基于纹理分割的纹理模型简化

针对带纹理模型简化出现的纹理拉伸和扭曲问题,提出一种基于纹理分割的网格简化算法。化简之前,对模型纹理图片进行分割预处理,根据纹理边界将模型分成多个部分分别进行简化。在简化中,保持边界边不变,依据折叠代价阈值约束简化边与不简化边。折叠代价中考虑了模型的特征,使简化后的模型能很好地保持模型的特征结构。简化完成后,按照新顶点坐标重新计算纹理坐标,进行纹理映射。实验表明,由于单独对每个纹理块进行操作,很好地减少了纹理的拉伸和扭曲,简化算法也较好地保持了模型的几何结构。     

快速纹理映射技术

本文提出一种利用区域求和表对纹理图案进行采样的正向纹理映射技术。通过使用二叉村图象分割算法以及Ｇｕｅｓｓ采样函数对图形进行采样和滤波，有效地解决了纹理映射过程中存在的图形走样问题；使用纹理图案的区域求和表和正向纹理映射技术，提高了纹理图案的采样效率，避免了逆映射过程中出现的对同一纹理元素多次采样的问题；正向映射简化了计算复杂性，为并行处理提供了条件，加快了纹理映射速度。     

基于多核Cortex-A9的汽车三维全液晶仪表研究

随着汽车向智能化、自动驾驶以及新能源的不断发展,采用三维全液晶仪表成为一个重要趋势.本文研究提出一套基于多核Cortex-A9的三维汽车全液晶仪表盘设计方法,并针对渲染过程中出现的形变和边缘锯齿等关键技术问题,提出一种基于三角网格模型的面片分割方法,即在三维模型局部变化的高曲率处进行面片分割,并利用最小二乘保角映射的参数化方法,有效抑制了纹理映射后模型的锯齿现象,提高了三维全液晶仪表的视觉效果.实验证明,该方法很好地表现了三维全液晶仪表的纹理细节,本文在MATLAB上对算法可行性进行了验证.最后,以电动汽车应用场景为例,在嵌入式Linux环境下应用OpenGL[ES技术对模型进行了算法实现,并在TFT-LCD上进行三维渲染显示.本文运用的三角网格模型的纹理映射技术,使三维全液晶仪表具有真实感,并提高了渲染速度.     

海量数据纹理映射技术研究

纹理映射技术是当前计算机图形学中的一个热点问题。提出了一种基于四叉树结构的海量数据纹理映射算法。对多分辨率纹理数据进行了有效的压缩存储,并利用纹理映射误差,有效地减少了实时仿真过程中纹理数据调度的数据量,同时优化了内存释放算法,减少了内外存数据之间的反复调度,从而解决了大规模地形场景重建过程中的数据调度与海量数据的纹理映射问题。     

基于OpenGL纹理映射的雷达图像显示技术研究

针对雷达图像显示的特点,提出了一种基于OpenGL纹理映射机理的雷达图像显示算法,给出了详细的纹理映射机制步骤,阐述了雷达图像显示的算法和实现流程.该显示算法可以满足目前雷达图像显示的需求,具有很强的普适性.     

纹理映射算法的改进研究

纹理映射是真实感图形绘制中的重要组成部分,文中提出的纹理映射算法是在传统映射算法的基础上做了两点改进,由于传统的映射算法在物体的两极易产生纹理汇聚现象,且有明显接缝,故真实感效果不理想。文中将纹理图案做适当的拉伸变换,再做映射的逆变换,利用三角网格对接缝处做匹配,实现了纹理的无缝拼接,并能保持表面的连续性,具有较小的变...     

基于参数平面的自适应调和纹理映射算法

针对经典约束纹理映射算法在保持纹理有效性的同时算法复杂度高的问题,提出了根据评估值自适应选取目标函数的约束纹理映射方法。结合模型的参数化平面,计算模型特征点三角化后每一个三角块内部所有顶点的评估值,根据与给定阈值比较后的结果自适应选择目标函数。对于不能直接应用两种目标函数的三角块进行迭代三角化并计算下一级三角块的评估值。针对局部特征点映射不精确的问题采取局部邻域调整方法,只需调整一阶或者二阶领域的顶点位置即可。实验表明本文算法相较于经典算法时间复杂度平均提高75%以上。将本文算法映射后的模型加载到高帧频实时渲染系统中,实验表明本文算法具有很好的鲁棒性,重复实验表明本文算法可以保持纹理的有效性。     

一种基于射线追踪的时变效应模拟方法

本文探讨了自然界广泛存在的时变效应的模拟问题,实现了一种基于射线追踪方法的时变效应渲染方法.该方法使用Surfels技术对模型表面进行重构和设置属性值,从射线源发射出相应属性值的射线,当射线碰撞到模型表面时将射线属性和模型表面元素属性交换.根据模型表面元素值,选取适当的纹理通过相应的纹理技术进行纹理映射,实现模型表面再次渲染,使模型实现时变效应.针对建筑物场景的实验结果验证了该方法的正确性.     

基于四叉树的多分辨率纹理映射技术

提出了一种基于四叉树结构的海量数据纹理映射算法。对多分辨率纹理数据进行了有效的压缩存储,并利用纹理映射误差,有效地减少了实时仿真过程中纹理数据调度的数据量,同时优化了内存释放算法,减少了内外存数据之间的反复调度,从而有效地解决了大规模地形场景重建过程中的数据调度与海量数据的纹理映射问题。实验结果证明了算法的有效性。     

基于神经网络的几何模型区域分割算法

三维模型简化是近年来计算机图形学中的一个研究热点,现有的简化算法多从全局出发,对几何模型的各个部位统一进行简化,因此模型简化后大量的细节特征丢失.针对三维模型简化中保留细节特征的需要,提出了一种基于自组织特征映射神经网络的三维模型区域分割算法.首先计算三维几何模型中每一顶点的特征向量,然后利用该向量作为自组织特征映射神经网络的输入模式实现对三维模型的聚类分割,最后采取提出的相关性最大准则对过分割区域进行合并,得到最终分割结果.实验表明,该方法能有效地分割出模型的细节区域,满足三维模型简化中保留细节特征的需要.