Java3D鼠标交互功能的扩展与应用

分析了Java3D提供的鼠标交互功能,针对场景比较复杂,待拾取物体相对距离近的虚拟环境中用户拾取不准的问题提出了一种解决思路：在鼠标移动过程中实时创建一条连接空间中的视点与投影平面上的鼠标点的射线,检测沿射线的方向是否有物体与之相交,若有则返回距离视点最近的与射线相交物体所在的节点,并在该节点上添加一个动画效果提示用户该节点是预选节点。重点讲解了具体的实现过程,在最后的部分结合实际应用背景验证了该方法可以有效地方便用户的拾取操作。     

计算机图形学人机交互中三维拾取方法的研究

介绍了计算机图形学中热点问题三维拾取的基本原理,对包括射线拾取策略和包围盒策略在内的实现方法进行了研究,并利用OpenGL函数库实现了三维拾取,给出了包围盒策略在DEM应用的实例。     

一种基于位置关系判定的GPU 三维几何图元拾取方法

针对交互式图形应用对拾取在效率、适用范围和拾取信息方面的需求,提出一种 新的基于GPU 的三维几何图元拾取方法。在进行拾取绘制时关闭光栅化,将鼠标位置信息和图 元顶点坐标变换到规范化设备坐标系,通过在几何处理器中判断投影后的二维图元与鼠标或选 择框的位置关系进行命中判定,并利用变换反馈将拾取信息返回应用程序。在提出方法的基础 上,介绍了单体拾取和块拾取的OpenGL 实现。实验表明,该方法的单体拾取效率较基于GPU 的射线相交法有约10%的提升,同时能支持高效块拾取。     

一种虚拟场景控制方法的研究与实现

针对虚拟场景中视点控制和模型控制两种情况,研究了应用二维鼠标和三维输入设备拾取三维对象模型、移动对象模型和在虚拟场景中漫游的方法,提出了一种用二维鼠标拾取三维模型的方法——粗区域判断、最近拾取,并基于Vega视景仿真开发平台和VC++提出了一种基于二维鼠标拾取、三维输入设备移动的虚拟场景控制方法。     

一种新的基于OpenGL重绘式物体拾取方法

基于OpenGL提出了一种重绘式拾取法,详细介绍了拾取方法和具体应用。该方法是 在原来的绘图过程中添加一次虚拟绘图来帮助拾取物体。     

基于OpenGL的一种三维拾取方法

本文介绍了一种基于OpenGL的三维拾取方法，该方法可对三维地形图上的任意点进行拾取，并反馈拾取点的三维信息。在正交投影模型中，将整个图形划分成若干块均匀区域，先判断二维输入点落在哪块区域；然后再对选中的区域细化，判断输入点所选中的图元，并根据该图元的顶点信息求出二维输入设备所对应的第三维的值；最终返回该拾取取点在物体坐标系下的真实三维坐标，从而实现图形交互功能。     

大规模三维点云快速拾取技术研究

为三维点云处理系统点云查询与交互编辑功能的实现,在系统总结当前计算机三维图形拾取主要方法的基础上,提出三维点云拾取基本方法.针对实际LiDAR(激光雷达)点云处理中往往为大规模点云数据,通过层次包围盒引入四叉树,提出了基于四叉树的大规模三维点云快速拾取系列算法,并从提高四叉树构建速度、降低四叉树内存占用角度,采取有效策略,使得算法整体效率得到进一步优化,实验结果表明算法在大规模三维点云拾取速度和精度上均达到了很好的效果.     

基于OpenGL三维物体建模方法的研究与实现

使用OpenGL可以对读入的STL几何模型进行三维真实感渲染、视角变换、显示缩放、光照设置及鼠标拾取等。本文介绍了一种基于OpenGL的三维物体建模方法,分析了基于该方法设计相应软件的体系结构,并着重探讨了STL文件的载入及视角变换等关键技术。     

光截法旋转式物体三维重构

本文依据计算机视觉的理论,采用光截法,搭建了一个旋转物体三维重构实验平台。探讨了摄像机及回转台中心轴的标定和空间坐标转换还原工作。并以表面不平的小纸杯为对象进行了具体实验,在MATLAB下对其进行了图像处理获得物体空间三维数据,并将其三维显示出来,获得了较满意的结果。     

计算机三维物体实体组建方法的研究

在计算机绘图和三维图像显示,例如激光扫描共焦显微图像、CT图像、MRI图像等的绘制和显示中,三维物体的组建是必不可少的。目前,三维物体的组建都是基于二维物体组建的基础之上。二维物体组建是基于连通性进行二维连通区域检出的,因而三维物体的组建速度比较慢。为此,文章提出一种新方法:围线积分法区域标号和链接表法三维叠片,用于三维图像中三维物体实体的组建。这种方法的基本原理是在三维二值图像中,先采用围线积分法区域标号,组建二维物体切片,再采用链接表法三维叠片,由二维物体切片组建三维实体。这种方法的优点是组建速度比较快。     

增强现实中的视频对象跟踪算法

根据增强现实在视频对象跟踪中的应用需求,提出一种综合利用尺度不变特征变换(SIFT)算子、K聚类算法和轮廓检测的视频对象跟踪算法。该算法利用简易SIFT获得输入图像的特征点,通过K聚类算法获得可能的对象聚类,并采用改进的轮廓处理方法得到对象边界,移除孤立点,确定对象特征点,在对象特征点中获取增强现实应用中需要的注册点。在关键帧匹配中,只要使用对象特征点进行对象匹配。实验结果表明,该算法具有运行速度快、匹配正确率高的特点,能满足增强现实视频应用的注册需求。     

无线网络中一种新的数据复制算法*

介绍了静态数据复制算法,并针对无线网络提出了基于主节点的动态数据复制算法,该算法可根据主节点所收集的信息的变化重新构架网络二叉树,它比静态算法更能满足无线网络节点变化的需要.     

用于立体视频会议系统的立体对象分割与跟踪算法

基于对象的立体视频编码压缩技术能在立体视频会议系统中得到很好的应用，从立体视频信号中正确分割出立体视频对象是基于对象的立体视频编码压缩的一个前提条件，基于立体视频会议图像序列的时空特性和左右通道间的视差特性，提出了一种立体视频对象分割与跟踪算法，首先利用空域分割和运动检测相结合的方法，提取左通道中的运动物体；然后，提出一种左右通道间基于边缘轮廓的二级视差匹配算法，并根据已分割的左通道运动对象提取右通道的视频运动对象；最后利用对象边界轮廓的跟踪方法对后续图像中的运动对象进行快速跟踪，实验结果说明文中算法能够应用于立体视频会议图像序列的立体对象分割与跟踪。     

融合YOLO检测与均值漂移的目标跟踪算法

针对视频目标跟踪算法中物体快速移动以及均值漂移算法误差累积造成的目标漂移问题,提出了一种融合YOLO（You Only Look Once）与均值漂移的目标跟踪算法。采用图像增强机制对视频帧进行预处理,在保持图像信息的同时去除光照强度的干扰;为了降低YOLO算法的计算复杂度,使用二分类器区分目标和背景进行物体的快速检测。根据目标物体的位置信息,使用均值漂移处理后续图像序列,并对目标物体进行检测更新,避免物体快速移动造成目标漂移问题,从而进行有效的检测跟踪。实验结果表明,该算法与DLT（Deep Learning Tracker）算法相比,运算效率提高了12.56%,跟踪精度提高了10.2%,能够较好地适应物体快速移动,具有较强的鲁棒性和实时性。     

基于压缩域信息的立体视频对象分割方法

立体视频对象分割是交互式多视点视频应用的关键技术。为了提高对象分割的时效性和精确性,提出了一种利用压缩域视差和运动信息的立体视频对象分割算法。该算法首先对运动矢量场和视差场进行提取和修正处理,然后对视频帧进行分割作为初始值,最后用均值偏移算法聚类得到最终的对象分割结果。实验结果表明,对于纹理复杂的场景有很好的分割效果,可以获得与语义一致的对象。     

基于视觉感知的运动目标跟踪算法

针对运动目标跟踪问题, 为解决跟踪过程中因遮挡、目标尺度变化等易造成跟踪失败的现象, 提出一种基于视觉感知的跟踪算法。该算法以神经元响应为视觉特征, 首先从自然图像中学习初级视皮层细胞感受野; 然后计算背景图像和视频序列图像的神经元响应并得出差值, 与动态阈值比较, 识别出运动目标, 通过迭代实现目标跟踪。多类别实验结果表明, 该算法实现了运动目标稳定跟踪, 目标跟踪准确率达93. 5%且鲁棒性增强, 与典型算法Camshift和SIFT相比, 提高了跟踪算法的准确性和鲁棒性。     

一种基于区域中心点的聚类算法

聚类是数据挖掘领域中一个重要的分析手段。在基于密度的聚类算法DBSCAN的基础上,针对算法对输入参数较为敏感,以及对多密度层次数据集聚类质量不高的问题,提出了一种改进的基于区域中心点的密度聚类算法。该算法将不同密度层次的簇视为不同的区域,并基于区域中心点（区域密度最大的点）开始扩展其规模,直至达到由密度比例因子决定的区域边缘。为提高聚类准确率,在簇的扩展过程中,从候选核心点中发现核心点,加强了核心点的选取条件。实验表明,该算法降低了对输入参数的敏感性,改善了对密度分布不均匀数据集聚类效果,提高了聚类准确率。     

目标跟踪综述

随着深度学习与人工智能技术的不断发展,视频目标跟踪已经成为了计算机视觉的重要研究内容,在公安布控、人机交互、交通管制、军事等各个领域起到越来越重要的作用。尽管现在国内外学者提出了多种目标跟踪算法,也搭建了较为完善的目标跟踪系统,但是算法的鲁棒性依然是一个比较大的挑战。本文对运动目标跟踪系统结构进行了简要介绍,并从特征提取及融合、外观模型、目标搜索等方面详细阐述了目前主流运动目标跟踪算法。然后对目标跟踪算法在深度学习大环境下的新发展进行了分析,从基于深度学习的目标跟踪及目标检测算法角度分析了深度学习在提高目标检测算法鲁棒性方面的有效性,最后概述了深度学习在视频目标检测算法中的具体应用并对其未来发展进行了展望。     

基于均值漂移和边缘检测的轮廓跟踪算法

实时的轮廓跟踪算法可以为视频监控系统提供物体的轮廓信息以供对物体类别、物体行为等进行识别.提出一种基于均值漂移和边缘检测的轮廓跟踪算法.方法中,首先利用均值漂移算法跟踪得到目标物体的中心位置,同时用高斯统计模型进行背景更新,从前景图像和背景图像中分别得到具有相同位置和大小的前景矩形区域和背景矩形区域,然后用背景分割的方法得到目标物体区域,再对目标物体区域进行边缘检测就得到了目标物体的轮廓,进而实现了对目标物体的轮廓跟踪.实验表明,可以实时、准确、稳定地对目标物体进行轮廓跟踪.     

Putting objects into a cylindrical/rectangular bounded volume

In this paper, an algorithm is presented to check whether a given object fits inside a cylindrical bounded volume. The proposed algorithm uses an iterative approach to solve the problem. The proposed algorithm can be used in another well-known optimization problem, smallest enclosing cylinder of an object (or a 3D point set) in terms of diameter or height. A straightforward application is for checking whether a given object is producible (in terms of size) inside the manufacturing chamber of a rapid prototyping machine which has a cylindrical production chamber. If the object can be put into the bounded volume of the building envelope, it can be built from the RP machine. The algorithm can also be used to check whether an object can be made from standard sized stock materials.