【摘 要】
：
作为模型的降维表示,中轴因其具有良好的性能被广泛应用于工业领域。随着中轴应用的不断拓展,工业领域对于中轴的标准也越来越高,因此,许多学者针对模型的中轴生成方法进行了研究,本文在研究现有国内外中轴生成方法的基础之上,提出了基于双法线跟踪的模型中轴生成方法,该方法的具体研究如下:（1）现有中轴生成方法主要基于近似中轴的思想,采用经过中轴近似得到的结果来作为模型中轴,使得生成的中轴质量不是很高。针对这一
论文部分内容阅读
作为模型的降维表示,中轴因其具有良好的性能被广泛应用于工业领域。随着中轴应用的不断拓展,工业领域对于中轴的标准也越来越高,因此,许多学者针对模型的中轴生成方法进行了研究,本文在研究现有国内外中轴生成方法的基础之上,提出了基于双法线跟踪的模型中轴生成方法,该方法的具体研究如下:（1）现有中轴生成方法主要基于近似中轴的思想,采用经过中轴近似得到的结果来作为模型中轴,使得生成的中轴质量不是很高。针对这一问题,本文提出双法线跟踪方法进行模型中轴的生成,基于法线跟踪结果利用中轴的数学定义提出了有效的中轴点计算方法,为最终的模型中轴质量提供了有效保障。（2）实体模型的中轴为中轴面,为了依据中轴点得到模型的有效中轴,本文采用拓扑一致性原则来进行中轴点到中轴面的转换,转换的方式是通过将中轴点依据拓扑一致性原则进行对应连接,由此得到的中轴面可以保证最终模型中轴的拓扑正确性以及完整性。（3）本文为了验证方法的性能,对方法进行具体的实现设计与分析,为了有效提升基于双法线跟踪方法的时间效率,本文将并行思想融入双法线跟踪的实现过程,方法的整体实现采用Visual Studio、Opencascade开发平台进行案例程序的编程,使用3d Max来进行模型的创建,利用CUDA6.5来进行并行的法线跟踪,采用Mesh Lab进行实验结果的交互渲染显示。
其他文献
全媒体时代网络新技术的发展和应用,促进了新媒体技术与高校法治教育的深度融合,客观上推动了高校法治教育模式的变革。全媒体时代高校法治教育蕴含着拓展法治教育载体、改革法治教育模式、丰富法治教育方法和加强主客体间对话等价值,通过探索实现“媒介技术+法治教育”的模式转化,要在加强社会主义核心价值观的价值引领、完善协同育人体制机制和提升教育主客体媒介素养等方面推进具体实践,加强高校法治教育立德树人的质效。
分类任务作为机器学习中的重要课题之一,在许多方面已经得到了广泛应用。基于数据引力的分类方法由于模型简单高效而愈发受到关注,而大多数基于数据引力的分类方法在训练时通常不考虑数据特征的质量,平等的利用所有数据进行训练,因此影响了模型的训练结果。另外这些方法大都采用的是整体累加求和的计算方式进行分类,这种做法可能会导致样本间的冗余表达和信息丢失而导致误分类。为了解决这些问题,本文首先提出了一种以不一致性
模糊推理已成功应用于多个领域,包括模糊专家系统,模糊决策分析,模糊模式识别等。在模糊推理系统中,当模糊规则库密集时,即规则的前件完全覆盖输入论域时,传统的模糊推理方法（即合成推理）可以获得相应的结论。当模糊规则库中包含“空隙”,即在稀疏规则库条件下,给定的观察值不与规则库中的任何规则前件部分重叠,采用合成推理方法无法匹配任何的规则,并且不能得出任何结论。在这种情况下,利用模糊规则插值法可以实现模糊
图像生成是机器学习领域的一项研究任务,其目标是学习数据潜在分布,从而产生能够以假乱真的高质量图像样本。目前研究者们提出了很多生成模型应用于图像生成任务,并且已取得一定效果。但是,如何生成高质量的数据样本仍然是计算机领域不断追求的目标。目前,有关图像生成方法主要存在以下两个难点:一方面,生成图像样本模式单一,无法完全覆盖训练图像样本的所有模式,即出现模式损失问题;另一方面,由于模型设计本身存在固有的
近年来,随着数据挖掘技术的日益成熟和离群点检测研究的持续深入,离群点检测研究已经在欺诈行为识别、网络恶意入侵检测和医疗健康检测等多个领域得到了广泛的应用。离群点检测技术虽然在理论研究和应用系统构建方面已经取得了很大进步,但是在无监督和半监督离群点检测中,仍存在算法对数据的适应性差和对数据信息利用不足等问题,还需开展深入研究。基于上述背景,本文针对无监督和半监督离群点检测中的问题,开展了以下研究工作
汽车行业正处于智能变革的时代,自动驾驶可以提供更安全、更节能、更高效、更舒适的出行体验,毫无疑问是国际公认的未来汽车发展方向。其意义不仅在于该行业的技术升级,更会带来全球化供应链和产业生态的革新,是各国必争的战略高地。随着深度学习和计算机视觉技术的兴起,自动驾驶为提升交通安全与效率提供了新的解决方案。其中视觉与红外相机为自动驾驶技术中所有传感器里最被看好也是最有发展潜力的,如何快速准确得识别定位行
对海量数据进行深层次的分析利用推动了数据挖掘技术的发展,聚类分析作为数据挖掘中的关键算法,已应用到众多领域。基于聚类分析与培养质量评估在本质上的一致性,可将该算法应用于研究生培养质量评估领域。针对培养质量数据集多样性和模糊性的特点,本文提出了一种面向培养质量评估的特征加权聚类算法,可以对培养质量进行高效、精准地聚类分析。本文的主要研究工作如下:（1）深入研究HCM算法和MG算法的核心思想,针对其为
目标检测的任务是在特定场景下找出图像中所有感兴趣的目标并确定目标的特征信息,包括目标的位置、目标综合评分以及目标所属的类别。目前,目标检测广泛应用于自动驾驶、行人检测、工业检测等诸多领域,是计算机视觉领域的核心问题之一。近年来,随着人工智能的发展,基于深度学习的目标检测算法开始得到广泛的研究和应用。其中实时目标检测算法YOLOv3的检测速度较快且精度良好,广泛用于各类实时目标检测应用中。YOLOv
癌症是威胁人类健康的重要因素之一,这类疾病治疗困难又极易复发,给患者和社会造成了巨大的负担。同时,随着高通量测序的发展以及二代测序的普及,生物医学的发展也步入了大数据的时代。众多癌症公共数据库的建立并开放获取,使得以大规模基因表达数据为基础的肿瘤生物信息学研究迅速发展。本文以基因表达数据为基础,对癌症进展阶段分类及泛癌样本分型的相关技术展开研究,主要研究内容和研究成果如下:（1）针对癌症进展阶段分
近年来,智能机器人、无人驾驶等技术的飞速发展在引领产业变革的同时对环境感知技术提出了新的挑战。无人驾驶技术在交通管制、物流运输等场景中具有普遍的应用价值。但无人驾驶能够稳定、安全行驶的前提是能够获得目标在三维空间内的朝向、尺寸、三维中心点等信息,激光雷达能够高效的获取三维世界中深度信息,从而达到无人驾驶系统实时性要求,但激光雷达造价高昂,很难实现量产。因此提出一些基于视觉的三维目标检测算法,但仅通