大型雕塑三维透视纠正系统的研究和开发

由于人眼透视非线性的事实,在对雕塑手稿进行等比例放大后均需根据所观察到的透视效果对大型雕塑进行透视纠正。原来雕塑家需对照手稿人工制作透视正确的放大雕塑,由于大型雕塑体积大,手工制作工作量大,为了减少工作量,文中研究并开发了一种雕塑透视纠正系统。在该系统中,首先读入雕塑手稿的三维扫描模型数据,为雕塑设计者可使用计算机对雕塑模型数据在虚拟环境下进行放大模拟和透视纠正,随后通过将计算机生成的模型分割后进行机械加工得到大型雕塑,从而减少了真实雕塑纠正和放大所耗费的时间。     

无局部自交的轴变形新方法

提出了一种无局部自交的轴变形的新算法.不同于传统的方法,新方法通过调整轴曲线的控制顶点及形状来调整轴曲线的曲率,从而避免物体发生局部自交.另外,文中还给出了一种快速判断轴变形中物体发生局部自交的方法,并给出了快速求解交点并去除自交的算法.上述方法计算量少,效率高,能应用于实时的计算机动画和几何造型系统中,具有广泛的应用前景.     

基于三维场景和图像边缘特征的浅浮雕建模

针对数字浅浮雕设计,通过对已有的浅浮雕建模方法进行分析,提出一种结合深度场边缘特征自动生成浅浮雕的方法。从三维场景中获取深度图,再将深度图分割成块,利用局部图像结构的优点,用随机结构化森林来学习精确且计算有效的边缘检测器,得到的边缘图再进行处理得到平滑且细节增强的浅浮雕轮廓;视边缘连续图为概率场,提出根据概率场对深度场的梯度域进行自适应的非线性压缩;通过求解泊松方程来恢复浅浮雕的高度场。实验结果表明,该方法对于大部分三维场景能在合理时间内自动生成效果良好的浅浮雕模型。     

一种提高3D模型浅浮雕建模质量的方法

顶点数较少的3D模型本身细节不够丰富,浅浮雕建模生成的浮雕效果较差.针对低分辨率3D模型本身细节不够丰富的问题,引入深度学习的方法对3D模型生成的法向图做超分辨率放大,设计出一种基于法向图的超分辨率卷积神经网络,丰富低分辨率法向图的细节,网络的输入是低分辨率3D模型的法向图,输出是高分辨率法向图.实验结果表明:该算法可以有效提升低分辨率法向图的细节,显著提升低分辨率3D模型的浅浮雕建模质量.     

保持三维模型内在属性特征的水墨绘制

为了解决非真实感渲染方法中三维模型的细节特征保持不足的问题,提出一种基于三维模型内在属性特征绘制图的带水墨画效果的非真实感渲染方法.将模型曲面的平均曲率转化为表面材质,使用帧缓冲对象渲染到纹理,经过像素变换、高斯模糊等处理得到水墨效果;再经过非线性映射得到黑白分明的内在属性特征绘制图,然后在图像空间通过GPU进行图像处理;通过调节光源位置可以实时地调整水墨笔画的分布,调整阈值以改变特征细节的展示层次.大量实例结果表明,文中方法是高效、可靠的.     

保持边缘特征和增强对比度的图像缩放算法

图像的边缘信息和对比度是影响人体视觉的最主要因素。提出一种能够同时保持边缘特征和增强对比度的图像缩放新方法。通过边缘检测算法、边缘梯度增强以及梯度图的低通滤波算法,得到新的梯度图,再通过求解泊松方程得到重建的图像。由于对图像边缘作了特殊处理,从而避免在图像缩放过程中丢失边缘信息。该方法可以同时保持特征以及增加图像的对比度,从而更好地展现图像的细节。实验结果表明,本文方法能应用于一般图像和医学图像的缩放和增强等应用中。     

网格特征均衡化编辑

针对目前缺少从特征分布的角度来研究多边形网格编辑的问题,提出一种基于特征均衡化的网格编辑算法.首先对网格域上的坐标值作均衡化处理,使网格特征重新分布,再通过求解稀疏线性方程组得到新的网格模型,达到编辑网格和增强特征的目的;然后结合网格顶点和三角形重心约束在保持基本形状的基础上对网格特征进行编辑;最后通过显式地编辑网格模型的特征分布来隐式地改变模型的形状和特征.实验结果表明,该算法从网格模型内在特性出发寻找模型的内在控制机制,隐式地将整体形状控制与细节特征控制结合起来,为网格编辑和特征优化提供了新的思路.     

基于保特征调和场的交互式网格分片

网格模型分片在计算机图形学应用中具有重要意义,本文提出了一种基于网格上的调和场和图割技术的网格模型分片算法.用户可以通过划线的方式来指定网格上感兴趣的区域;算法自动构建反映该区域细节特征的调和场,进而采用图割技术,得到满足用户要求的分片结果;通过对网格分割边界的光滑处理,可有效改善锯齿型分割边界.实验结果表明,我们的算法对于特征单一或复杂的网格模型都能得到符合用户意图的分割结果.     

无人驾驶中的场景实时语义分割方法

无人驾驶的一个重要组成部分是汽车行驶环境感知,使人们对可在低功耗移动设备上实时运行的高精度语义分割方法产生了强烈的需求.然而,在分析影响语义分割网络精度和速度的因素时可以发现,空间信息和上下文特征很难兼顾,而使用2路网络分别获取空间信息和上下文信息的方法,又会增加计算量及存储量.因此,提出从残差结构网络中划分出空间信息路径和上下文信息路径的想法,并基于此设计一个双路语义分割网络.该网络还含有用于融合2路多尺度特征的特征融合模块,以及用于优化上下文语义路径输出结果的注意力精炼模块.该网络基于PyTorch框架实现,使用NVIDIA 1080Ti显卡进行实验,在道路场景数据集Cityscapes上,mIoU达到78.8％,运行速度达到27.5帧/s.     

保持特征的平面形状近似骨架的抽取算法

针对多边形骨架抽取中轮廓噪声严重影响骨架的问题,提出一种保持特征的多边形近似骨架的抽取算法.通过分水岭算法检测平面多边形的特征突起点,在分支末端点引导骨架的抽取,从而避免多边形轮廓噪声对骨架的影响,得到有效的形状简洁的近似骨架.另外,该方法还适用于半自动的骨架抽取,即允许用户手动指定骨架末端点,使计算所得的骨架具有更高的实用性.实验结果表明,文中方法简单易行,能应用于计算机动画和形状检索等领域.