L系统理论在芒果树花期模拟中的应用研究

L系统利用开花信号延迟机制来控制节间数量,模拟出来的圆锥花序真实感较强。本文根据芒果树花期的形态结构特征,探讨L系统理论在果树花期生长模拟中的具体应用。把括号L系统、随机L系统、参数化L系统等结合起来,建立了描述芒果树花期生长的产生式集,实现了高大乔木芒果树花期生长的三维可视化,试图为果树生长调控提供使用化工具。     

基于双贝赛尔曲线定位的树木枝干可视化建模

树木枝干是虚拟景观中的重要组成部分,对其进行可视化建模意义重大.贝赛尔曲线是一种很好的曲线拟和工具,交互性强,适合树木枝干建模.采用两条贝赛尔曲线分别表示树木枝干的准线和母线,通过充分地人机交互构建树木轮廓结构,然后采用灵活可调的纹理分割及合成技术进行表面贴图,实现树木枝干三维重建.建模结果表明,该方法易于树木枝干形态的交互设计,在一定程度上可以表现其不规则性,通过交互式纹理绑定达到一定程度的真实感,有一定的研究和应用价值.     

基于计算机视觉与 BIM 的裂缝可视化管理方法

对结构表面裂缝进行持续检监测与管理对保障结构安全具有重要意义。为实现结构裂缝自动识别与管理,提出了一种基于计算机视觉与建筑信息模型(BIM)的裂缝识别、矢量化处理与可视化管理方法。首先基于深度学习的图像识别方法,从相机拍摄的结构表面图像中提取出裂缝形态的栅格图像;其次,提出了一种裂缝形态栅格图像的自动矢量化方法,获取裂缝形态关键点坐标;最终,使用 Dynamo 程序实现裂缝 BIM模型的自动建模与可视化。该方法可以获取裂缝的拓扑形态信息,并显著降低裂缝信息的存储数据量与可视化难度。通过开展 BIM 构件的碰撞分析,还可准确识别裂缝属于结构中的哪个构件,将裂缝所属的构件编号信息与裂缝宽度信息作为裂缝图元参数写入 BIM 模型,实现裂缝矢量化与裂缝 BIM 模型自动化建模与管理,为大范围、大批量的裂缝自动化检监测与管理提供参考。     

辣椒植株三维重构与可视化研究

为构建辣椒植株可视化模型,借助三维数字化仪获取了辣椒枝干、叶片和果实的真三维数据,结合球B样条曲线模拟了枝干的三维形态,利用NURBS曲面和T样条拼接方法建立了辣椒果实几何模型,描述节、果实的凹凸、顶端叶序等局部特征,在各器官的自动着生过程中,避免器官间的碰撞.模拟结果表明,该方法得到的模型较真实地反映了辣椒的诸多细节,具有较高的真实感,为辣椒三维形态交互设计和可视化模拟提供了技术支撑.     

一种模型驱动的交互式信息可视化开发方法

设计与实现面向领域应用的交互式信息可视化软件十分困难.缺乏统一的开发方法与支撑工具箱,为非专家用户提供对层次、网络、多维等数据类型的统一支持,对各种可视化技术与交互技术的统一支持,以及对信息可视化任务的统一支持针对此问题,提出了一种模型驱动的交互式信息可视化开发方法Daisy.首先,提出了交互式信息可视化界面模型IIVM(interactive information visualization interface model);然后,提出了基于IIVM的交互式信息可视化开发方法Daisy,讨论了该方法的两个核心技术:IIVM建模与描述文件生成方法、系统自动生成方法.同时。给出了Daisy工具箱,包括Daisy建模工具、Daisy系统自动生成工具以及运行时框架与组件库.最后,给出了该开发方法与工具箱的应用实例.实例表明,该方法能够为交互式信息可视化开发的统一支撑方法问题提供一种有效的解决方案.     

基于生长动力学的芦苇属植株虚拟生长模型

针对植株形态建模过程中由于缺乏生理生态特性而导致模型无法真实再现植株生长发育规律的问题,提出了一种基于生长动力学的植株形态变化模型构建方法。以芦苇属植株为例,首先研究了植株生长动力学特性,并以有效积温、生长速率变化等为驱动力构造了植株形态建成模型;其次,应用开放式L系统(Open-L)方法描述了植株冠层拓扑演变过程;最后,通过耦合植株拓扑与器官形体的几何模型及显示模型,给出了植株虚拟生长模型构建算法。实验结果表明,该方法实现了植株形态的可视化,并反映了植物生长机理,有利于动态掌握和预测植物生长发育状况。     

条件信息在基于扩展L系统植物模拟中的应用

在分析L系统模拟植物基本理论的基础上,设计了三维松树模型和模拟枝干弯曲的参数L系统代码。为了使所建立模型更为逼真。在代码中灵活运用了条件信息,使得用更为简洁的算法得到更真实的三维植物结构形态。     

基于手绘草图的快速植物建模

传统的交互式植物建模虽然能构建较为精准的目标模型,但其过程极为费时,而基于L-system 的过程式建模虽然能快速自动生成复杂模型,但由于其较高的学习门槛以及对植物形态的控制性欠佳,使得普通用户难以操作。二维草图作为一种直观、高效的交互媒介,对植物形态具有良好的描述力。基于此,该文提出一种基于手绘草图的植物建模方法：首先,对创作者绘制的草图进行预处理和分析,推测创作者的创作意图;然后,结合植物学知识,提出相应的花朵、枝干和叶片的深度信息恢复方法来恢复二维草图中缺失的深度信息;最后,根据深度信息和一定的植物学先验知识重建出具有真实感的目标模型。该方法支持对花卉、草本、树木等具有枝叶结构的植物进行建模,同时具有较大的创作自由度和较快的建模速度。     

基于Open L系统的植物结构功能模型研究*

为了真实地模拟植物生长发育过程,引入了OpenL系统建模理论。在植物形态发生模型的基础上,根据植物生长时其形态与生理特性及环境之间的相互作用,构建了综合考虑植物结构与功能的虚拟植物模型,再根据该模型有效组织了植物生长过程中的数据信息,并建立植物生长的可视化流程。最后,开发一个原型系统验证了该模型的可行性和有效性。     

IIE环境下产品信息集成与可视化技术研究

在分析IIE环境下产品信息共享及可视化特点的基础上,针对产品信息建模、产品数据访问和表达方式,提出了产品数据主模型及可视化产品结构树的概念,研究了IIE环境下的产品信息共享及可视化的系统模型及关键技术,为研制基于Web的CAx系统、PDM系统及实施协同设计、敏捷制造等先进生产模式提供了理论基础.     

基于PCL库三维点云树枝重建

随着三维扫描技术的不断提高以及国内对于开源PCL(Point Cloud Library)库不断深入的研究,三维重建技术被学者们应用到诸多领域中。比如在数字城市、逆向工程等方面有了极速的发展,而对于数字城市的模拟中,实现树枝的重建是加强城市真实感最重要的部分。文中主要在图形用户界面应用程序开发框架Qt的基础上,通过利用PCL点云库实现对三维点云树枝的三维重建的方法。首先针对树枝数据采用体素化网格方法实现下采样,减少点云数量同时保持形状特征;利用Kd树存储点云实现空间划分以及搜索操作;其次通过最小二乘法平面拟合估计方法计算出点云的法向量;最后运用PCL中的贪婪投影三角化实现树枝点云的重建。结果显示,三角化重建能够较好的保留树枝的形态特征,可以为各个需树枝重建的场景中提供良好的基础。     

3D树木建模技术研究进展

3D树木建模一直都是计算机图形学、计算机视觉、虚拟现实等领域最具有挑战性的研究方向之一,国外学者在该领域做了大量研究工作,但3D树木建模综述性文章的缺乏成为其发展的制约因素。侧重从计算机视觉的角度,将当前国内外经典的3D树木建模方法分为基于图像,基于规则和基于草图等三类,并跟踪了最新的3D树木建模技术进展,对他们的成果进行了深入剖析,重点阐述3D树木建模关键技术。最后,分析和比较了几种主要的3D树木建模技术,提出轻量化3D树木建模技术是今后虚拟场景中的交互应用的发展趋势。此外,根据当前研究的难点提出了基于单张图像的轻量化混合建模的研究思路。     

随机树生成算法设计及分析

传统的随机树生成算法对于大规模树状结构数据集的可视化算法测试有很大的局限性。在经典随机树生成算法-GROW算法的基础上提出了两种新的随机树生成算法,实验表明它们均可以生成接近于期望规模的随机树,但在平衡性、时间复杂度、最终生成树的规模、宽度与深度的随机性方面表现各异。同时对这些特性与相关参数的关系作了探讨,实验结果分析表明参数因子的选取直接影响着生成随机树的最终表现,对于随机算法的选取有着很好的指导性作用。     

结合区域生长与灰度重建的CT图像肺气管树分割

目的 CT图像中肺气管树分割对肺部疾病的精确定位与量化评估具有重要意义。针对不同气管分枝在大小、形状和密度分布方面的差异,提出一种区域生长与形态学灰度重建相结合的3维肺气管树分割流程,重点解决气管提取过程中的局部泄漏问题。方法 首先,采用阈值分割和形态学闭运算提取肺实质以定义感兴趣区域;然后,通过改进迟滞阈值区域生长法分割较粗气管,结合局部体积突变指标抑制侧向泄漏;接着,利用3维形态学灰度重建算法分割较细气管,并采用形状约束连接元分析和管形描述子剔除伪气管区域;最后,将上述两步分割结果融合成完整气管树。结果 采用EXACT’09竞赛提供的公开数据,选取20例测试图像及手工标记结果作为参考,分别从分杈点、分支数量和分支数比率等方面进行量化评估。实验结果表明,本文方法能在较低泄漏前提下成功检测出参考标准中一半以上的分支、平均分支数比率达到55.5%。结论 与竞赛网站公布的其他方法相比,本文方法结果评价指标处于中上水平,但算法简单、计算复杂度低、易于实现,在泄漏检测方面有一定优势。     

基于层级血管树的肝脏分段方法

针对经典肝脏功能性分段方法对门静脉血管数据的敏感性,结合Couinaud肝脏分段理论和门静脉分布特征,提出了基于层级血管树的肝脏分段方法：首先对腹腔CT数据进行肝脏分割、血管提取和骨架化;接着统计分析血管树分支半径,确定二级子树集合,按照供血区域对二级子树进行聚类完成对二级子树的归类划分;进而采用最短距离归类算法划分肝脏,得到各个肝段;最后运用三维可视化方法展现肝脏内部的解剖结构,并进行肝段诠析,提取临床感兴趣信息。实验结果表明该方法对分支较多、结构较复杂的血管树可以取得较好的分级效果,考虑了大部分二级分支的供血作用,分割得到的肝段分布和属性信息也符合Couinaud肝段分割理论。     

分支合并对决策树归纳学习的影响

传统的决策树构建方法,由于其选择扩展属性时的归纳偏置,导致属性值较多的属性总会被优先选择,从而导致树的规模过大,并且泛化能力下降,因此需对其进行简化.剪枝是简化的一种,分为预剪枝和后剪枝.该文主要针对预剪枝中的分支合并进行研究.文中研究了分支合并对决策树归纳学习的影响;具体讨论了在决策树的产生过程中,选择适当的分支合并策略对决策树进行分钟合并处理后,能否增强树的可理解性,减少树的复杂程度以及提高树的泛化精度;基于信息增益,分析了分支合并后决策树的复杂程度,设计实现了一种基于正例比的分支合并算法SSID和一种基于最大增益补偿的分支合并算法MCID.实验结果显示:SSID和MCID所得到的决策树在可理解性和泛化精度方面均明显优于See5.     

树木结构层次细化的立体树木图像构建

目的 2维转3维技术可以将现有的丰富2维图像资源快速有效地转为立体图像,但是现有方法只能对树木的整体进行深度估计,所生成的图像无法表现出树木的立体结构。为此,提出一种树木结构层次细化的立体树木图像构建方法。方法 首先利用Lab颜色模型下的像素色差区别将2维树木图像的树干区域和树冠区域分割开来,并对树冠区域进行再分割;然后,在深度梯度假设思想基础上建立多种类型的深度模板,结合深度模板和树冠的区域信息为典型树木对象构建初始深度图,并通过基础深度梯度图组合的方式为非典型树木进行个性化深度构建;最后,根据应用场景对树木深度信息进行自适应调整与优化,将树木图像合成到背景图像中,并构建立体图像。结果 对5组不同的树木图像及背景图像进行了立体树木图像的构建与合成。结果表明,不同形态的树木图像都能生成具有层次感的深度图并自适应地合成到立体背景图像中,构建树木图像深度图的时间与原始树木图像的尺寸成正比,而构建立体树木图像并合成到背景中所需时间在24 s之间。对立体图像质量的主观评价测试中,这些图像的评分均达到良好级别以上,部分立体图像达到了优秀级别。结论 该方法充分利用了树木的形态结构特征,能同时适用于典型和非典型树木,所构建的立体树木图像质量较高,具有丰富的层次感,并具有舒适的立体观看效果。     

一种新的决策树归纳学习算法

本文不示例学习的重要分枝－－决策树归纳学习进行了分析探讨，从示例学习最优化的角度分析了决策树归纳学习的优化原则，指出了以往的以ＩＤ３为代表的归纳学习算法所固有的缺陷，并提出了一种新的基于概率的决策树归纳学习算法ＰＩＤ，ＰＩＤ在扩展属性的选择上仍采用基于信息增益率的方法，但在树上的扩展过程中，采用属性聚类的方法进行树的支合并。ＰＩＤ得到的决策树在树的规模和分类精度上都优于ＩＤ３。     

结合区域生长与模糊连接度的肺气管树分割

针对CT图像中因噪声、密度分布不均匀和边界模糊等因素造成肺气管树难以准确分割的问题,提出了一种区域生长与模糊连接度相结合的肺气管树分割流程。通过阈值化及形态学闭操作提取出肺实质以定义感兴趣区域;采用改进迟滞阈值区域生长法预分割出较粗气管并结合局部体积突变指标抑制侧向泄漏;将预分割的结果进行骨架化及修剪来进一步提取出分支点,并以此作为后续分割的新种子点;根据CT图像的灰度均匀性与气管的管状结构特征来构造亲和力函数以计算种子点与其他体素的模糊连接度,并选取合适的阈值对模糊连接度进行阈值分割以提取出完整气管树。实验采用了20例来自EXACT’09竞赛提供的公开数据,分别从分支点、分支数量和分支数比率等方面进行了量化评估。该方法能在较低泄漏情况下成功检测出参考标准中一半以上的分支,平均分支数比率达到59.7%。实验结果表明,该方法可对肺气管树进行较精确的分割。     

Easy modeling of realistic trees from freehand sketches

Creating realistic 3D tree models in a convenient way is a challenge in game design and movie making due to diversification and occlusion of tree structures. Current sketch-based and image-based approaches for fast tree modeling have limitations in effect and speed, and they generally include complex parameter adjustment, which brings difficulties to novices. In this paper, we present a simple method for quickly generating various 3D tree models from freehand sketches without parameter adjustment. On two input images, the user draws strokes representing the main branches and crown silhouettes of a tree. The system automatically produces a 3D tree at high speed. First, two 2D skeletons are built from strokes, and a 3D tree structure resembling the input sketches is built by branch retrieval from the 2D skeletons. Small branches are generated within the sketched 2D crown silhouettes based on self-similarity and angle restriction. This system is demonstrated on a variety of examples. It maintains the main features of a tree: the main branch structure and crown shape, and can be used as a convenient tool for tree simulation and design.