一种简单实用的草图编辑手势识别方法

联机草绘设计作为一种自然、高效的人机交互方式,继承了传统纸笔草绘设计的优点,弥补了现有CAD软件在处理模糊、不精确信息方面的不足,并日益受到人们的关注。针对联机草绘图形的编辑修改,设计出一套简单、快捷的编辑手势,并采用模式匹配的方法对其进行识别。实验结果表明,提出的方法具有较高的识别效果,加快了概念草图的设计过程。     

支持向量机及其在草图编辑手势识别中的应用

支持向量机（SVM）是一种基于统计学习理论的机器学习与模式识别方法。它通过结构风险最小化准则和核函数方法．较好地解决了小样本、非线性及高维模式识别问题。本文主要从联机手绘草图编辑的角度出发，谈谈支持向量机在草绘手势笔划识别中的具体应用。     

概念图形草绘设计技术研究

针对概念草图的输入输出问题,采用了基于草绘输入的交互式图形设计方法,实现了单笔划草绘轨迹主动分段识别与规整方法;运用了基于笔式手势的草图编辑方法,并将概念草图以DXF的格式输出,实现与现有CAD系统之间的集成.根据手势设计原则以及草图编辑的需要,定义并实现了选择、删除、移动等10种手势,同时采用感知器线性分类方法对手势进行识别.实例表明:手势编辑模式能够改善传统编辑方式在自然性与智能性方面的不足.     

支持向量机及其在草图编辑手势识别中的应用

支持向量机(SVM)是一种基于统计学习理论的机器学习与模式识别方法。它通过结构风险最小化准则和核函数方法,较好地解决了小样本、非线性及高维模式识别问题。本文主要从联机手绘草图编辑的角度出发,谈谈支持向量机在草绘手势笔划识别中的具体应用。     

手绘草图实时处理方法研究

徒手草绘作为一种简便、自然、高效的人机交互方式，在计算机辅助设计领域越来越受到人们的重视。本文主要针对草绘设计与图形识别的行为过程进行了一系列较为广泛的研究，以便将用户的草绘习惯、识别能力与现有的CAD技术紧密结合起来，开发出新一代的智能CAD产品。具体包括草图前处理、特征点的检测、笔划分段、图元识别、图元重构、图元规整、端点校正等内容。实验表明所提出的方法能得到较好的识别结果。     

融合意图捕捉的笔式草绘特征建模

实现了一种基于笔式草绘特征建模方法.该方法模仿传统的纸笔草绘交互设计方式,利用意图捕捉机制揣测用户的设计意图,并采用基于特征的建模方法构造出三维实体概念模型.支持在模型表面上直接草绘截面和轨迹线,并通过特征切削或添加操作构造复杂物体模型;初步实现了基于手势的模型编辑操作.实验结果表明,该方法简单、高效,适合于快速表达不精确的概念模型.     

计算机辅助草绘设计技术研究

计算机辅助草绘技术结合了计算机与纸笔草绘的优点，比较适合于概念设计，便于帮助设计师快速记录下头脑中产生的瞬时灵感，近年来一直成为许多专家学者争相研究的热点课题之一。该文从产品设计的领域出发简要介绍了计算机辅助草绘设计的研究现状。并从支持草绘的用户界面设计、低层草图处理、高层草图语义理解、三维草绘建模4个方面分析比较了计算机辅助草绘一些关键技术的研究方法，指出了下一步的研究重点。     

手绘草图实时处理方法研究

徒手草绘作为一种简便、自然、高效的人机交互方式,在计算机辅助设计领域越来越受到人们的重视。本文主要针对草绘设计与图形识别的行为过程进行了一系列较为广泛的研究,以便将用户的草绘习惯、识别能力与现有的CAD技术紧密结合起来,开发出新一代的智能CAD产品。具体包括草图前处理、特征点的检测、笔划分段、图元识别、图元重构、图元规整、端点校正等内容。实验表明所提出的方法能得到较好的识别结果。     

手绘草图的在线分段识别

提出了一种在线手绘草图快速分段识别方法。先对草绘笔划进行平滑预处理,以减少噪声干扰和冗余点的数目;然后利用草绘笔划的动静态特性,以及用户的草绘习惯等特性找出笔划的关键分段点,将笔划分为多个笔划子段;最后利用基于二次曲线的方法对笔划子段进行分段识别和特征参数计算,并通过构造面向对象的图形数据结构对识别出的几何图元进行重构。实例表明,该方法具有较好的识别能力和系统稳定性,能够应用于二维概念草图的快速表达,以及后续三维草绘建模的特征笔划智能识别过程中。     

面向概念设计的实体草绘建模

提出了一种简单、快速、高效的基于草绘设计的概念模型创建方法.该方法模仿传统的纸笔草绘设计方式,允许用户自由地在笔式用户界面上勾画特征笔划,然后根据笔划的形状和位置关系采用基于特征的实体建模方法构造不同的扫描特征体素.在此基础上,采用了基于意图捕捉的特征添加及切削机制创建复杂的实体模型,给出了一些关键算法的实现过程.实验结果表明:该方法能够较好地应用到联机三维概念模型快速创建过程中.     

在线草图识别中用户手绘习惯建模方法

手绘草图是概念设计和思路外化的一种高效的表达方式。用户绘制草图时存在的多种形式，及其随意性和模糊性使得用户适应性问题逐渐成为草图识别的核心课题。本文提出了一种在线草图识别的用户建模方法来捕捉绘制草图时的用户习惯，主要包括两个方面的内容：一是基于SVM的主动式增量学习方法，二是基于动态用户建模的手绘复杂图形的识别方法。前者与传统的增量式学习方法相比，在识别精度相同的情况下所需的训练时间和训练数据集要少得多。后者则是基于笔划信息以及笔划间的顺序和空间关系信息，采用增量式决策树捕捉用户的输入习惯和过程信息。实验证明了本文方法在在线草图识别中的有效性和高效性。     

基于笔序的手绘草图识别方法

本文提出了一种基于用户绘图过程笔序信息的手绘草图识别方法,该方法利用同一用户绘制同一草图的笔序趋向于一致这一特点,在收集用户绘图笔序信息的基础上建立用户模型,从而达到提高输入自由度和识别效率的目的,并用实验加以了证明。     

计算机支持的智能草图技术研究及实现

首先论述了作为CAD技术当前研究前沿的计算机支持的智能草图技术研究现状。构建出智能草图的技术体系,包括基于单笔划的自然手势界面,徒手草图输入,草图识别与基于草图的几何建模。最后给出基于著名几何造型核心ACIS开发的智能草图工具原型系统ISID,它具有一个支持笔输入的用户界面,并能和典型的CAD系统实现集成。初步应用证明该系统具有很强的实用性和可扩展性。     

笔输入草图的分层识别

针对计算机支持的草图设计技术中的草图识别这个核心问题，给出了一套分步逐层的识别方案：从原始笔划的在线识别与线元转换，到几何层基于上下文的草图规整，到语义层基于领域知识的草图理解．整个识别过程通过一个带有黑板的知识库系统实现，逐步有效地解决了草图的模糊性与不确定性，将原始草图转换为精确的几何图形．文中方法已经过原型草图工具系统ISID的验证，并取得良好效果．