基于大气散射模型的航空场景实时渲染算法

针对航空仿真系统视景渲染真实性和实时性的问题,提出一种基于大气散射物理模型的室外场景实时渲染方法.首先,根据瑞利散射和米氏散射构建基于地球椭球体的大气散射数学模型,通过预先渲染并将渲染结果保存至纹理以便实时绘制调用;其次,利用基于密度积分的方法进行雾霾效果的模拟,并利用柏林噪声实现雾霾的动态变化效果;最后使用高动态范围技术优化渲染图像.实验结果表明,上述算法适用于场景分辨率较高的航空场景仿真,能够提供帧率稳定、逼真的实时场景渲染画面.     

基于视频的虚拟人群运动仿真方法

现有虚拟人群运动仿真方法形成的大规模人群动画效率及形成的人群动画效果仿真程度低。针对上述问题,提出一种将故事板的概念和纹理合成算法相结合的方法,以此形成大规模人群动画。提取视频初始帧中的人群位置、站位方向、状态和动作信息以及后续帧序列中的人物路径信息,存储于样本故事板。采用基于块的纹理合成方法,利用样本故事板生成大规模故事板,以扩充人群规模。使用大规模故事板中的人群信息数据,结合简单的碰撞检测算法,驱动形成最终的虚拟人群动画。实验结果证明,该方法能够高效地生成效果逼真的大规模虚拟人群动画。     

虚拟人眼泪流淌现象的动画仿真方法

为了增强虚拟人表情动画的真实感,通过在表情动画中加入基于流体物理的虚拟人眼泪仿真,提出一种虚拟人流泪仿真方法.在预处理时,将三维中的流淌仿真映射到二维空间,以避免三维空间中点-面碰撞检测开销较大的问题;仿真时,着重考虑皮肤和眼泪之间的作用力、黏附力以及表面张力;渲染时,根据二维上的位置信息生成法线纹理,再采用改进的法线贴图的方法渲染出虚拟人流泪的效果.实验结果表明,该方法能够实时地模拟虚拟人的流泪效果.     

人群应急疏散可视仿真研究进展和问题

人群应急疏散可视仿真是用智能体来模拟具有自主感知、情绪和行为能力的人群个体,并采用3维可视的方式来直观呈现人群应急疏散情景,可以为制定人群应急预案提供形象直观的分析方法。本文从人群仿真数据的来源、人群导航模型的构建、人群行为模型、人群情绪感染、人群渲染5个方面概述目前研究的进展,然后从仿真模型的可验证性、人群疏散导航模型的构建、人与环境的物理模型、动物逃生实验与仿真、疏散中的社会行为表现以及人群情绪的可视计算6个角度讨论需要进一步研究的问题。针对需要深入研究的问题,指出借助于紧急事件的视频监控分析和虚拟人群情景的用户调查,有助于完善人群仿真模型。结合物理模型,可以更准确地描述人群应急疏散场景。开展动物逃生实验分析,有助于完善人群运动导航算法。建立人群社会行为模型,可以更详细描述疏散中人群行为的多样性。构建基于多通道感知的人群情绪感染计算方法,可以详尽描述情绪感染的过程。人群应急疏散行为的可视仿真研究在城市的安全管理方面具有重要的应用前景,但其研究仍存在很多亟待解决的问题,综合地运用多学科知识,完善实验手段是进一步推动研究的关键所在。     

分布式水下BOTMA虚拟实验平台的实现

针对水下BOTMA仿真实验平台实现的难点问题,本文建立了基于HLA的实验平台体系结构,构建了三维实验环境的场景和实体模型,详细阐述了场景实体的显示,多通道视景的浏览,虚拟特效的生成以及碰撞检测的使用等视景关键技术的具体实现过程,通过对系统实现功能的介绍以及系统实时性能的分析,说明了在三维虚拟仿真环境下,该平台能够满足进行多种纯方位目标运动分析实验的需要.     

基于LBM模型在GPU上实时草波动的实现研究

对室外复杂场景真实感的渲染的需求越来越高.越来越多能体现真实感渲染的物理模型用于实时渲染中.LBM(Lattice Boltzmann Model)模型在保证质量守恒和动量守恒的前提下,能模拟复杂流体运动.而图形硬件(GPU)的发展,使LBM模型能在GPU上实现,提高了算法的运行效率,使之能用于实时渲染.为了实现对室外复杂场景真实感的渲染,提出了基于物理模型实现实时渲染草地波动效果的算法.用LBM模型模拟风力场,用简单且实用的方法建模草地,实现实时渲染大规模草地的波动效果,且能达到比较真实的效果.     

基于运动矢量的人群异常事件实时检测

近年来,城市公共安全形势严峻,给社会经济的可持续发展提出新的问题.因而,如何有效地监测突发人群异常状况,已成为目前的一个研究热点问题.由于人群运动目标众多且在不断变化,所以很难通过运动目标的跟踪来研究人群异常.研究表明：当人群出现异常时,最明显的变化就是人群的运动速度的大小和运动方向会突然发生变化,比如,由静止或慢速行走变为快速奔跑、突然改变前进的方向等,相应的,视频帧的运动矢量也会发生同样的变化,由此,提出基于运动矢量的人群异常快速检测算法.实验结果表明,本文提出的算法能够实时、有效的检测出人群运动的异常.     

基于Open Inventor的虚拟驾驶仿真系统

基于虚拟现实技术,以3ds MAX为建模软件,Open Inventor为开发平台,通过面向对象的编程方法设计了虚拟驾驶仿真系统,介绍了三维模型的导入、层次细节技术、碰撞检测、运动相机的控制与渲染等关键技术.通过实验表明,本系统真实地模拟了汽车在驾驶过程中起步、换挡、加减速、转向、制动等行驶工况,并实时地通过碰撞检测算法来判断虚拟车辆模型与虚拟场景之间的碰撞.     

一处室内轮式自主移动机器人的导航控制研究

介绍了一种室内移动机器人CASIA-I.对该机器人的运动机构做了较为详细地阐述, 针对该运动机构给出了机器人的运动方程和一种导航控制算法,并根据该算法进行了软件仿真 和实物实验.在软件仿真和实物实验两种环境下,机器人都能够实时避开障碍物奔向目标.仿真 和实验表明:该移动平台具有良好的可靠性,且该导航控制算法是一种有效的导航算法.     

一种基于八叉树的OBB包围盒碰撞检测方法

碰撞检测技术是大规模复杂场景渲染的关键技术之一,它可以有效地提高虚拟环境的真实感和沉浸感.碰撞检测的研究目标是如何在很高的实时交互要求下完成大量复杂物体的相交检测.提出一种将场景图中的OBB包围盒以八叉树的形式划分,并利用八叉树的层次结构实现有效碰撞检测的方法,该方法从宏观到微观的搜索方式可以快速确定需要进行相交检测的对象列表,有效地避免所有几何节点与运动节点的相交检测,提高了碰撞检测的效率,并且采用OBB包围盒来描述几何模型,有效地提高碰撞检测的精度.     

SPHERICAL UNCERTAINTIES IN DISCRETE-TIME SYSTEMS

The exact values of the limits of spherical uncertainties are derived that are admissible in a discrete-time dynamic system without affecting stability.     

基于多尺度卷积神经网络的人群聚集异常预测

已有的公共场所人群聚集异常行为检测方法较少,且大多检测方法都是在人群已经异常聚集后再进行检测,检测准确率不高,时效性不够好。提出一种基于多尺度卷积神经网络（MCNN）的人群聚集异常预测模型。首先,通过多尺度卷积神经网络训练一个人群计数模型,用训练好的模型对人群聚集异常视频进行测试;然后在测试中完成人群人数统计与人群头部坐标点获取,进而计算人群密度、人群距离势能与人群分布熵;最后将得到的3种人群运动状态特征值利用PSO-ELM进行训练,得到预测模型,通过特征数据的变化,完成人群聚集行为的预测。实验结果表明,与现有算法相比,该模型能有效实现人群聚集异常行为的预警与检测,时效性强,为采取相应应急措施提供了更多时间,预测准确率达到了9717%。     

Towards a quantitative approach for comparing crowds

In this paper, we propose a new model to quantitatively compare global flow characteristics of two crowds. The proposed approach explores a 4‐D histogram that contains information on the local velocity (speed and orientation) of each spatial position, and the comparison is made using histogram distances. The 4‐D histogram also allows the comparison of specific characteristics, such as distribution of orientations only, speed only, relative spatial occupancy only, and combinations of such features. Experimental results indicate that the proposed quantitative metric correlates with visual inspection. Copyright © 2012 John Wiley & Sons, Ltd.     

Crowd Simulation and Its Applications: Recent Advances

This article surveys the state-of-the-art crowd simulation techniques and their selected applications, with its focus on our recent research advances in this rapidly growing research field. We first give a categorized overview on the mainstream methodologies of crowd simulation. Then, we describe our recent research advances on crowd evacuation,pedestrian crowds, crowd formation, traffic simulation, and swarm simulation. Finally, we offer our viewpoints on open crowd simulation research challenges and point out potential future directions in this field.     

A GPU-assisted hybrid model for real-time crowd simulations

In this paper, we propose two new techniques for real-time crowd simulations; the first one is the clustering of agents on the GPU and the second one is incorporating the global cluster information into the existing microscopic navigation technique. The proposed model combines the agent-based models with macroscopic information (agent clusters) into a single framework. The global cluster information is determined on the GPU, and based on the agents' positions and velocities. Then, this information is used as input for the existing agent-based models (velocity obstacles, rule-based steering and social forces). The proposed hybrid model not only considers the nearby agents but also the distant agent configurations. Our test scenarios indicate that, in very dense circumstances, agents that use the proposed hybrid model navigate the environment with actual speeds closer to their intended speeds (less stuck) than the agents that are using only the agent-based models.     

Real‐time density‐based crowd simulation

Virtual characters in games and simulations often need to plan visually convincing paths through a crowded environment. This paper describes how crowd density information can be used to guide a large number of characters through a crowded environment. Crowd density information helps characters avoid congested routes that could lead to traffic jams. It also encourages characters to use a wide variety of routes to reach their destination. Our technique measures the desirability of a route by combining distance information with crowd density information. We start by building a navigation mesh for the walkable regions in a polygonal two‐dimensional (2‐D) or multilayered three‐dimensional (3‐D) environment. The skeleton of this navigation mesh is the medial axis. Each walkable region in the navigation mesh maintains an up‐to‐date density value. This density value is equal to the area occupied by all the characters inside a given region divided by the total area of this region. These density values are mapped onto the medial axis to form a weighted graph. An A^* search on this graph yields a backbone path for each character, and forces are used to guide the characters through the weighted environment. The characters periodically replan their routes as the density values are updated. Our experiments show that we can compute congestion‐avoiding paths for tens of thousands of characters in real‐time. Copyright © 2012 John Wiley & Sons, Ltd.     

基于群体性行为模型的人群分析及其应用

基于视频分析的人群监控,涉及到获取人群行为和数量,这在智能监控领域具有重要的现实价值。本文建立基于运动特征的群体性行为模型,挖掘复杂人群场景中的群体行为,用于人群行为和数量的分析。群体性行为模型是一种主题模型（LDA）,通过样本学习,可以获得描述不同群体行为的特征集,用于人群分析。实验中,将群体性行为模型应用于挖掘监控场景下的不同人群行为及其特征集,并使用人工神经网络完成人数统计,统计正确率达到92.35%。     

多任务多层级CNN在人群计数中的应用

为了提升人群图像的计数精度,设计一种多层级多任务深度卷积网络。多层级神经网络由卷积和上采样的组合方式构成,该网络的优点在于结合浅层网络提取的细节信息和深层网络提取的高阶语义信息。在此基础上,使用多任务学习的方法提升网络性能,多任务学习分为两个部分：人群密度估计任务和人群密度等级分类任务。网络的高分辨率层与人群密度估计任务相连,网络的深层与人群密度等级分类任务相连。将两个任务的损失融合并构成新的损失函数。实验在人群计数公共数据集ShanghaiTech、WorldExpo’10和UCF_CC_50上进行,实验结果表明,该网络在人群计数上具有较好的准确率和鲁棒性。     

人数统计与人群密度估计技术研究现状与趋势

人数统计与人群密度估计是人群分析中的重要分支,也是视频监控所关注的重要信息之一。尽管近几十年来该领域取得了一些重要进展,但仍存在一些具有挑战性的问题。综述了基于计算机视觉的人数统计与人群密度估计方法的研究现状以及发展动态。首先,介绍了人数统计与人群密度估计技术的发展背景及应用方向。其次,总结了近年来提出的比较重要的方法,从机器学习的角度,将其分为浅层学习的方法和深度学习的方法;而从学习到的模型角度又可将其分为直接的方法(即基于检测的方法)和间接的方法(如基于像素的方法、基于纹理的方法以及基于角点的方法)。详细介绍了近二十年来基于浅层学习的方法,并对近些年来基于深度学习的人数统计与人群密度估计技术做了一个简要的总结。然后,对人数统计及人群密度估计方法性能评估技术进行简介,并提供了几个用于人数统计与人群密度估计的测试与评估数据集。最后,总结了该领域存在的技术挑战并对未来的研究方向进行了展望。