一种散乱数据点的多分辨率曲面重构方法

给出一种基于细分曲面技术实现散乱数据点的多分辨率曲面重构的方法。在曲面重构过程中,依据灰度图像边缘检测思想分析散乱数据特征值,将这些特征值生成纹理特征曲线进行曲面细分,从而形成了多分辨率网格模型结构。经过测试,该方法不仅重构曲面时间短,同时构造出的细分曲面能较好地反映原始数据的细节特征。     

结合间接邻域的散乱点云三角网格曲面重构

对于非均匀散乱点云,多数基于区域生长方法的曲面重构往往容易出现孔洞等缺陷。针对该问题,在K邻域点集的基础上提出间接邻域点集的概念,对以点为生长对象进行区域生长的三角网格曲面重构方法进行了研究,实现三角网格曲面重构。以生长点的邻域点集为样点估算微切平面,将邻域点投影至该平面上,并按照右手定则、逆时针方向进行排序,通过拓扑正确性原则从点列中去除错误的连接点,优化局部网格,选择较好的连接点,实现网格曲面的区域生长。     

一种散乱点云空间直接剖分算法

散乱点云的三角剖分在曲面重建中发挥着重要作用。在对三角剖分基本方法深入分析的基础上对此类点云提出了一种高效的重构算法。本算法将基于动态球策略的搜索算法引入到曲面重建中,源于增量式计算的思想,结合约束准则和设计的顶点度量函数,从基础三角面片开始扩展到覆盖整个物体表面。分析及实验结果表明,该算法能有效地对点云数据进行三角网格化,同时剖分后的三角网格曲面最大限度地保持了原有曲面的特性,证明了提出的基于动态球的曲面重构算法应用于散乱点云曲面重构问题的可行性。     

基于NURBS的散乱数据点自由曲面重构

针对散乱数据点,首先提出基于曲率测度的大规模散乱数据点自适应压缩方法。在此基础上,提出先压缩后重构的基于ＮＵＢＲＳ的曲面重构策略。该方法可在保持原数据点集基本特征的前提下,将散乱散数据点压缩到ＮＵＲＢＳ曲面重构要求的规模,从而实现了大规模散乱数据点的精确曲面重构。     

一种快速三维散乱点云的三角剖分算法

改进了一种三维散乱点云三角剖分算法。三角剖分是点云数据曲面重构的主要算法之一,但针对三维散乱点云的三角剖分存在剖分效率不高,剖分得到的三角曲面形状无法控制,细节特征表现不足的问题。提出了基于空间栅格划分的三角剖分算法,并提出了一个新的评价函数,以控制三角网格曲面的生长。实验证明,改进后的算法极大的提高了剖分效率,而且能保证最终生成的三角网格曲面平滑而保有丰富的细节特征,适用于在虚拟现实、曲面重构等领域推广使用。     

基于Kohonen神经网络的B样条曲面重构

探讨了三维散乱数据点的自由曲面自组织重构方法。建立了基于自组织特征映射神经网络的矩形网格重构模型及其训练算法。所建模型利用神经元对曲面散乱数据点的学习和训练来模拟曲面上点与点之间的内在关系,节点连接权向量集作为对散乱数据点集的工程近似化并重构曲面样本点的内在拓扑关系。通过该方法不仅能够对无规则散乱数据点进行逼近,并且通过该方法得到的曲面也可以作为后继曲面重构的初始曲面。仿真实验表明,所建神经网络模型可实现三维密集无规则数据点的曲面自组织重构集自压缩于一体。     

基于变形网格法的高密点云曲面重建

针对散乱点云庞大的特点,为提高其曲面重构效率,提出了一种三维高密散乱点云的曲面重建方法。该法首先构建一均匀网格,再通过拟合网格每个单元格的顶点到所输入点集中最近的点来实现对网格单元格进行变形,然后根据每个单元格中顶点状态模型构建三角片。该方法运行速度快,占用内存少。最后通过实例分析验证了该方法的有效性。     

稠密散乱数据点多分辨率曲面重构

将曲面重构看作是一种信号重构过程,针对大量散乱数据点,借助成熟的三角网格划分和网格化简算法,利用提升小波变换实现曲面重构,可以快速地构造出复杂拓扑结构的Calmull-Clark曲面;给出了小波系数估算方法以及基于网格拓扑结构的局部最优路径搜索算法．通过运行实例证明了文中算法的有效性．     

三维散乱点云快速曲面重建算法

提出了一种基于Delaunay三角剖分的三维散乱点云快速曲面重建算法。算法首先计算点云的Delaunay三角剖分, 从Delaunay四面体提取初始三角网格, 根据Voronoi体元的特征构造优先队列并生成种子三角网格, 然后通过区域生长的方式进行流形提取。实验结果表明, 该算法可以高效、稳定地重构具有复杂拓扑结构、非封闭曲面甚至是非均匀采样的点云数据。与传统的基于Delaunay的方法比较, 该算法仅需要进行一次Delaunay三角剖分, 无须极点的计算, 因此算法的重构速度快。     

散乱数据点集的三角划分算法研究

在对当前的三角网格划分方法进行比较分析后,提出了一种散乱数据点集的3D三角网格划分算法,该算法不需如同二维划分方法一样要对散乱点集对应的自由曲面分片投影,并可自然处理含有凹边界及孔域的曲面数据点集,利用网格扩展、边界环分裂和边界环封闭,根据曲面的变化逐层推进生成三角网格,使算法能方便地处理非封闭曲面、空间剪裁曲面、封闭曲面、空间多连通曲面等各种曲面的散乱数据。     

基于移动Agent的网格计算管理模型研究

基于当前的移动aget问题以及网格计算特点,在萌人的理论基础上,文中结合agent技术和网格计算研究基于移动agent的网格计算管理模型,运用系统中各个元素进行agent建模.介绍移动agent技术,以及网格计算管理模型应具备的特征,最后提出基于移动Agent的网格计算管理模型来解决网格中资源管理,作业调度,负载平衡的...     

基于计算网格的图像三维重建系统的设计

在计算机视觉处理领域中,三维重建是一种将二维图像恢复成三维信息的方法。目前,由于图像的三维重建过程涉及到大量的数据,重建速度较慢。为了提高三维重建的性能,构建了基于计算网格的图像三维重建系统。利用该系统提供的Web方式,用户可以实现作业提交、作业运行状态查询和图像三维重建服务部署的功能。最后,对所构建的计算网格三维重建系统进行了测试和分析。     

煤矿安全网格环境下资源管理与任务调度的研究

安全问题是煤矿急需要解决的一个重要问题。文章在现有的煤矿通信网的基础上,结合目前网格的发展技术构建了煤矿安全网格模型,并重点针对网格资源管理与调度进行了详细的说明。优化的资源管理与调度策略使得网格计算获得了较高的运行性能,从而为网格的计算与安全评价提供了很好的服务。     

仿真网格中一种基于知识的动态任务调度算法

仿真网格是以通用网格技术为基础、面向仿真领域的专用网格,目前国际上对仿真网格的研究尚处于起步阶段.现有的分布式仿真HLA(high level architecture)体系结构中的仿真资源和联邦成员是静态绑定的,网格技术的引入使得仿真资源的动态分配成为可能.根据仿真网格任务调度的特点,在仿真网格中建立了一种任务调度模型,并针对该模型,提出了一种新的基于知识的动态任务调度算法KMO,该算法适用于将N个相互独立的计算需求不同的仿真任务调度到M个随时间动态变化的仿真资源上,它能对若干次调度后的结果进行统计并提炼成"知识"反馈给算法预处理部分,使得该算法在动态多变的环境中能获得比较稳定的性能.实验结果表明,在仿真网格环境中,该算法的性能优于网格中传统的任务调度算法.     

基于RANSAC的激光网格标记图像特征提取

在三维立体视觉中,工件表面的特征提取是三维重构的前提和关键。但是,工件表面的自然特征往往表现得不够明显,使得特征的提取非常困难。因此,经常使用激光网格投影到待检测的工件表面,使工件表面具备确定的可识别特征。针对激光网格标记图像的特点,在随机抽样一致性RANSAC算法的基础上,提出了像素权重化和假设模型预检验的方法,用于激光网格标记的直线特征提取。实验结果表明,该方法不仅克服了RANSAC算法计算量大和参数敏感的缺点,在实际图像的激光网格直线特征提取过程中也具有很好的准确性和鲁棒性。     

基于图形处理器的水面仿真

水面效果的仿真可大幅提高自然环境仿真的真实感,传统对于CPU的仿真存在占用CPU时间和系统资源的缺点,针对存在问题,建立了基于图形处理单元（GPU）的水面仿真方法,讨论水面特效在GPU上的实现、以及水面网格在GPU中的重构。因为运算以及水面网格重构都在GPU中完成,充分利用GPU强大的图形处理能力,因此不会造成额外的系统开支,并且增强了对水面细节的表现,使得水面的逼真度和实时性增强。     

基于移动代理的网格作业管理模型的研究

网格作业管理是网格的最主要的功能之一,主要涉及到网格计算环境下作业调度和分配、作业分解和迁移、负载平衡等问题.介绍了一种引用移动代理Agent技术的网格作业管理模型,并针对该系统依次详细地描述了其中的作业提交与发布、作业调度以及作业的分解和迁移,最后给出基于移动代理的网格作业管理模型的原型系统,并对该系统作单机与联机的性能进行分析和比较.