二维液压机械装配图设计的自动消隐

本文介绍液压二维装配图自动消隐程序ＨＴＲＩＭ的功能、原理及特点。根据国产液压件的外形特征，采用ＡｕｔｏＬＩＳＰ、ＡＤＳ程序设计实现液压装配图绘制的自动消隐，实际上是ＡｕｔｏＣＡＤ的一种独特的二维图形消隐算法。     

特大平滑汉字图形封面制作系统（三）：汉字图形封面屏幕特技显示模块设计

概述了ＶＧＡ系理图形适配卡的数模转换器（ＤＡＣ）的色彩组织原理和寄存器编程方法，设计了实现画面淡入淡出，汉字消隐变色等屏幕显示技术的６个函数，给出了图形封面显示模块的设计思想。     

EGA／VGA中16色PCX图形文件重现方法及实现

用ＢＯＲＬＡＮＤＣ＋十设计了一个１６色的ＰＣＸ图形文件重现的实用程序，具体屏幕的平滑显示和平滑消隐的艺术效果，可在应用系统中直接使用。     

平面图形的消隐方法

本文分析了用“拼合法”实现平面装配图绘制的特点以后，重点阐述了画装配图时的难点问题－消隐问题，详细说明了平面几何造型消隐的原理和算法，并在ＡｕｔｏＣＡＤ绘图软件包中得到了实现。     

利用OpenGL进行CAD三维图形消隐处理

本文详细介绍了是用ＯｐｅｎＧＬ的功能进行粗略消隐和精细消隐处理与计算，并给出了详细计算步骤及例程，有助于ＣＡＤ设计与输出。     

AutoCAD环境下机械图消隐方法一探

本文探讨在ＡＤＳ下，用选择集方法解决二维机械图装配消隐问题的机制。以上层图形轮廓导找为核心，提供了一种实用的消隐算法。     

基于机器人层次树结构几何模型的消隐算法

本文讨论了机器人层次结构几何模型，其高层为机器人树，低层为连杆树，连杆点为基本体，根据这一模型，机器人图形显示隐藏线和面的消隐可在３个层次上分别依次进行；基本体－→连杆－→机器人，单个基本体的消隐通过确定其各面的优先级来实现，连杆的消隐通过确定组成连杆的各基本之间的显示优先级实现，机器人消隐只需对连杆排序，此算法降低了计算量，提高了效率，已用于机器人图形仿真上。     

机器人真实感图形的计算机模拟

本文以一种多闭链式机器人为研究对象，以高档微机为研究工具，以机器人真实感图形显示技术为研究内容，重点探讨了消隐算法及金属体材质感的模拟两大问题。这其中设计了一些独特的算法，对一些关键问题提出了某些新的见解。最后对所开发的该机器人真实感图形显示软件ＲＯＢＲＥＡＬ作了简介。     

利用AutoCAD12.0生成完美的机械装配图

对ＡｕｔｏＣＡＤ１２．０如何解决消隐问题和视图一致性问题做了介绍，并以叠加式液压系统为例，说明了用ＡｕｔｏＣＡＤ１２．０生成机械装配图的过程。     

基于深度测试的平面图形消隐技术

水本文介绍了一种在ＡｕｔｏＣＡＤ二维环境下通过将不同图形设为不同的深度值,从而利用ＡｕｔｏＣＡＤ的三维功能实现平面图形消隐的方法。重点讨论了边界命令和消隐命令以及布尔差运算在装配图生成中的应用技巧。     

方程曲面的一种绘制算法

提出了显式方程和参数方程表示的曲面的一种绘制算法,该算法可以绘制任意复杂的方程曲面。首先将方程曲面离散成四边形网格,然后采用消隐算法消除曲面的自隐藏线。消隐算法引入遮挡多边形的概念,利用遮挡多边形判断曲面上离散点的隐藏性,同时将潜在隐藏线段与遮挡多边形求交,从而得到该线段的实际隐藏部分。该绘制算法对以网格模型显示三维物体具有通用性。     

基于形体补偿的多面体二维消隐算法

三维形体的二维图形消隐一般被认为是不可能的。基于形体补偿的方法，提出了在没有直接给予深度信息的二维空间中对二维图形进行消隐藏面的方法。省去了物空间或象空间消隐算法中常用的深度求交与相关性测试，直接利用二维补偿环与候选可见面环之间的相关性进行布尔运算，取得了满意的效果。     

三维曲面的特征描述和特征匹配

本文提出了一种新的三维曲面特征描述算法,将二维图像上的特征描述思想推广到三维网格。算法将三维网格表示成从顶点到高斯曲率的映射函数,从而获得可类比于二维图像的相似性。借助于法线和梯度建立局部球坐标系,通过二维统计直方图对特征点邻域的几何信息进行描述,使得特征描述具有平移、旋转和缩放不变性,最终生成128维的特征向量(特征描述符)。基于特征向量,我们实现了多分辨率和异拓扑网格下的特征匹配,展示并分析了实验结果。本文的研究动机来源于三维扫描建模以及多视点三维重建技术中对特征描述和特征匹配的需求,主要的应用方向包括:扫描配准、模型注册、动画跟踪、对称检测和模型检索。     

一种面向移动终端的三维图形服务计算方法

提出一种基于服务计算架构的三维图形简化算法和图形在网络上的渐进传输方法。细密的网格通过逐层地删除其冗余信息,最终生成由稀疏的基网格和一系列误差值组成的渐进网格。三维图形可依据不同分辨率的需求在移动终端上重建并渲染。实验表明,算法速度快,效果好。     

显式BEZIER三角曲面的构造及其在离散数据插值中的应用

本文较系统地讨论了显式Bezier三角曲面的Clough-Tocher分割构造方法，并从工程应用角度提出了一种准C‘连续的Bezier三角曲面。由这种准C‘连续的Bezier三角曲面，通过进一步求解整体C‘连续的Bezier三角曲面在解决3D离散数据的曲面插值中取得了较好的应用效果。     

Fast Mesh Reconstruction from Single View Based on GCN and Topology Modification

3D reconstruction based on single view aims to reconstruct the entire 3D shape of an object from one perspective. When existing methods reconstruct the mesh surface of complex objects, the surface details are difficult to predict and the reconstruction visual effect is poor because the mesh representation is not easily integrated into the deep learning framework; the 3D topology is easily limited by predefined templates and inflexible, and unnecessary mesh self-intersections and connections will be generated when reconstructing complex topology, thus destroying the surface details; the training of the reconstruction network is limited by the large amount of information attached to the mesh vertices, and the training time of the reconstructed network is too long. In this paper, we propose a method for fast mesh reconstruction from single view based on Graph Convolutional Network (GCN) and topology modification. We use GCN to ensure the generation of high-quality mesh surfaces and use topology modification to improve the flexibility of the topology. Meanwhile, a feature fusion method is proposed to make full use of the features of each stage of the image hierarchically. We use 3D open dataset ShapeNet to train our network and add a new weight parameter to speed up the training process. Extensive experiments demonstrate that our method can not only reconstruct object meshes on complex topological surfaces, but also has better qualitative and quantitative results.     

Analysis of digitized 3D mesh curvature histograms for reverse engineering

Today, it has become more frequent and reasonably easy to digitize the surface of 3D objects. However, the obtained results are often inaccurate and noisy. In this paper, we present an efficient method to analyze a curvature histogram from a digitized 3D surface using a real object. Moreover, we propose to use the curvature histogram analysis for many steps of a reverse engineering process, which can be used to retrieve a CAD model from a digitized one for example. Our objective is to design a fast and fully automated method, which is seldom seen in reverse engineering. Experimental results applied on digitized 3D meshes show the efficiency and the robustness of our proposed method.     

不规则三维网格纹理映射的均匀化

采用单一纹理对不规则三维网格进行纹理映射,常常使网格密集处映射不足;而采用纹理地图集方法又使映射过程变得复杂。因此文章提出一种新的方法:通过离散保角变换方法,先将三维网格无遮挡地映射到平面正方形中,随后通过一种离散均匀面积变换方法,使其平面网格较均匀地分布,然后求得其纹理坐标,从而有效实现不规则三维网格的纹理映射。该方法算法快速、稳定,纹理映射均匀化效果良好。     

基于变分隐式曲面的网格融合

三维物体融合利用三维模型之间的剪贴操作从两个或多个现有的几何模型中光滑融合出新的几何模型.作为一种新的几何造型方法,它正受到越来越多的关注.提出一种基于变分隐式曲面的网格融合新方法.首先利用平面截面切出网格物体的待融合边界,然后通过构造插值待融合网格物体边界的变分隐式曲面并对其进行多边形化,得到待融合网格物体间的过渡曲面,最后通过剪切掉过渡曲面的多余部分及拓扑合并操作以实现过渡网格曲面与原始网格间的光滑融合与现有的直接连接待融合网格物体边界以实现网格融合的算法相比,该方法不仅突破了对待融合物体的拓扑限制,允许多个物体同时进行融合,而且算法计算快速、鲁棒,使用方便,展示出良好的应用前景.     

Deep learning-based optimal segmentation of 3D printed product for surface quality improvement and support structure reduction

Large-sized product cannot be printed as one piece by a 3D printer because of the volume limitation of most 3D printers. Some products with the complex structure and high surface quality should also not be printed into one piece to meet requirement of the printing quality. For increasing the surface quality and reducing support structure of 3D printed models, this paper proposes a 3D model segmentation method based on deep learning. Sub-graphs are generated by pre-segmenting 3D triangular mesh models to extract printing features. A data structure is proposed to design training data sets based on the sub-graphs with printing features of the original 3D model including surface quality, support structure and normal curvature. After training a Stacked Auto-encoder using the training set, a 3D model is pre-segmented to build an application set by the sub-graph data structure. The application set is applied by the trained deep-learning system to generate hidden features. An Affinity Propagation clustering method is introduced in combining hidden features and geometric information of the application set to segment a product model into several parts. In the case study, samples of 3D models are segmented by the proposed method, and then printed using a 3D printer for validating the performance.