB-SLAM2相比,在绝对轨迹误差和相对位姿误差上能取得95%以上的性能提升,与DS-SLAM、DynaSLAM相比分别减小了41%和11%的绝对轨迹误差,验证了该算法在高动态场景中具有较好的定位精度和鲁棒性。地图构建的实验结果表明,所提算法创建了静态语义地图,与点云地图相比,稀疏语义地图的存储空间需求量降低了99%。     

语义特征建模系统中操作局部化的研究

为了提高语义特征建模系统约束求解的效率及系统的整体性能,提出了一种新的操作局部化方法。该方法使用特征语义表示法来描述产品模型中特征的各种信息,改进了细胞元模型对特征元素的管理机制,通过特征的“语义面”将局部特征从模型中有效地分离出来,通过创建临时特征的方法来实现模型的局部约束求解。该策略不仅可以完全满足在复杂模型中直接操作的需要,还可以大大提高系统的性能。实验表明该算法具有更强的适应性和实用性。     

面向视觉问答的多模块协同注意模型

视觉问答（VQA）是计算机视觉和自然语言处理领域中典型的多模态问题，然而传统VQA模型忽略了双模态中语义信息的动态关系和不同区域间丰富的空间结构。提出一种新的多模块协同注意力模型，对视觉场景中对象间关系的动态交互和文本上下文表示进行充分理解，根据图注意力机制建模不同类型对象间关系，学习问题的自适应关系表示，将问题特征和带关系属性的视觉关系通过协同注意编码，加强问题词与对应图像区域间的依赖性，通过注意力增强模块提升模型的拟合能力。在开放数据集VQA 2.0和VQA-CP v2上的实验结果表明，该模型在“总体”、“是/否”、“计数”和“其他”类别问题上的精确度明显优于DA-NTN、ReGAT和ODA-GCN等对比方法，可有效提升视觉问答的准确率。     

特征模型直接操作技术的研究

目前的语义特征造型系统,由于约束求解的速度比较缓慢,还不能支持直接操作的特性。利用特征依赖图的数据模型来保存和维护特征的信息及其之间的依赖关系,并且提出了约束操作算法和特征操作算法,将特征的操作局限在模型的特定区域内。该方法最大限度地减少了所需要求解的约束数目,满足了直接操作过程中对约束求解速度的要求,从而实现了对特征的直接操作。     

基于快速低秩编码与局部约束的图像分类算法

针对快速低秩编码算法存在特征重建误差较大,以及特征间局部约束条件丢失的问题,提出一种强化局部约束的快速低秩编码算法。首先,使用聚类算法对图像中特征进行聚类,得到局部相似特征集合及其对应的聚类中心;其次,在视觉词典中采取K最近邻（KNN）策略查找聚类中心对应的K个视觉单词,并将其组成对应的视觉词典;最后,使用快速低秩编码算法获得局部相似特征集合对应的特征编码。改进算法在Scene-15和Caltech-101图像库上的分类准确率比快速低秩编码算法提高4%到8%,编码效率比稀疏编码算法提高5~6倍。实验结果表明,改进算法使得局部相似特征具有相似编码,从而更加准确地表达图像内容,能有效提高分类准确率及编码效率。     

协同语义特征建模技术研究

为了提高协同语义建模系统的性能,提出了一种新的协同设计方法,亦即使用特征语义表示法和细胞元模型来表示数据和管理模型中的各种数据和信息,然后通过语义匹配的方法来确定子模型间的逻辑和装配关系,通过语义区域划分、"最值空间"等技术来检测和消解协同设计中发生的操作冲突,最后通过创建临时模型来降低全局约束求解的复杂度。这种方法不仅能够完全实现协同语义特征建模的需要,还可以大大提高协同设计的效率。实验表明,该算法具有更强的适应性和实用性。     

根据工艺需要进行设计特征模型调整的方法

保持不同领域特征模型的一致性是多领域特征建模的一个核心问题。为有效地维护特征模型的一致性，提出一种根据对加工特征模型的修改要求自动确定设计特征模型调整方案的方法。该方法从加工特征修改所涉及的拓扑元素出发，通过搜索拓扑元素约束关系图找出相关的拓扑元素约束链，并以此为基础，利用有关准则自动确定设计特征调整的最优方案。该方法从加工的需求出发调整设计模型，保证设计与加工特征模型的一致性，可用于支持面向制造的设计。     

语义线特征辅助的动态SLAM

动态环境干扰是视觉同时定位与地图构建（simultaneous localization and mapping,SLAM）领域内一个亟待解决的问题,场景中的运动对象会严重影响系统定位精度。结合语义信息和几何约束更强的线特征辅助基于传统ORB特征的SLAM系统来解决动态SLAM问题。首先采用深度学习领域的优秀成果SOLOv2作为场景分割网络,并赋予线特征语义信息;完成物体跟踪和静态区域初始化后,使用mask金字塔提取并分类特征点;再使用极线约束完成动态物体上点线特征的剔除;最后融合静态点线特征完成位姿的精确估计。在TUM动态数据集上的实验表明,提出的系统比ORB-SLAM3的位姿估计精度提高了72.20％,比DynaSLAM提高了20.42％,即使与近年来同领域内的优秀成果相比也有较好的精度表现。     

基于多模态互补特征学习的遥感影像语义分割

在遥感影像语义分割任务中,数字表面模型可以为光谱数据生成对应的几何表示,能够有效提升语义分割的精度。然而,大部分现有工作仅简单地将光谱特征和高程特征在不同的阶段相加或合并,忽略了多模态数据之间的相关性与互补性,导致网络对某些复杂地物无法准确分割。本文基于互补特征学习的多模态数据语义分割网络进行研究。该网络采用多核最大均值距离作为互补约束,提取两种模态特征之间的相似特征与互补特征。在解码之前互相借用互补特征,增强网络共享特征的能力。在国际摄影测量及遥感探测学会 (international society for photogrammetry and remote sensing, ISPRS)的Potsdam与Vaihingen公开数据集上验证所提出的网络,证明了该网络可以实现更高的分割精度。     

分级特征融合的图像语义分割

在图像语义分割中,利用卷积神经网络对图像信息进行特征提取时,针对卷积神经网络没有有效利用各层级间的特征信息而导致图像语义分割精度受损的问题,提出分级特征融合的图像语义分割方法。该方法利用卷积结构分级提取含有像素级的浅层低级特征和含有图像级的深层语义特征,进一步挖掘不同层级间的特征信息,充分获取浅层低级特征和深层语义特征中隐藏的特征信息,接着通过上采样操作细化浅层低级特征信息后对所有特征信息进行合并融合,最终实现分级特征融合的图像语义分割。在实验方面,通过多次分解实验验证了所提方法在不同阶段所提取的特征信息和不同网络深度时的特征信息对语义分割结果的影响。同时在公认的图像语义分割数据集PASCAL VOC 2012上,与3种主流方法进行实验对比,结果显示所提方法在客观评价指标和主观效果性能方面均存在优越性,从而验证了该方法可以有效地提升语义分割的精度。