测量二次电子空间分布特征矩阵法的有效性分析

为了准确测量不同材料在实际环境中的二次电子空间分布，设计了一种新型的二次电子发射空间分布测量结构，给出了实验测量原理，用求解特征矩阵的方法对实验结果进行处理，得到了所需的二次电子空间分布。通过模拟计算对该测量方法进行了校验，模拟结果与假设二次电子空间分布函数相吻合，表明该测量方法可靠、测量精度高，为后续样机研制奠定了理论基础。     

BEPCII直线加速器发射度丝靶测量及软件开发

丝靶探测器是一种可以精确测量束流截面尺寸的装置。近年来,BEPCII在注入器末端安装了一组丝靶探测器,用来测量直线加速器出口的束流发射度,改进优化了束流截面和发射度测量计算的方法,提高了数据处理速度。同时,根据BEPCII丝靶测量流程,开发了发射度测量计算软件,实现了束流尺寸和发射度的实时在线测量,进一步提高了发射度的测量速度,为BEPCII的注入优化提供了参考。     

通过语义控制改进运动合成

运动相似性度量是基于运动图的人体运动合成技术的关键.现有方法主要使用运动捕捉数据姿态数值特征进行相似性度量与合成控制,很难处理语义描述上同类型运动数据集中的不同运动实现版本间的时间与空间特征分布变化的问题.提出了引入用户语义控制来改进基于运动图的人体运动合成方法.使用关系特征作为高层语义描述,刻画同类型运动的空间变化特征;通过自学习过程,获得运动类模板,作为同类型运动的空-时特征语义描述;通过将运动类模板数据与人体运动序列文件进行匹配,实现运动类型识别和自动语义信息标注;借助关系特征语义描述及运动序列文件的语义标注信息,实现在基于运动图的运动合成中引入用户直观的高层语义控制.运动合成实验结果显示了该方法的有效性,为获得高质量人体运动合成数据提供途径.     

CSNS/LRBT优化设计及空间电荷效应影响研究

中国散裂中子源（CSNS）直线加速器至快循环同步加速器（RCS）的束流输运线（LRBT）传输80 MeV H^-束流至RCS注入点,由于较小的束流发射度和较高的峰值流强,空间电荷效应在LRBT中的影响非常显著,是引起LRBT中发射度增长和束流损失的主要因素,也是LRBT优化设计中的重要问题。文章利用TRACE 3-D程序进行带有空间电荷效应的twiss参量和消色散匹配,比较研究LRBT不同聚焦结构和不同初始束流分布条件下发射度的增长情况。对于采用Triplet结构作为标准单元的结构,研究发现,通过优化LRBT前端匹配段能有效控制发射度的增长。多粒子模拟跟踪结果表明,峰值流强为15 mA时,现有物理孔径下基本无束流损失发生。对LRBT上散束器的参数和位置进行了优化设计,可减少动量散度和中心能量抖动,优化RCS注入束流参数。     

第四代人机自然交互系统中的AVR虚拟环境技术

虚拟环境为新一代(第四代)人机自然交互系统提供三维可视化交互环境.虚拟景物建模是创建虚拟环境的关键.本文着重研究了虚拟环境建模中的AVR(From Actual Reality to Virtual Reality,即由真实现实到虚拟现实转换)理论、算法及实现技术.在分析、理解虚拟环境建模中的AVR问题性质的基础上,采用计算机视觉和计算机图形学相融合(CV/CG)的技术路线,利用AVR重建技术,直接从视觉获取的真实世界景物几何形状数据中提取出计算机内部统一参数描述模型,并生成真实感的三维景物图像,在虚拟环境中显示,从而实现由真实世界景物形状信息到虚拟环境真实感景物的计算机建模,研究工作具有重要意义和广泛的应用前景.     

基于球谐分析和三维矩的超二次模型匹配计算

超二次模型能够利用简洁的参数有效地描述大量复杂的、真实的三维形状,因此,在计算机视觉和计算机图形中都得到了广泛的应用。超二次模型形状匹配计算是应用超二次模型进行三维物体识别的一个关键问题。本文对此进行了详细的研究,提出了两种新的方法,即基于球谐分析和三维矩的匹配计算方法。特别地,在基于球谐分析的方法中,提出了一个新的采样算法,用以构造描述超二次模型的离散球函数。实验表明,本文提出的方法能够有效地进行超二次模型三维形状的匹配计算,为开发基于超二次模型的三维物体识别系统奠定了良好的基础。     

基于改进解释树的三维物体分类

为了实现对未知三维物体的分类,提出了一种基于改进解释树的三维物体分类方法,将未知物体分到一组预先定义的物体类中.在该方法中,提出了一组新的、完善的三维物体形状特征及对应的约束,定义了有效的解释树约束搜索规则,能快速得到待分类物体和三维模型之间的匹配关系;设计了形状相似性度量计算算法,得到待分类物体与三维模型之间的形状相似度.该分类方法能实现多种类型的匹配计算,得到具有模型形状相似度排序的分类结果和未知物体所属的类别.大量的实验结果充分表明了该三维物体分类方法的良好性能.     

模式分类中的特征融合方法

特征融合方法是模式识别领域的一种重要方法.计算机视觉领域的图像识别问题作为一种特殊的模式分类问题,仍然存在很多挑战.特征融合方法能够综合利用多种图像特征,实现多特征的优势互补,获得更加鲁棒和准确的识别结果.笔者基于信息融合理论分析了特征融合方法的原理,介绍了特征融合方法的研究现状,讨论了特征融合与3类主流基础理论相结合的方法,其中基于贝叶斯理论的特征融合算法可以实现多特征的融合决策,基于稀疏表示理论的特征融合算法能够得到多特征的联合稀疏表示,基于深度学习理论的特征融合算法能够强化深度神经网络模型的特征学习过程.     

Introducing semantic information into motion graph

To improve motion graph based motion synthesis,semantic control was introduced.Hybrid motion features including both numerical and user-defined semantic relational features were extracted to encode the characteristic aspects contained in the character's poses of the given motion sequences.Motion templates were then automatically derived from the training motions for capturing the spatio-temporal characteristics of an entire given class of semantically related motions.The data streams of motion documents wer...