海量测量数据简化技术研究

随着坐标测量设备的发展，快速方便地获取包含被测物体更多细节的海量数据成为可能，但由于其数据量非常庞大，会严重影响模型重建算法的效率。文中提出了3种海量数据简化准则：简化后数据集中点的个数、数据集中点的密度阈值及删除一点引起的法向误差的阈值。根据这些准则，分别给出了相应的数据简化算法。该算法的核心是用Riemann图建立散乱测点间的领接关系，在此基础上进行Riemann图的最优遍历并计算测点处的最小二乘拟合平面，从而近似计算删除一点引起的误差。文中提出的对一海量数据进行空间划分的算法，提高了数据简化的效率，应用实例表明本文提出的算法达到了预期的效果。  

基于内容的三维模型检索综述

对当前基于内容的三维模型检索技术的国际研究现状及进展进行了广泛而深入的综述．探讨和分析了基于内容的三维模型检索技术的系统框架及其关键方法，重点介绍其中的模型坐标标准化、特征提取与索引、相似性匹配、查询方式与用户界面等方面的基本内容，并进行了适当分类．分析总结了现有的基于内容的三维模型检索系统及搜索引擎的典型实例．最后，对现有研究中存在的难点问题及其未来的发展方向进行了展望．  

GPS-PDA在土地变更调查中的应用研究

首先分析了GPS—PDA技术应用于土地变更调查的意义，研究了单基准站后处理差分解算、坐标转换模型。最后以一实测结果表明了该技术的可行性和有效性。  

一种非线性扩散滤波器的设计方法及其应用

非线性滤波器在保留图像重要特征方面表现出良好的性能，这些非线性图像滤波大多源于求解初始值为输入图像的非线性扩散方程，设计合适的扩散系数可以控制扩散方程的扩散行为，使得在平滑图像的同时能够保留图像的重要特征信息，该文给出了一种非线性异性扩散滤波器的设计方法，通过引入图像特征来选取合适的局部坐标系，将整体坐标系中的扩散系数矩阵的设计问题转化为局部坐标系中沿各坐标方向的扩散系数的设计，这种设计方法简单，便于更好地理解扩散滤波器的扩散行为，具有更加明确的物理意义，实验结果说明了此方法的可行性，在图像的保边光滑处理方面具有明显的效果。  

用随机正弦波拟合卡通流水

在过去20年中人们提出许多处理水运动的方法，但大都致力于生成真实感的动画，而对传统手工绘制的水运动效果建模问题几乎无人涉及，给出一个等级结构的卡能流水模型，首先分析了卡通汉水的绘制过程，从中提取卡通流水的静态要素与动态要素，然后以正弦波为基础对其幅度、频率以及相位进行随机扰动定义水波形状，并在指定边线范围内控制它们的运动来生成卡通流水，此外还给出了生成三维卡通流水的方法以及相应的动画图例。  

关于P5P问题的研究

PnP问题是计算机视觉、摄影测量学乃至数学领域的一个经典问题.系统地研究了P5P问题,用代数方法证明了下述结论:当5个控制点中任意3点不共线时,P5P问题最多有两个解,并且解的上限可以达到.同时给出了有惟一解和有两个解的代数条件以及求解P5P问题的具体算法.在物体定位、机器人导航等领域具有比较重要的应用价值.  

基于微分进化算法的时间最优路径规划

提出了一种利用微分进化算法进行机器人路径规划的方法,在极坐标系下采用路径点列的极角和极径作为参数进行个体成员的矢量合成,生成的初始路径点集经过提炼处理极大提高机器人移动速度;仿真结果表明该方法可以解决大范围、多障碍环境的机器人路径规划问题。  

基于Vega Prime的视景仿真技术研究与应用

文章针对Vega Prime视景仿真技术相对于Vega的改进之处，设计了基于Vega Prime的视景仿真框架，重点研究了四个方面内容：运动模型和仿真对象的特点及两者之间的驱动关系、坐标系统和不同坐标系之间的转换机制、碰撞检测器的原理和碰撞检测的方法、用于模拟环境效果的”天历表模型”和模拟特殊效果的粒子系统等等。论文解决了基于Vega Prime的视景仿真技术涉及的诸多关键技术，为Vega Prime在实践中的有效应用打下良好基础。最后，论文还分析了基于Vega Prime的场景漫游过程，并把文章研究的相关理论应用到实践。  

光学图象几何畸变的快速校正算法

实际光学镜头所成的图象难免会有几何变形，多项式坐标变换法是进行几何修正的有效方法，但是当次数较高的时候，运算量太大，难以应用到实时图象处理系统，为此在分析多项式坐标变换算法的基础上，提出了一次多项式非均匀分片逼近算法。该算法首先将图象非均匀划分成矩形区域，在每个矩形区域内部用一个一次多项式逼近高次多项式。基于对图象畸变的主要因素即径向畸变的分析，该算法的图象划分规则能在保证逼近精度的前提下占用最少的保存模型参数的空间。该算法大大降低了运算量，将运算时间减少了近2／3，同时能很好地保证逼近精度，空间代价也限制在很小的范围内，试验结果表明该算法是图象几何修正的有效方法，具有良好的工程应用价值。  

神经计算中坐标变换的网络模型(CMAC)的泛化特性

在神经计算中神经网络的泛化特性是一个非常重要的内容.该文简述了小脑模型 (CMAC--Cerebellar Model Areiculation Controller)的原理和学习算法,并用仿真方法讨 论了在机器人使用的坐标变换关系(输入直角坐标值,输出机器手的关节角度)下CMAC的 泛化性能:当泛化率为1:100时CMAC仍能正常工作.系统的精度虽能满足需要,但是进一 步提高却受到限制.本文还讨论了影响精度的各种因素及可能的改进方法.