基于STEP/AP203和AP209的有限元自动建模和后处理技术

标准数据访问接口(SDAI)用标准的方式来实现对数据表达和交换标准(STEP)数据的访问和操作.用早联编方式实现了SDAI接口,实现了几何信息的提取和模型创建.基于AP203,实现了有限元分析本体程序与多个三维CAD软件的连接.基于AP209,实现了有限元分析系统与用户后处理分析系统之间的统一连接.     

面向医学数据的分层剥离体绘制算法

采用直接体绘制方法显示医学数据时,一般通过修改传递函数来显示感兴趣区域,但仅通过调节传递函数很难清晰地显示被遮挡的人体组织,为此提出一种新的分层剥离直接体绘制算法.通过计算相邻的不透明度极小值和极大值之间的斜率,并根据用户指定的斜率阈值和累积不透明度阈值确定分层点,实现对体数据的分层绘制.实验结果证明,该算法可以根据不同医学数据的特征信息更精确地定位分层点,绘制效果清晰,速度较快.     

基于STEP中性文件的有限元自动建模

直接利用CAD系统的几何造型 ,以STEP中性文件为CAD造型系统与有限元单元剖分系统间的几何和拓朴信息传递媒介 ,实现有限元单元的自动剖分。按STEP/AP2 0 3的语义模型提取STEP中性文件中三维形体的表面信息 ,将该形体的每个表面映射到二维参数平面 ;利用参数平面的边界数据和二维单元自动剖分模块 ,用推进波前法实现表面网络的自动生成 ;然后由表及里实现三维实体单元的生成 ,系统基于STEP中性数据文件 ,可以与多个流行的CAD系统实行连接。     

数据结构课程教学研究

从数据结构课程的教学目的和教学内容出发,在分析教学难点的基础上,从实践的角度提出如何克服教学难点、提高大学生课堂教学参与度和保证教学效果的教学方法。结合实验环节的改进,数据结构课程的教学取得了更好的成效。     

3维颅骨表面模型的复杂孔洞修补

颅骨表面模型的孔洞复杂,很难用目前常用的图形学中某一类算法进行修补。目前基本修补算法(BHRA)可用来修补一般区域孔洞,但对于颅骨上破损较大复杂孔洞和特征区域复杂孔洞还没有较好的修补算法,为此提出一种颅骨模型复杂孔洞修补算法,该算法首先通过复杂孔洞的位置和复杂孔洞包围盒的面积来对该复杂孔洞进行分类,再选择相应的算法进行孔洞修补。针对颅骨上区域较大复杂孔洞,提出一种向内递归修补法(IRS),解决了传统孔洞修补方法修补曲面较为平坦的问题;针对颅骨上的特征区域复杂孔洞,提出了特征模型匹配法(TMA),使用标准模型作为约束并对其进行变形,使修补后的模型更符合人的面部特征。实验结果分析表明,该算法对颅骨上区域较大的复杂孔洞和特征区域孔洞的修补效果令人满意,同时将该修补后的颅骨模型进行颅面复原,颅面复原效果良好。     

面向3D肌肉模型的穿插分离算法

针对肌肉配准后获得的三维肌肉模型之间小范围区域的穿插问题,提出一种新的穿插分离算法.首先应用OBB层次树检测3D模型间的交叉区域,然后采用最小二乘法计算穿插模型间的接触面,最后用基于逐点位置约束的Laplace算法对接触模型进行优化和光滑,并保留模型的原有几何细节,实验表明本文算法分离效果良好.     

基于Java3D的网络三维模型浏览系统的开发

Java3D是基于Java平台面向对象的三维图形应用程序接口API，便于在网上实现三维图形的显示、浏览．主要探讨了通过STEP／AP203标准文件提取三维模型边界信息，利用Java3D实现网络三维模型交互浏览系统的技术方案，系统由STEP文件信息提取、基于Brep表示的三维模型重建和三维模型网上真实浏览等三大模块组成，并具体讨论了这三个模块的实现原理．该技术的实现对协同式设计的畀地浏览功能有着重要意义。     

基于成员体关系的医学数据剥离绘制算法

针对修改传输函数或者使用特殊的光照效果时不能完全解决直接体绘制医学数据人体组织间的遮挡问题,提出一种基于成员体关系的分层剥离体绘制算法.利用梯度阈值函数判断采样点的类型,通过采样光线获得同种组织的标量值范围;用由移动最小二乘法按照拟合出的不同组织的分界标量值和空间位置来建立每个体素的成员体关系;将成员体关系用于分层剥离体绘制,以解决同类组织的遮挡问题,并采用自适应的光线投射算法提高图像的绘制效果和速度.实验结果表明,文中算法可以根据医学数据来确定相应的成员体关系,使被遮挡部分绘制效果清晰.     

基于支持向量机的人体姿态识别

人体姿态识别是当前自动视频理解技术的研究热点,提出的算法能够识别视频中的十二种人体姿态,包括走路、跳跃、爬行和弯腰等.算法首先提取前景图像中的星形轮廓位置、六星角度和离心率等多特征信息,组成人体姿态特征,结合该特征的向量表示利用基于径向基核支持向量机的分类器,实现各种姿态的识别.实验中,在公共数据库和部分自采集数据基础上构建特征库,对分类器进行训练,对其余自采集数据进行分类,结果表明:该算法对小样本下的人体姿态识别具有令人满意的结果.