基于相移的面部三维视觉传感技术研究

提出一种基于新的相位展开算法的人面部非接触式三维扫描系统,可用于活体人睁眼情况下的快速精确面部三维复制。该系统由DIP投影仪投射对人眼无伤害的正弦光栅条纹,使用提出的枝切截断相位展开算法,获取被测人面部的相对光编码信息,然后,投射一幅具有绝对相位的分割线图,通过Hilditch细化算法精确获取分割线图的单像素级绝对相位,从而完成用于三维测量的绝对相位精确获取,最后,在主动视觉测量原理下完成了人面部三维测量重建。为了验证本系统的性能,使用自制测量设备对人的面部进行了测量重建,结果表明：该系统能在1s内完成对人眼无伤害的编码条纹的投射与采集,能满足活体人的面部测量所需的条件。     

牙龈软组织变形仿真技术研究

基于三角网格描述的三维牙颌模型,根据牙龈变形的生理医学特性,结合牙龈变形仿真的实时性和逼真性要求,提出一种完整的牙龈软组织变形仿真算法.该算法根据三维牙颌模型的曲率特性,对其生物特征信息进行定量描述;在曲率特性分析的基础上进行区域划分,确定牙冠、牙龈及变形中的固定区域;根据牙龈的变形类似于带边界约束的弹塑性薄膜的变形特性,采用能量函数驱动方式,实现牙龈动态连续变形.     

基于形态学的牙齿模型交互分割

精确地分离出单颗牙齿是计算机辅助正畸设计的重要步骤,由于牙齿有不同的形状并且不同个体之间也有很大的差异,所以分离出单颗牙齿比较困难.介绍了一种从三维网格牙颌模型上精确分割单颗牙齿的方法.首先,计算三角网格顶点的曲率,根据顶点曲率值筛选出特征区域;由用户封闭特征区域,之后对特征区域进行形态学操作得到特征区域的骨架线;依据获得的骨架线可以把牙齿精确地分离出来.     

基于支撑强度可控的数字光处理三维打印工艺优化技术

为了解决数字光处理三维打印制件去除支撑后表面质量受损问题,根据材料固化特性提出支撑强度差异可控的工艺优化方法。建立了制件固化强度与曝光时间之间的数学模型,并通过力学试验进行了拟合及参数因子修正。在三维打印制造过程中通过软件控制系统对零件模型和支撑模型设置不同的曝光时间,实现强度差异可控,从而降低了支撑去除对零件表面的损伤。试验结果表明,采用所提方法去除支撑后零件的表面质量有所提高,且支撑去除效率提高近40%,为提高数字光处理三维打印制件表面质量和精度提供了新的思路。     

点阵结构填充模型的边界强化设计方法

对于填充均质点阵结构的零部件，其失效往往首先出现在近边界端的梁模型处，外部载荷无法有效传递至点阵结构内部。针对上述问题，提出一种参数化边界强化技术，实现了连接牢固的“点阵实体”优化模型设计。以连杆零件为例，将优化模型与等体积的均质点阵结构填充模型进行了对比验证。结果表明，所提方法保证了载荷的有效传递，且边界连接处更加牢固。     

一种面向SIFT特征匹配的过滤新算法

针对SIFT匹配算法存在误匹配的情况,提出了一种基于三角形相似的匹配特征点过滤算法,即在SIFT算法中使用欧式距离判断特征点相似性后,对匹配的特征点构造三角形,通过判别三角形相似对匹配特征点进行进一步过滤。实验结果表明,三角形相似算法能大大提高匹配精度。     

风力机叶片单向流固耦合分析

对风力涡轮机叶片在指定的流场压力场下的变形提出一种新的分析方法。利用多重参考系模型,研究叶片表面的受力和叶片周围流场的变化,对风力涡轮机叶片进行单向流固耦合分析。叶片在12m/s风速下的数值模拟结果显示叶尖部分压力最大。该方法既能真实模拟叶片运行时的状况,又能节省计算时间,提高效率。     

基于改进遗传算法的多模型加工路径规划

在数控加工中,为提高整体的加工效率,往往将多个模型在一块坯料中进行排布,然后进行整体加工规划。为解决多模型整体加工中的路径规划问题,提出对模型及其连接点进行多次调整的方法。在将模型位置简化为加工轮廓的几何中心点的基础上,采用遗传算法对加工轮廓的几何中心点进行排序,确定整体的最短加工顺序。然后在保证加工模型间不发生干涉的情况下,通过对模型的姿态和加工起始点的位置进行调整,进一步缩短模型间的空间跳刀长度。为解决遗传算法易于早熟和难以跳出局部最优解等问题,采用父子代参与竞争和自适应遗传算子等方式对遗传算法进行改进。试验结果表明,该方法能有效地缩短多模型加工的整体路长,并且改进的遗传算法具有很好的收敛效果。     

三角网格模型错误检测及修复算法研究

三角网格模型在计算机辅助设计中得到了广泛的应用，但是由于模型常见的一些错误给后续处理带来了极大的困难。针对这个问题，在对常见错误分析的基础上，通过建立相应的数据结构，系统地提出了处理各种错误的算法，最后通过实例验证了算法，取得了理想的修复效果。     

基于L-M算法优化BP神经网络的储粮害虫分类识别研究

以储粮害虫为对象,研究了利用数字图像处理技术与BP神经网络技术实现离线检测与分类识别。首先对4类常见储粮害虫进行图像采集、预处理以及9个常用形态学特征的提取,再通过特征分析把有效特征压缩至6维,将其作为BP神经网络的输入参数,对应的储粮害虫的类别代号作为输出参数,构造BP神经网络,并在网络训练过程中利用L-M算法进行优化。最后通过实验证明该方法在害虫识别算法中稳定性好,收敛速度快,预测精度高。