基于稠密变形场能量优化的非刚性在线体积重建方法

针对动态非刚性在线重建存在的重建漂移问题,提出了一种基于单个RGB-D传感器的稠密变形场在线融合策略,实现了对非刚性几何形状的动态重建.通过局部平滑和输入约束处理,将空间的最优变形转换为非线性正则变分优化问题,并使用数据并行闪存优化策略,以摄像机捕获速率,实现对非刚性场景的在线跟踪重建.通过实验表明,本文方法实现了对非刚性场景的鲁棒跟踪,减少了在线重建过程中的漂移现象,适用于快速运动和缺乏几何特征的场景重建.     

交互性纹理合成

扩充了Efros与Freeman的图片缝合算法,添加了图形用户界面,从而可以动态地改交参数,并对算法做了一些改进,增强了用户对纹理合成的可控性并丰富了合成纹理的多样性.     

一种基于三维曲面变形的自由变形算法

在Dirichlet自由变形算法的基础上,针对Dirichlet自由变形方法不适合三维曲面变形的情况,提出了一种基于曲面两点之间最短距离的Dirichlet自由变形算法:算法将三维曲面上求两点之间最短距离问题转化为二维平面上求带权图最短路径问题,用三角面片的面积之和来表示Voronoi单元或部分Voronoi单元面积,并由此给出了一种适合由多边形表示的三维曲面的Voronoi图构造方法及Sibson邻居和Sibson坐标的计算方法;并且用该算法对人脸模型进行局部变换,进一步刻画特定人脸器官的细节特征,最终形成了个性化的三维人脸模型.     

近代间岛日本领事群的保护与利用状态研究

近几十年,由于延边地区的肆意开发,很多具有保留价值的近代建筑物逐渐消失,为保护见证城市发展历史的建筑物,作者对省文物保护单位"间岛日本总领事馆"进行了调查研究.所剩无几的领事馆建筑群中部分建筑物因未得到充分利用,外观破损比较严重,针对这种现象,作者对近代建筑物的维修与利用的规范化进行了研究.     

一种基于NURBS曲面控制的多分辨率自由变形算法

提出一种针对非均匀有理B样条（NURBS）曲面的自由变形算法,将Loop细分技术引入到NURBS曲面的自由变形中,并提出了通过细分层次控制进行精确多分辨率变形的方法。算法首先根据模型的结构特征确定初始控制顶点,然后对逐步细分的控制曲面片建立局部坐标系,计算每层细分生成的曲面控制点局部坐标,最后根据变形偏移量重新计算各细分层次下网格点新做标,进而实现多分辨率变形。通过虚拟环境中小麦叶折断变形实验,验证了所提算法可以应用于由NURBS曲面表示的作物模型的变形操作,在到达某一细分层次时,若控制点数小于某一阈值且自由变形时间增加较小,可以使该例中自由变形具有良好的精确性和实时性。     

延边林业区建筑的改造设计

森林资源丰富的延边,从近代到1980年代,在林业方面一直是龙头企业,带动了延边地区的经济。可是100多年的肆意开发,森林资源枯竭,导致原有林业工厂的倒闭或转型,从此近代开始形成的林业建筑厂房和设备、铁路,只部分存在,有的消失的荡然无存。因此,通过和龙林业局的调查,分析目前延边地区林业建筑的状况,为将来林业建筑的保存和利用打下基础。     

钢筋在混凝土中被锈蚀的机理及影响因素

通过分析混凝土中的钢筋锈蚀现象，解释其原理，并归纳影响钢筋锈蚀的因素。     

基于深度图及分离池化技术的场景复原及语义分类网络

在机器视觉感知系统中,从不完整的被遮挡的目标对象中鲁棒重建三维场景及其语义信息至关重要.目前常用方法一般将这两个功能分开处理,本文将二者结合,提出了一种基于深度图及分离池化技术的场景复原及语义分类网络,依据深度图中的RGB-D信息,完成对三维目标场景的重建与分类.首先,构建了一种CPU端到GPU端的深度卷积神经网络模型,将从传感器采样的深度图像作为输入,深度学习摄像机投影区域内的上下文目标场景信息,网络的输出为使用改进的截断式带符号距离函数（Truncated signed distance function,TSDF）编码后的体素级语义标注.然后,使用分离池化技术改进卷积神经网络的池化层粒度结构,设计带细粒度池化的语义分类损失函数,用于回馈网络的语义分类重定位.最后,为增强卷积神经网络的深度学习能力,构建了一种带有语义标注的三维目标场景数据集,以此加强本文所提网络的深度学习鲁棒性.实验结果表明,与目前较先进的网络模型对比,本文网络的重建规模扩大了2.1%,所提深度卷积网络对缺失场景的复原效果较好,同时保证了语义分类的精准度.     

本体语义检索系统

基于关键词匹配的检索方法存在不足,使用分布式大数据处理技术,基于本体对用户输入的查询关键词进行查询扩展,利用Lucene针对扩展后的关键词进行检索,按照语义相似度将检索结果排序后返回给用户。实验表明,基于本体的语义检索系统在查全率和查准率两个方面均优于传统检索方法。