基于Java 3D技术的三维地层仿真系统

三维地层仿真是在资源勘探、地震研究等方面重要的课题，而应用Java 3D技术构架该系统则是一个崭新的研究方向。该文阐述了Java 3D技术在地层仿真中的应用，就具体系统的设计和所遇到的问题进行了分析，并提供了解决方法。最后对该领域的发展前景进行了展望。     

基于显微镜图像的三维场景重建技术研究

描述了一种基于显微镜图像下的二维融合图的三维重建技术,该技术可以还原出二维融合图像的三维特征。在分析原理的基础上,使用Direct3D在VC环境下实现了三维重建技术。     

三维全身扫描仪的建模仿真

随着计算机全面进入3D时代，三维全身扫描系统对社会的价值越来越显著，获取人体表面的三维几何信息，是建立3D人体模型的先决条件。该文提出了一种基于结构光方法的三维全身扫描仪的系统仿真方案，使用3D Studio MAX软件仿真得到虚拟扫描头运动形成的带激光条纹的图像序列，最后用仿真数据进行三维重建。关键步骤包括用自适应阈值法提取激光带中心，深度图像的获取，以及多扫描头数据的融合等。实验取得了满意的效果，获得了人体的完整轮廓线，验证了系统仿真方案的合理性与高效性。     

数字化考古交互式三维场景复原研究

考古领域引入地球物理探测技术和计算机信息技术是未来数字化考古的发展方向.介绍了VRML技术和Java技术,提出了根据金沙遗址的探测数据和考古文献资料建立计算机交互式古代三维祭祀场景的思路和实现的途径与方法.最后,利用VRML技术和Java技术实现了互动的虚拟三维祭祀场景.     

带有未知匹配的图像线特征三维重建方法的研究*

为了解决传统三维重建过程中线特征匹配速度慢、建模与匹配过程脱节的问题,提出了基于相关系数的图像线特征匹配的方法,运用此方法对同一物体的三幅图像进行了特征匹配和三维重建。建立了目标物体的三维模型,达到了对物体线特征匹配与三维重建同步进行的目的。通过对所得实验数据分析,可以证明此算法对于物体的三维重建是有效的。     

建筑图三维重建方法

随着AutoCAD等软件的出现和广泛使用,建筑设计人员已经越来越多的使用计算机来设计建筑工程图.但是后期的计算、放样等过程还依赖于人工读图,效率低下.于是建筑工程图的三维重建技术成为我们研究的主要内容.我们对建筑图三维重建方面做了一些研究和探讨.主要有以下内容:采用了分步骤、分层次的自动识别方法,高效的建立构件间的全局关系;分析了国内平面表达法建筑制图新标准中仍存在的建筑物三维信息描述的分散性和多样性,采用工程图的信息提取和整合方法,完成了整体三维重建.     

三维地层建模及可视化的研究与实现

在石油矿产等工程领域,需要对地层信息进行处理,需要用可视化技术模拟三维的地层信息。如何建立地层信息的数学模型,以及怎样实现在计算机上动态模拟,是这些工程领域需要解决的问题。论文讨论了一种三维地层的建模方法,以及运用OpenGL对地层进行了可视化显示的方法。     

基于物体特征有效提取和离散点三维重建的3D扫描系统原型研究

针对3D扫描技术的近期发展情况,以及市场关于被摄物体特征有效提取的迫切需求,通过系统的对照相机和投影仪测量的方法与计算,利用离散点三维重建算法、标准化算法详细分析了,作为3D扫描原型系统的关键技术,并深入的对三维坐标重复演算的过程,进行了实践研究与计算,论证了基于投影光编码技术的3D扫描仪原型系统,在物体特征有效提取和离散点三维重建中完全可以高效应用;同时,使用焦距标准化运算、逆向倾角变形运算、逆向扭曲变形运算三种方法,综合论述了物体特征有效提取和离散点三维重建过程的相关内容,测试了原型系统对真实文物的扫描情况,展开了该原型系统可应用于不同材料,不同种类物体的扫描,并能有效的进行数字化物体特征识别的研究结论。     

基于彩色结构光的实时三维重建

提出一种新颖的基于彩色结构光的实时三维重建方法RRCS（Real-time 3D Reconstruction based on Color-coded Structured light）,利用投影在物体表面的彩色结构光的彩色信息,快速准确地还原相位,计算出物体的高度,最终重建物体的三维模型。针对RRCS的特殊性,设计了基于拓扑排序的解相位算法,以及针对点线的快速三角网化算法。实验结果表明,RRCS对设备的要求低,效果较好,具备基本的实时性能。     

一种基于三维模型的文物碎片线图生成方法

考古绘图是文化遗产的重要存档资料,传统方法由人工绘制得到,效率低、精度差。文中依据考古绘图的独特需求,针对陶土类文化遗存数字化三维模型,提出一种自动化生成考古线图的方法。该方法采用扫描得到的兵马俑碎片三维模型,预处理后提取三维模型的轮廓线和脊线特征,并据此生成其考古线图。该方法从数学和算法角度上可为自动生成矢量线图的具体实现提供理论依据,具有视角可变、可用性强的特点,显著提高了考古绘图效率。     

Multiview 3D reconstruction of the archaeological site at Weymouth from image series

Multiview (n-view or multiple view) 3D reconstruction is the computationally complex process by which a full 3D model is derived from a series of overlapping images. It is based on research in the field of computer vision, which in turn relies on older methods from photogrammetry. This report presents a multiview reconstruction tool chain composed from various freely available, open source components and a practical application example in the form of a 3D model of an archaeological site.     

基于锥束CT的两类三维表面重构方法比较研究*

目前锥束CT的三维重构主要采用面绘制,其方法有两类,即体素级重构和切片级重构。在对比两类方法的基础上,提出了一种新的二维切片轮廓重构与三维表面重构相结合的切片级重构方法,然后以标准MC算法和该算法分别对两个实例进行重构并比较。结果表明,该算法更适合工业产品的三维表面重构。     

基于钻孔数据的三维矿体重构系统的设计与实现

该文通过分析矿体三维重构的技术特点,给出了以二维钻孔数据为基础构建三维矿体重构系统的设计思路,重点对钻孔剖面数据处理、矿体模型数据结构的建立以及矿体体积计算等问题进行了详细论述,给出了矿体三维重构的算法流程并最终设计实现了三维矿体重构系统。     

Virtual Archaeologist: assembling the past

We present a complete method, encapsulated in our Virtual Archaeologist system, for the full reconstruction of archaeological finds from 3D scanned fragments. Virtual Archaeologist is designed to assist archaeologists in reconstructing monuments or smaller finds by avoiding unnecessary manual experimentation with fragile and often heavy fragments. An automated procedure cannot completely replace the archaeology expert, but provides a useful estimation of valid fragment combinations, and accurately measures fragment matches. In Virtual Archaeologist, we regard the reconstruction problem from a general, geometric point of view, relying on the broken surface morphology to determine correct matches between fragments     

Virtual and augmented reality for cultural computing and heritage: a case study of virtual exploration of underwater archaeological sites (preprint)

The paper presents different issues dealing with both the preservation of cultural heritage using virtual reality (VR) and augmented reality (AR) technologies in a cultural context. While the VR/AR technologies are mentioned, the attention is paid to the 3D visualization, and 3D interaction modalities illustrated through three different demonstrators: the VR demonstrators (immersive and semi-immersive) and the AR demonstrator including tangible user interfaces. To show the benefits of the VR and AR technologies for studying and preserving cultural heritage, we investigated the visualisation and interaction with reconstructed underwater archaeological sites. The base idea behind using VR and AR techniques is to offer archaeologists and general public new insights on the reconstructed archaeological sites allowing archaeologists to study directly from within the virtual site and allowing the general public to immersively explore a realistic reconstruction of the sites. Both activities are based on the same VR engine, but drastically differ in the way they present information and exploit interaction modalities. The visualisation and interaction techniques developed through these demonstrators are the results of the ongoing dialogue between the archaeological requirements and the technological solutions developed.     

文化遗址的三维真实感建模与虚拟展示技术

以唐小雁塔遗址的数字化展示为应用背景,针对文化遗址的真实感建模和三维虚拟展示问题,提出一种基于大场景三维激光扫描技术的遗址数字化方案,设计一种基于激光同步扫描图像、采用局部纹理映射的遗址三维真实感建模方法,利用GIS和虚拟现实技术开发一个文化遗址三维虚拟展示系统。实际应用结果证明,该系统可有效提高文化遗址的三维虚拟展示效果。     

Mandelbrot集与Julia集的图象生成算法

介绍一种在计算机上生成Ｍａｎｄｅｌｂｒｏｔ集和Ｊｕｌｉａ集图象的简易算法。该算法对计算机的软硬件要求均不高，在普通的微机以及工作站上均可实现。     

视觉图像三维重构计算一般性框架研究

三维实体数字图像重构建模是当前计算机视觉研究领域的热点课题,涉及到相机标定、对应点匹配和三维重构计算等关键技术.本文回顾了三维重构建模的研究现状,分析了现有理论和方法在实际应用中存在的问题;在此基础上进行了相关研究,总结出了三维重构计算的一般性框架,提出了一些研究观点和方法,并探讨了三维重构技术的难点和发展趋势.     

Learning stratified 3D reconstruction

Stratified 3D reconstruction, or a layer-by-layer 3D reconstruction upgraded from projective to affine, then to the final metric reconstruction, is a well-known 3D reconstruction method in computer vision. It is also a key supporting technology for various well-known applications, such as streetview, smart3D, oblique photogrammetry. Generally speaking, the existing computer vision methods in the literature can be roughly classified into either the geometry-based approaches for spatial vision or the learning-based approaches for object vision. Although deep learning has demonstrated tremendous success in object vision in recent years, learning 3D scene reconstruction from multiple images is still rare, even not existent, except for those on depth learning from single images. This study is to explore the feasibility of learning the stratified 3D reconstruction from putative point correspondences across images, and to assess whether it could also be as robust to matching outliers as the traditional geometry-based methods do. In this study, a special parsimonious neural network is designed for the learning. Our results show that it is indeed possible to learn a stratified 3D reconstruction from noisy image point correspondences, and the learnt reconstruction results appear satisfactory although they are still not on a par with the state-of-the-arts in the structure-from-motion community due to largely its lack of an explicit robust outlier detector such as random sample consensus (RANSAC). To the best of our knowledge, our study is the first attempt in the literature to learn 3D scene reconstruction from multiple images. Our results also show that how to implicitly or explicitly integrate an outlier detector in learning methods is a key problem to solve in order to learn comparable 3D scene structures to those by the current geometry-based state-of-the-arts. Otherwise any significant advancement of learning 3D structures from multiple images seems difficult, if not impossible. Besides, we even speculate that deep learning might be, in nature, not suitable for learning 3D structure from multiple images, or more generally, for solving spatial vision problems.     

ST-Rec3D：基于结构和目标感知的三维重建

基于视图的三维重建旨在从二维图像恢复出其对应的三维形状。现有方法主要通过编码器-解码器结构,结合二元交叉熵函数及其变形,完成三维重建,取得较好的重建结果。然而,编码器在编码过程中缺乏对输入视图的结构感知能力,造成重建的三维模型几何细节不准确;以二元交叉熵函数为主的损失函数在体素分布不均衡的情况下,目标感知能力较差,导致其重建结果存在断裂、缺失等不完整性问题。针对此类问题,提出了一种具有结构和目标感知能力的三维重建网络(ST-Rec3D),以单视图或多视图为输入,由粗到细地重建出三维模型;结合注意力机制提出了一种具有空间结构感知能力的编码器,即结构编码器,以充分捕捉输入视图中的空间结构信息,有效感知重建物体的几何细节;将 IoU 损失引入到三维体素模型重建中,在体素分布不均衡的情况下,精准感知目标物体,确保重建物体的完整性和准确性。在 ShapeNet和 Pix3D 数据集上的对比结果表明,ST-Rec3D 在单视图和多视图上重建的三维模型的完整性和准确性均优于当前方法。