摘要：针对三维打印无法制造具有悬空杆和悬空节点的晶体结构的问题,提出自支撑晶体结构针对三维形状的逼近与填充算法.首先以菱形六面体为晶体单元,构造晶体单元的几何形状与其自支撑性的函数关系,进一步生成包围三维形状的最小自支撑晶体单元;然后在最短边长与细分次数的约束下,通过晶体单元的迭代细分对三维形状进行逼近;最后,对悬空节点添加支撑杆以保证整体结构的可打印性.另外,通过晶体结构的细分生成三维形状的自支撑填充结构.实验对选自3D ShapeNet数据库的三维模型进行逼近与填充,在VS 2010和MATLAB R2017a平台上进行算法的实现和结果的可视化,结果表明了所提算法对三维形状的逼近与填充的有效性和鲁棒性.

摘要：RGB-D相机作为一种常见的便携式三维数据采集工具被广泛使用于计算机图形学、计算机视觉等诸多领域,然而,由于设备的物理误差、光照干扰等因素,采集的三维点云中往往包含大尺度噪声,现有的点云配准方法处理这类数据时无法取得理想的配准结果,进而影响后续三维重建的质量.为了解决这一问题,提出一种鲁棒的基于RGB-D图像的刚性点云配准方法.首先,提出一种基于全变分和各向异性二阶算子的点法向估计方法,能够有效地去除点法向的噪声并且较好地保持尖锐和非线性光滑特征;其次,联合RGB图像的纹理信息和点云的几何信息设计了一种复合特征描述子,能够在包含噪声的点云上鲁棒地提取初始匹配点;最后,采用一种快速的全局配准方法计算待配准点云之间的刚性变换.在多组合成及真实点云数据上进行配准实验,并从视觉效果和配准误差2个方面对实验结果进行分析,分析结果表明,所提方法能够鲁棒地配准大噪声干扰的点云数据,验证了方法的有效性.

摘要：针对工业装配机器人复杂作业编程耗时耗力、准确性差等问题,提出一种基于数字孪生的机器人在线编程方法。从几何、接触动力学、行为、规则四个维度实现了机器人从真实向虚拟空间的忠实映射。实现了多零件装配轨迹规划程序验证,实时同步作业及状态监测。设计搭建了基于数字孪生的装配机器人建模与在线编程系统,以六轴工业机器人单元为例验证了系统的实用性和准确性,为复杂装配作业机器人编程提供了新方案。

摘要：采用刚性关节链模型解决了保弧长的曲线变形问题 基于逆向运动学,进一步解决了中间关节点目标约束的问题,避免了单纯的逆向运动学重构关节链的繁复工作 定义一个关节角限制意义上的势函数作为目标函数,用求解约束优化问题的方法把动力学引入到逆向运动学方法中,体现了变形物体的物理属性,因而可以实现较逼真的动画效果 该方法适用于计算机角色动画、布料仿真。

摘要：网格切割在图形处理领域有着广泛的应用,为了更加有效和简单地得到同胚于圆盘的开网格,提出一种基于泊松标量场的三角网格切割算法.对于给定的任意网格,通过求解泊松方程构造标量场来选取临界点,并采用最速下降法给出临界点到边界或者初始点的切割路径;对于亏格不为零的网格,基于Morse理论,通过构造一个调和标量场来得到鞍点,并将它们连接到边界.该方法把任意亏格网格切割成与圆盘同胚的单边界网格,减小了在网格展开过程中产生的扭曲.实验结果表明,在给定临界点的情况下,采用文中算法得到的切割路径能很好地逼近最短路径,而且不受网格限制,适用于任意亏格的开或闭网格.

摘要：提出一种根据图像边缘特征调整插值曲面形状的图像插值方法首先把数字图像构造为分片双三次Coons曲面;然后引入曲面形状控制参数,调整曲面的形状以符合图像的边缘特征;最后对插值曲面进行重采样实验结果表明,该方法可以大大改善传统图像插值方法的平滑作用,保持插值图像边缘清晰。

摘要：针对多尺度单发射击检测(SSD)算法不同尺度的特征层很难进行融合互补问题,提出一种特征增强的SSD(FE-SSD)算法.首先对SSD算法的金字塔特征层中,每一尺度的特征进行尺寸不变的卷积操作;然后将卷积前与卷积后的特征进行特征融合操作,进而产生一组新的金字塔特征层;最后在新产生的金字塔特征层上执行目标的检测与定位任务.在PASCALVOC2007公共数据库上进行实验,当输入图像尺寸为300×300时,检测精度(mAP)达到78.0%,检测速度(FPS)达到82.5帧/s.此外,在拓展实验中,文中算法对图像中模糊目标的检测效果也优于SSD算法.

摘要：为了有效地提取点云数据中的特征信息,针对采自分片光滑曲面的散乱点云数据,提出一种基于局部重建的鲁棒特征点提取方法.首先基于局部邻域的协方差分析计算每个数据点的特征度量,并通过阈值过滤获取初始特征点集合;然后在每个初始特征点的局部邻域内构建不跨越特征区域,以反映该点局部特征信息的三角形集合;再利用共享近邻算法对构造的三角形法向进行聚类,得到对应局部区域数据点的分类集合;最后对每一类点集拟合平面,通过判断该点是否同时落在多个平面来进行特征点提取.实验结果表明,该方法简单、稳定,对局部邻域选取的大小不敏感,具有一定的抗噪能力;能够在有效提取显著特征的同时,尽可能多地保留相对较弱的特征.

摘要：基于内容的图像放缩的关键是如何保持图像中重要的内容,同时最小化整幅图像的视觉变形.文中将图像放缩问题转化成网格变形问题,提出一种改进的基于内容的图像放缩方法.首先在网格上建立保持整体形状的能量函数,结合约束条件,通过求解凸二次规划问题得到变形后的网格坐标,最终实现图像的放缩.实验结果表明,该方法不仅能够保持图像中重要的内容和特征结构,而且较好地保持了图像的整体性,使得图像视觉变形较小.

摘要：针对现有的特征检测算法大多数基于微分几何量,对噪声比较敏感、运行速度比较慢、对于过渡特征处理得不够理想的问题,提出一种基于稀疏性优化的网格特征检测算法.该算法主要包括3个过程:首先利用带l1范数稀疏性约束项和l2范数误差项的Laplacian能量函数对网格进行光顺,得到光顺后网格顶点的移动距离;然后根据顶点的移动距离提取初始特征点;最后对提取的特征点进行后处理,使得特征点更为完整.其中,l1范数稀疏性约束项用来约束发生移动点的数目;l2范数的误差约束项用来控制光顺后模型的退化程度.该算法易于实现,能够处理尖锐特征、弱特征和过渡特征.与基于微分几何量的特征提取方法相比,文中算法不仅简单有效、运行时间短,而且提取的特征线也更好.