数据驱动的大规模水面动画合成方法

为了生成大规模且细节丰富的水面动画,提出了一种数据驱动的合成方法.整个合成分为两大部分：基于视频的水面重建和三角网格拼接.首先简化了线性近似的影调恢复形状（SFS）方法,针对满足朗伯表面假设的室外大规模水面进行重建,并根据时间和空间的连续性进行了一系列优化处理.然后提出一种针对三角网格序列的拼接方法,根据距离最小原则对重建的表面序列进行采样,将采样结果融合得到无缝的表面.利用以上方法,对四类水面的视频进行重建与拼接,结果表明,合成出的水面具有较高的真实感,在规模与细节之间取得了较好的平衡,该方法可以方便地生成满足用户需求的大规模水面动画.     

珠光砂混凝土在大型空分设备基础中的应用

结合工程建设实例,介绍了珠光砂混凝土在大型空分设备基础中的应用方法,从珠光砂混凝土原材料的选用、配合比的设计、混凝土的拌制、浇捣、养护、实验检验等方面进行严格控制,满足了珠光砂混凝土的抗压强度及导热系数的设计要求,保证了施工质量.     

流场可视化的最优视点选择方法EI北大核心CSCD

针对流场可视化当前视点下存在的遮挡与可能面临的非交互式环境的问题,提出一种最优视点选择方法.首先,根据当前视点下的流场行为和结构信息及可视投影的图像质量,利用信息理论概念进行最优视点综合性度量;其次,应用可视成像的相关性对视点间的相似性评估,以决定两视点间的最小重叠;最后,结合K均值聚类方法将相似视点归为一类,每一类中视点熵值最高的视点作为最具代表性的视点.应用各种流场数据集进行可视化最佳视点选择实验,给出了视点选择效果图、与其他方法的最优视点效果对比图以及选择过程的计算时间.实验结果表明,该方法能够自动、有效地进行最优视点选择.     

基于约束轨迹重构的运动编辑

提出了一种运动数据重用的方法.采用偏移映射技术构建模型末端的位姿约束轨迹,该轨迹较好地保留了原始运动的特征;利用Unscented卡尔曼滤波方法求解约束,可以实时地生成与原始运动相似的新运动.实验结果表明,该方法可以生成满足不同模型和场景要求的多种运动,扩展了捕获数据的应用范围.     

基于深度学习的动态场景相机姿态估计方法

针对现有增强现实技术中应用较为广泛的基于标识物的定位注册方法的不足,提出了一种在不断变化运动的复杂动态场景下估计相机连续运动的3维姿态的方法。基于深度神经网络对输入图像序列建立端到端的学习模型,将卷积神经网络(CNN)作为高层特征提取器,同时利用长短期记忆神经网络(LSTM)建立视频连续帧之间的时序关系,完成相机连续运动的3维姿态估计,从而避免了相机快速运动及场景不断运动变换导致图像特征提取效果不好的情况。另一方面,通过迁移学习的方法来预测未知视频序列的相机3维姿态信息,解决了原始数据量不够的问题。在公共数据集上的实验结果表明,相对于PoseNet,基于连续视频序列的输入,其预测精度得到一定的提升。     

基于Level-Set的火焰动画生成方法研究

火焰动画在影视、动漫、游戏等领域有着广泛的应用,而逼真模拟细节丰富的多形态火焰动画一直是图形学研究领域的难点.以Level-Set曲面变形为基础,提出了将目标形态、路径约束和燃烧传播相结合的火焰蓝芯曲面演化模型,以此模拟沿路径的火焰蔓延、移动燃烧物等现象.并针对目前模拟中火焰细节不足的问题,引入修正的MacCormack高阶对流求解器;同时,采用烟密度演化曲线模拟燃烧过程中的烟雾生成,进一步提高火焰真实感.实验结果表明该方法能逼真模拟沿路径的火焰蔓延、移动燃烧物以及其他多形态且细节丰富的火焰动画.     

基于运动序列分割的运动捕获数据关键帧提取

采用线性时不变系统把高维运动数据映射到低维状态空间;在低维状态空间中,定义了姿态之间的相似性度量;并采用误差平方和准则对时序的低维数据点集进行运动分割,分割点上的运动姿态被定义为关键帧．实验结果表明：该算法能够较好地提取出运动序列中的关键帧,并且这些关键帧能够很好地概括原始运动序列的内容．     

基于GPU的烟雾数据体面混合绘制技术研究

研究烟雾等大规模体数据在虚拟场景中实时可视化的技术是一种新的体面混合绘制技术,在灾害现象仿真中有着重要的应用。在处理体面混合绘制时,已有的绘制算法难以实时地处理体数据的遮挡和裁剪,并在内窥绘制中出现片元空洞。针对以上问题,提出一种基于GPU的体面混合绘制算法,将体数据视为参与介质,同时将面绘制的结果作为体绘制的积分域约束条件,从而把面绘制中的裁减算法推广到体数据的绘制中,实现了体面混合绘制的无缝融合。仿真结果表明算法能够实时地绘制虚拟场景中的大规模体数据,并且能够处理复杂的内窥效果。     

面向复杂机械零件形貌测量的高精度三维重建方法

机械零件的精确测量可为零件的加工制造、虚拟仿真、缺陷检测等应用提供依据,基于条纹投影的双目视觉方法由于其高精度的特点广泛应用于机械零件的形貌测量中。在该方法中,绝对相位曲线的质量决定着三维重建的最终精度。由于环境噪声、场景不连续或零件表面复杂结构等的影响,绝对相位曲线往往存在着大量的噪声点和不同程度的形变。为了提高重建精度,针对绝对相位曲线存在的问题提出了相应的改进方法;针对难以去除的远离相位曲线的噪声点,提出逐区域相位校正方法,该方法将每一行的相位曲线分为若干区域,以区域内相位值的中位数为阈值,去除此类噪声点;针对相位曲线的形变区域,在基于点基元的立体匹配方法的基础上引入曲线拟合方法,并对匹配后得到的视差图进行精化,能够改善相位曲线形变区域立体匹配结果不佳的情况,提高了匹配方法的鲁棒性与精度。使用该方法对复杂零件FSW逆变器进行重建,标准偏差可降至0.1 mm以内。实验结果表明:所提方法重建精度更高,对于表面结构复杂的机械零件,能够实现精确测量。     

基于偏正结构表示的加工命名实体识别方法

制造企业积累大量的零件加工经验多以文本形式存在,如何从文本中挖掘出高质量的零件加工知识是个尚待解决的问题。针对待识别实体存在的偏正结构特征,导致实体边界界定模糊的问题,提出一种多网络协调的中文命名实体识别方法。在BERT生成字向量的过程中,通过领域自适应方法,提高字向量对工艺实体的表征能力,同时,在BiLSTM-CRF模型中引入注意力机制和多门控制的混合专家网络捕获上下文特征与实体信息。实验表明,较于当前主流的命名实体识别模型,该文提出的方法对机械零件加工实体识别的F1值达到80.15%,取得优于其他模型的最好性能。