以“学生为本”的操作系统原理教学改革

本文从国际化工程教育培养目标出发,针对传统操作系统原理课堂教学中存在的问题,在教学过程中秉承以“学生为本”的教学理念,改革和探索教学过程中的师资队伍建设、教学内容、教学方法、评价体制问题。从整体提高本科生培养质量,加强学生的工程实践能力和创新能力。     

GPU加速的物体空间线绘制算法

提出一种网格模型线绘制的GPU加速算法,其在物体空间进行计算,避免了图像空间计算的不连续性.提出了GPU加速物体空间线绘制的通用算法框架,理论上对任何特征线定义均可以按照该框架实现GPU加速的特征线绘制;基于该框架,实现了轮廓线与光极线(photic extremum lines,PEL)2种特征线的GPU加速绘制.实...     

大型雕塑三维透视纠正系统的研究和开发

由于人眼透视非线性的事实,在对雕塑手稿进行等比例放大后均需根据所观察到的透视效果对大型雕塑进行透视纠正。原来雕塑家需对照手稿人工制作透视正确的放大雕塑,由于大型雕塑体积大,手工制作工作量大,为了减少工作量,文中研究并开发了一种雕塑透视纠正系统。在该系统中,首先读入雕塑手稿的三维扫描模型数据,为雕塑设计者可使用计算机对雕塑模型数据在虚拟环境下进行放大模拟和透视纠正,随后通过将计算机生成的模型分割后进行机械加工得到大型雕塑,从而减少了真实雕塑纠正和放大所耗费的时间。     

Inventor API在家具参数化设计中的应用

介绍了利用VB．NET对Inventor进行二次开发，对家具进行参数化设计，使其通过已有的家具模版自动地生成新的家具。研究结果显示，Inventor API技术在家具三维造型设计二次开发中具有重要的意义，使得家具设计在系列化、参数化和标准化方面得到了改进与提高。     

装配体模型优化的免装配打印方法EI北大核心CSCD

针对包含机构语义的装配体模型实施高质量的免装配打印(涉及支撑结构的清除、打印材料的消耗以及机构语义关联表面的打印质量等)不仅困难且仍缺乏自动方法的问题,提出一种装配体模型优化的免装配打印方法.首先基于包围盒剖分和体素关联关系对装配体模型进行体素化;然后采用改进的Bresenham算法快速生成体素路径,并据此快速分析支撑结构的可清除性;提出一种增量式的体素重关联方法,可在零件之间的相对布局改变后避免耗时的模型重体素化;最后以同时满足支撑结构可清除、支撑结构消耗材料量尽量少,以及运动接口面的打印质量尽量好为目标,通过改进粒子群算法确定和调整装配体模型的打印方向及其零件之间的相对布局.在带有典型机构语义的若干装配体模型上进行实验的结果表明,所提方法计算的方向和零件之间的相对布局打印模型的支撑结构均可完全清除,支撑结构所消耗的材料以及机构语义关联表面的粗糙度均大幅度减少(小);与基于八叉树分析支撑结构可清除性的方法以及基于零件布局调整开展免装配机构打印的最新方法相比,该方法对于包含机构语义的装配体模型开展高质量免装配打印具有突出的适用性和优势.     

图像局部区域匹配驱动的导航式拼图方法

为了改善传统拼图拼接过程费时低效、影响拼图趣味性的问题,提出了一种图像局部区域匹配驱动的导航式拼图方法.首先,使用Canny边缘检测算法自动从输入的原始拼图中检测并分割出所有拼图模块.其次,采用D2分布函数和统计直方图,自动构造每个拼图模块的量化描述符.同时,使用属性邻接图描述原始拼图中所有拼图模块之间的拓扑邻接关系.之后,拼接过程中用户若需要帮助,根据用户动态传入(未拼接完成)的当前拼图,采用上述2步提取和描述当前拼图中所有的拼图模块,并基于描述符相似度计算、KM (Kuhn-Munkres)算法和属性邻接图拓扑关系一致性,在当前拼图和原始拼图之间建立拼图模块对应关系.最后,根据对应关系和原始拼图对应的属性邻接图,自动确定并提示用户当前拼图中下一可行的候选模块.开发了相应的原型系统,针对多个常见的拼图开展实验结果表明,所提方法对拼接过程帮助直观、高效,且未降低拼图的趣味性;与主流的电子拼图方法相比,无需实时跟踪,无需事先配备拼图数据库或训练库,可运行于具有拍摄功能的智能设备,适用性更加广泛.     

局部求精算法中的纹理动态拼装

模型的简化有时会导致用户所关注的模型细节的丢失。为了保持这些重要的细节,使用了局部求精的方法,在模型简化后,有选择性地恢复用户所关注区域的细节,并实现了在局域求精时对网格模型的动态修改。若模型附有纹理信息,则对简化模型重新映射其纹理,以实现纹理的优化。首先对模型进行分割从而形成一系列网格片,将它们参数化到纹理空间后使用了正方形贪心排列算法进行重排,得到排列更加紧凑、高效的纹理图。研究结果表明,该算法实现了对简化模型纹理的重新映射。     

基于自我训练的长效垃圾分类方法

目的 目前垃圾主要采用名称检索的方式开展分类,这类方法通常基于事先设定的数据分类,很难有效包含现有所有的垃圾,更难应对未来持续增多的垃圾,针对上述问题,面向生活垃圾,提出一种基于自我训练的长效垃圾分类方法。方法 首先,采用Bagging将两类分类能力和训练机制不同的基分类器：K近邻分类器和支持向量机,根据它们各自独立的投票和权重进行有机组合,提出了一种新颖的集成分类器对生活垃圾进行分类;其次,基于直观的图像交互反馈,动态地更新分类器相应分类结果的置信度和基于云的训练样本集,提升后续分类的准确性和方法本身的自学习能力。结果 使用包含233条生活垃圾的训练样本集对原型系统进行训练,并使用151条垃圾样例进行测试,实验表明本文提出的集成分类器对生活垃圾的分类准确性可以达到95%左右。通过逐步提高训练样本集中错误样本的比例（≤ 30%）并重新训练集成分类器,再采用上述151条样例共开展了150次分类测试。相应的平均准确率分析表明,本文的集成分类器具有较高且较为稳定的分类准确率（≥ 93%）。此外,在上述实验中加入反馈机制后,平均准确率分析表明,该机制能有效地减轻错误样本对本文集成分类器准确率衰减带来的影响。结论 本文方法对生活垃圾分类具有较高的分类准确率、鲁棒性且具有良好的长效性。     

虚拟楼盘展示在SketchUp上的设计与实现

使用沙盘、平面图和样板房等传统的方式进行小区楼盘展示,成本高、不够直观并且缺乏灵活性。为了解决这些问题,使用SketchUp完成网上虚拟楼盘的初步制作,根据楼房结构从整体到细节进行纹理合成创建模型,再通过有效的优化算法减少模型的复杂度,利用Google SketchUp和Google Earth良好的兼容性实现模型的网上发布和楼盘的在线浏览。研究结果表明,该虚拟楼盘展示平台的成本低廉,楼盘模型的修改和维护便捷,是一个拥有良好立体视觉效果的网上楼盘展示平台。