导读:本文包含了表面重建论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:表面,特征,正则,双目,建筑物,算法,格林。
表面重建论文文献综述
李晓峰,李东[1]（2019）在《基于改进全卷积神经网络的医疗数据表面重建算法》一文中研究指出为了实现对医疗数据的快速检测和分类识别,需要对医疗数据进行表面重建设计,首先,提出一种基于改进全卷积神经网络的医疗数据表面重建算法.采用无线射频识别技术进行医疗数据的大数据采样,对RFID采集的医疗数据进行信息融合处理,采用多元回归分析方法提取医疗数据的相关性统计特征量,然后,针对医疗数据中的冗余特征采用匹配滤波检测器进行冗余滤波处理,对提纯后的医疗数据采用相空间重构技术实现医疗数据重构,最后,对重构数据采用改进全卷积神经网络分类器进行分类识别,实现医疗数据的表面重建和自动识别.仿真结果表明,所提方法的医疗数据冗余特征处理效果较好,数据分类精度可高达90%以上,且医疗数据重建误差小,耗时少.(本文来源于《计算机系统应用》期刊2019年10期）
张海燕,刘建全,张辉,徐梦云[2]（2019）在《扩散场重建格林函数检测钢轨近表面缺陷》一文中研究指出利用超声相控阵全矩阵捕获功能获取后期时间的扩散场信息,实现钢轨近表面缺陷成像。对扩散场信号进行互相关,重建阵元之间的格林函数,获取阵元之间未延时的响应,恢复被噪声湮没的早期缺陷信息,将波数成像方法用于近表面缺陷的快速成像。采用两种超声相控阵探头在钢轨表面采集实验数据,说明格林函数恢复效果与相控阵阵元的个数和激励频率有关。实验结果清晰地显示了距钢轨表面5～10 mm处的缺陷,证实了互相关方法重建格林函数对近表面缺陷检测的有效性。(本文来源于《应用声学》期刊2019年05期）
李静雪,甄成刚[3]（2019）在《粒子流体表面重建技术研究》一文中研究指出21世纪以来,科学技术发展迅速,计算机硬件性能一步步提升,人们开始利用计算机来模拟再现现实世界的问题,逐渐形成计算机图形学,流体表面重建作为流体模拟中的关键环节也引起了人们的注意。论文介绍了粒子流体表面重建的研究背景及意义、研究历程和表面重建的几种主流方法,最后对未来流体表面重建的研究提出了期望。(本文来源于《信息系统工程》期刊2019年08期）
梁海香[4]（2019）在《双目立体视觉的波浪表面重建》一文中研究指出针对水面波浪的叁维重建问题,提出了结合计算机视觉和光学方面技术的叁维重建算法。主要采用双目立体视觉的方法测量浪高,通过采用立体视觉方法计算得出叁维坐标,采用最小二乘法将叁维坐标拟合为叁维曲面;再将平静水面和波浪水面的叁维坐标进行对比,生成波浪等高线图。实验结果表明,此算法的叁维重建效果较好,并且波浪高度的计算效果与实际波浪高度误差较小。(本文来源于《无线电工程》期刊2019年08期）
金妍君,万旺根[5]（2019）在《基于联合SIFT和SURF特征的叁维表面重建》一文中研究指出一般提取二维图像特征点的方法用到SIFT特征提取,因为SIFT特征有几个特性:对噪声和光线容忍度高、区分性、多量性、可扩展性等,但对于边缘光滑目标的特征点提取能力较弱。SURF特征也是提取图像的尺度不变特征,SURF方法使用Hessian矩阵的行列式值作特征点检测,在对于光滑边缘的目标特征点检测效果要优于SIFT特征。采用同时提取图像中SIFT和SURF特征的方法用于关键点的确定,能够在SIFT特征稳定性好、尺度不变性基础上,提高边缘光滑目标的特征点检测能力。实验结果表明,使用SIFT特征和SURF特征联合的方法能够重建出更多的顶点数和面片数,包括利用SIFT特征提取后存在空缺的部分。重建出的叁维表面有更完整更准确的顶点和叁角形面片,能提高重建表面的完整度与真实性。(本文来源于《电子测量技术》期刊2019年11期）
王森援,蔡国榕,王宗跃,吴云东[6]（2019）在《基于加权约束的单体建筑物点云表面重建算法》一文中研究指出建筑物点云表面重建在高精度城市测绘、虚拟现实等领域有十分广泛的应用前景。由于建筑物的几何形态多变,重建算法普遍存在计算速率慢、拟合精度低和模型结构不完整的问题。为此,本文以单体建筑物为研究对象,提出基于加权约束的单体建筑物点云表面重建算法,在表面初始化过程中充分考虑数据对结构拟合的贡献。在此基础上,构建基于正则集的单体建筑物表面重建算法,实现建筑物拟合过程中的加权拟合误差、近邻结构平滑的同步优化。针对多类建筑物叁维点云的实验结果表明,相比传统的建筑物重建策略,本文的加权约束方法可根据不同类型的点云数据设计自适应权重,并选择模型拟合中最优的权重函数,在高噪声、低精度点云数据下能得到更高精度的单体建筑物表面模型。(本文来源于《地球信息科学学报》期刊2019年05期）
吴靖[7]（2019）在《基于光栅投影的工件表面孔洞的叁维重建技术研究》一文中研究指出光栅投影测量系统能够实现工件的叁维重建,但是由于孔洞、凸起缺陷的特殊性,在进行图像采集的过程中,易造成阴影区域的产生,影响数据的采集,从而造成工件表面孔洞的重建精度较低的现象,为了解决这个问题,本文通过分析工件孔洞的特征以及光栅投影测量原理,提出使用双投影的光栅投影叁维测量方法进行孔洞缺陷的叁维重建,对表面含有孔洞的工件进行了工件厚度和孔洞尺寸的检测,为提高孔洞重建精度奠定了基础。由于受到工件厚度的影响,在孔洞的边缘会产生阴影,从而影响重建的工件孔洞精度,本文提出使用双投影的光栅投影法,通过对阴影区域的判定,并对其进行二值化,以双投影进行叁维重建的数据为基础,对阴影区域的数据进行填充,并对填充后阴影区域数据与非阴影区域数据进行数据融合,实现对工件表面孔洞的叁维重建。分析了影响测量系统精度的因素,并对主要的影响因素(光栅频率的选取、投影仪的投射角度)进行分析讨论,选定合适的参数范围来提高系统的测量精度。通过对不同孔洞的测量,得出本文提出的测量系统的测量精度,对工件厚度的精度能达到0.05mm,孔洞直径测量精度达到0.1mm。(本文来源于《中北大学》期刊2019-06-01）
李世林,李红军[8]（2019）在《自适应步长的Alpha?shape表面重建算法》一文中研究指出叁维物体表面重建在现代临床医学、场景建模和林业测量等方面有着重要应用价值。为了更好地理解叁维物体表面形状,本文先介绍了叁维空间离散点集的Alpha形状的相关概念。在分析表面重建的Alpha-shape算法的基础上,本文提出一种自适应步长的Alpha-shape算法。通过kd-tree和k近邻平均距离来动态更新α值,使得算法在处理点集密度较大的区域时也能以较少的遍历次数进行表面重建,从而改善了重建效果并提高了算法运行效率。大量随机数据和现实叁维采样数据的实验结果表明,本文提出的改进算法与原始算法相比,能大幅度地提高运行效率。(本文来源于《数据采集与处理》期刊2019年03期）
王森援[9]（2019）在《基于高分辨率叁维点云的建筑物表面重建关键技术研究》一文中研究指出建筑物点云的表面重建方法是根据点云数据提取建筑物表面的几何结构,从而恢复叁维实体模型的过程。目前,面向点云的建筑物表面重建方法在高精度城市测绘、虚拟现实等领域有十分广泛的应用前景。由于建筑物具有几何形态多变的特点,重建算法普遍存在拟合精度低、模型结构不完整等问题。因此,本文从提升模型的重建精度、增强模型闭合性的需求出发,重点开展高效的建筑物表面矢量化重建算法的研究,主要工作如下:1、针对带噪声和缺失建筑物点云数据的表面拟合问题,提出基于加权约束的单体建筑物点云表面重建算法。首先,在数据表面初始化过程中根据不同点云数据的分布特点,设计自适应权重。其次,选择模型拟合中最优的权重函数,达到建筑物的拟合误差最小。最后,构建基于正则集的建筑物表面重建算法,实现建筑物表面的加权约束提取。针对不同数据源和不同规模的建筑物重建实验结果表明,基于加权约束的建筑物点云表面重建算法在高噪声、低精度点云数据下能得到更高精度的建筑物表面模型。2、针对重建模型存在的边界非闭合问题,提出基于闭合约束的建筑物点云表面重建算法。首先,根据主成分分析方法对点云数据进行初始拟合。其次,按照正则集重建方法的候选集生成方式扩充初始基元集。最后,在含有数据项、正则项和平滑项的能量最小化方程中添加闭合约束项来选择最终的模型平面集。与基于正则集的建筑物表面重建算法相比,基于多边形闭合约束的重建算法对噪声有较好的鲁棒性,并能有效地提高重建模型的闭合性。综上所述,本文针对重建模型拟合精度低,结构闭合性差的问题,分别提出基于加权约束和闭合约束的建筑物点云表面重建算法。通过分析数据的加权拟合权重与模型边界闭合性对重建的影响,针对带噪声、不同尺度和不同结构复杂度的建筑物重建实验结果表明,所提算法有效地提高了模型拟合精度和闭合度,得到高精度紧密的建筑物模型。(本文来源于《集美大学》期刊2019-05-08）
王浩[10]（2019）在《基于Kinect V2深度图像流的快速体素哈希表面重建算法》一文中研究指出叁维模型的快速重建是制约计算机图形学和虚拟现实技术发展的瓶颈问题。传统的叁维重建技术存在数据获取设备昂贵、数据获取过程复杂、数据量大导致的叁维重建效率低下等问题。近年来,随着计算机视觉与图形学技术的发展和相关硬件设备性能的不断提升,其中深度相机如微软的Kinect可低成本快速获取场景中的深度流数据用于视频游戏、医学治疗及实时叁维重建等领域,具有广泛的应用价值。因此,本文采用低成本Kinect V2深度相机,研究基于体素哈希的深度图像流快速表面重建方法,将基于MD4加密算法的哈希函数应用到快速表面重建中,从而实现叁维表面数据的实时存储和更新。论文主要完成以下3方面的工作:(1)基于Kinect V2的实时数据采集实验平台的搭建与深度图像流数据的获取。首先采用Kinect V2搭建数据采集平台实时采集室内场景深度图像流,并将深度图像逐渐融合到叁维模型中,以满足重建过程中高帧率连续深度数据的需求。实验结果表明,在室内场景中,搭建的基于Kinect V2的数据采集平台获取到的深度图像在不同距离处的误差几乎是恒定的,且获取的深度图像流的帧率可以达到30帧/秒(frames per second),采集的深度数据可满足后续研究的需求。(2)提出一种基于MD4(Message Digest Algorithm 4)算法的哈希函数用于提高数据访问效率,并采用分离链接法有效解决了数据冲突问题。传统的体素哈希表中存储的深度数据易发生冲突,导致数据存储慢,最终影响重建速度及重建规模。MD4算法在密码学领域中由于其计算效率高,具有良好的抗冲突优势得到了广泛关注及应用,受MD4算法在上述两方面的启发,本文引入了基于MD4算法的哈希函数用于提高数据查找、更新和插入效率,同时采用分离链接法解决映射到同一位置的数据冲突问题,该方法通过将每个桶中插入一定数量的哈希条目来解决映射到同一位置的冲突问题,若桶被占满,则通过线性探测下一个可用位置存放发生冲突的数据。结果表明,哈希表的负载率可以达到95.12%,成功查找并插入数据平均仅需1.3次,可满足实验要求。(3)研究了基于体素哈希表的快速表面重建方法。首先将获取到的深度图像流进行预处理获取到相机的位姿,然后根据输入深度图像分配新的体素块,并将体素块的描述符插入到哈希表中,接下来在融合步骤中,更新落入当前视场内分配的体素块,根据获取到的新的深度图像融合到当前可见的体素块数据中,并进行更新。最后,通过光线投射来提取包含相关颜色的等值面。论文主要研究了基于深度图像流数据的快速表面重建方法中哈希函数和哈希表的设计,实验结果表明,本文基于MD4提出的方法可快速实现室内场景的表面重建,渲染帧率可以达到25~35帧/秒,与微软KinectFusion实验结果相比,在重建细节方面更精细,与Voxel Hashing算法相比重建效率提升8%左右。与传统的体哈希表模型相比,本文采用的哈希表占用的内存空间仅为40M左右,从而减小了内存溢出的风险,具有良好的扩展性,能够满足自动化建模领域的应用需求。(本文来源于《西北农林科技大学》期刊2019-05-01）
表面重建论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
利用超声相控阵全矩阵捕获功能获取后期时间的扩散场信息,实现钢轨近表面缺陷成像。对扩散场信号进行互相关,重建阵元之间的格林函数,获取阵元之间未延时的响应,恢复被噪声湮没的早期缺陷信息,将波数成像方法用于近表面缺陷的快速成像。采用两种超声相控阵探头在钢轨表面采集实验数据,说明格林函数恢复效果与相控阵阵元的个数和激励频率有关。实验结果清晰地显示了距钢轨表面5～10 mm处的缺陷,证实了互相关方法重建格林函数对近表面缺陷检测的有效性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
表面重建论文参考文献
[1].李晓峰,李东.基于改进全卷积神经网络的医疗数据表面重建算法[J].计算机系统应用.2019
[2].张海燕,刘建全,张辉,徐梦云.扩散场重建格林函数检测钢轨近表面缺陷[J].应用声学.2019
[3].李静雪,甄成刚.粒子流体表面重建技术研究[J].信息系统工程.2019
[4].梁海香.双目立体视觉的波浪表面重建[J].无线电工程.2019
[5].金妍君,万旺根.基于联合SIFT和SURF特征的叁维表面重建[J].电子测量技术.2019
[6].王森援,蔡国榕,王宗跃,吴云东.基于加权约束的单体建筑物点云表面重建算法[J].地球信息科学学报.2019
[7].吴靖.基于光栅投影的工件表面孔洞的叁维重建技术研究[D].中北大学.2019
[8].李世林,李红军.自适应步长的Alpha?shape表面重建算法[J].数据采集与处理.2019
[9].王森援.基于高分辨率叁维点云的建筑物表面重建关键技术研究[D].集美大学.2019
[10].王浩.基于KinectV2深度图像流的快速体素哈希表面重建算法[D].西北农林科技大学.2019
论文知识图
