基于周期性校正神经网络的血流血管壁耦合

针对传统的血流血管壁耦合难以兼顾计算效率和视觉真实感的问题,提出了一种基于周期性校正神经网络（Periodic-corrected Network,PcNet）的血流血管壁耦合数据驱动仿真方法。设计基于平滑粒子流体动力学（SPH）的血流粒子状态特征向量,对邻域血流粒子和血管壁代理粒子的混合贡献进行建模。提出一种半监督的神经网络--改进的周期性校正神经网络,预测每个粒子在下一帧的加速度。实验结果表明该仿真方法实现了快速、稳定、逼真的血流血管壁耦合。     

面向磁悬浮视触觉交互的多速率系统框架

非接触式磁悬浮视触觉交互克服了机械式交互的固有摩擦,具有广阔应用前景,但存在交互过程中虚拟工具穿透物体、图形渲染与触觉渲染速率不一致等问题。针对上述问题,提出面向磁悬浮视触觉交互的多速率系统框架,通过扩展三自由度（3-DOF）单射线触觉渲染方法,利用多射线对虚拟工具进行建模,避免工具穿透,实现六自由度（6-DOF）触觉渲染;通过多速率并行,实现速率不一致模块间相互协同;通过构建映射滤波算法,实现视觉定位数据到虚拟工具位姿的稳定映射。实验结果表明,该系统能有效避免交互过程中的穿透现象,并提供稳定、真实的视触觉反馈。