多层次优化的网格曲面离散样条曲线设计方法

为同时满足鲁棒性、高效性以及广泛适用性等要求,提出一种基于多层次优化的网格域样条曲线设计方法.该方法放松了曲线严格位于曲面的约束,仅将曲线的离散控制点置于流形空间,并采用内点法的思想,运用基于块坐标下降法的全局优化方法进行数值求解,最后借助局部参数化将曲线段映射到网格曲面.在此基础上,文中提出由粗到细的多尺度层次求解策略,不仅能够更为准确地估算离散微分算子,提高求解精度,而且能够减少挪动采样点的计算量,提升求解效率.收敛性分析实验表明,多层次优化方法能够快速收敛,并在多尺度策略下获得更为光滑的结果.和现有的投影法和光顺法相比,该方法效率更高,且在可控性、普适性和鲁棒性上均表现出一定的优势.     

高光去除的聚类算法改进

高光去除是计算机视觉领域研究的一个热点问题.现有的基于双色反色模型分离漫反射分量和镜面反射分量去除单幅图像中的高光的方法,容易引起图像颜色失真和纹理的丢失.针对此问题,在使用像素强度比去高光的基础上改进了像素聚类算法,能够更准确的进行像素分类,改善图像颜色失真的现象.首先计算原图像与最小强度值单通道图像的差值得到无高光图像.然后根据无高光图像计算与高光区域相关的每个像素点的最大漫反射色度值和最小漫反射色度值.最后将高光区域内的像素点转换到最小最大色度空间,对高光区域内的像素点进行xmeans聚类,利用分类后漫反射像素点的强度比估计值很容易分离高光区域像素点的镜面反射分量,从而得到去高光图像.实验结果表明,与现有的方法对比,峰值信噪比值平均提升了2%至4%,图像颜色失真和纹理丢失状况得到改善,视觉效果更好.     

受限多模板最小二乘预测的三角网格压缩

为提高网格压缩的编码压缩率,充分利用网格局部邻域信息特征,提出一种数据驱动的多模板最小二乘预测方法.在训练阶段,从网格模型中所有可能构建的5个顶点的模板中提取特征数据作为训练集,在局部坐标系下构建预测器并通过最小二乘法求解预测器的权重;在编码阶段,对当前顶点的量化坐标预测使用受限多模板策略,根据多个可用的模板选择最优集合进行线性组合,再对残差进行熵编码.不同于网格无关的网格坐标预测策略(如平行四边形预测器),文中方法深入利用网格模型上邻近三角形之间的相关性,有效地降低了坐标预测的误差,从而提高了压缩率.在同等的量化误差和拓扑遍历顺序下,与已有的预测方法相比,受限多模板最小二乘预测器通常能够获得更高且稳定的压缩率,尤其在光滑模型上压缩效果更为显著.     

动态非均质半透明物体的实时绘制算法

现有的对半透明物体的绘制算法中大部分都是为均质材质设计的,虽然有少数算法可以绘制非均质材质,但效率不高,为此提出一种图形硬件加速的动态非均质半透明物体的实时绘制算法.首先将模型的采样点组织成八叉树的形式,将双向次表面散射反射函数(BSSRDF)表达绑定为顶点属性,同时充分利用图形硬件的并行性来实现八叉树的快速建立和遍历;然后以树的结点之间的空间距离和材质的相似度为准则提出一种新的采样方法来提高表面积分的效率.由于整个过程不需要任何预计算,因此该算法可以很容易地扩展到动画场景或者变化的材质,并且还可以灵活地选择BSSRDF的表达方式.实验结果表明,文中算法可以达到实时的绘制帧率和良好的视觉效果.     

紧耦合的移动端实时位姿优化方法

位姿估计一直是三维重建领域的关键性问题.为保证移动端有限计算资源下的实时性并提高轨迹计算的准确性,提出一种紧耦合的移动端实时位姿优化方法.首先,获取图像信息与运动传感器信息进行特征提取、预积分等预处理;然后根据对极几何约束,计算重投影误差与惯性传感器误差;最后采用加权误差联合优化计算位姿轨迹.紧耦合策略可以有效利用图像信息与惯性运动信息对位姿约束的一致性.在公开数据集EuRoC上的实验表明,与已有视觉惯性位姿估计方法相比,文中方法在保证移动端实时性的同时,重建相机轨迹误差更小.     

距离约束的网格曲面曲线设计方法

针对现有网格曲面曲线设计方法鲁棒性差、收敛慢、适用范围窄等不足,提出一种基于距离约束的新方法.该方法将复杂的流形约束转化为距离约束,并与光滑、插值（逼近）约束共同描述成优化问题.求解时,用切平面逼近局部曲面,并将距离约束松弛成用点到切平面的距离.由于计算距离所用的曲线上的点与其对应的切点相互依赖,采用“整体-局部”交替迭代的策略,并运用Gauss-Newton法的思想控制其收敛行为：整体阶段,通过距离近似将其松弛成凸优化问题求解迭代步长;局部阶段,采用鲁棒高效的投影法将优化后的曲线映射到曲面以更新切平面;最后,利用切割平面法将所有处于松弛状态的折线映射到网格曲面.实验结果表明：该方法与现有方法相比,在效率、鲁棒性、可控性、应用范围等方面均表现出优势.