微分域网格处理方法以曲面的曲率等微分属性为基础,在形变等方面取得了巨大的成功。然而现有的研究大都限于离散采样点处曲面的几何性质,依赖于曲面的采样情况。因此在高质量网格形变,鲁棒的几何特征识别,以及多分辨率分析等方面遇到难以克服的困难。针对这些问题本项目将通过对曲面微分属性的分析,提出一套能反映连续几何性质的采样无关表示及网格处理方法。具体内容包括:一、研究离散网格采样与连续曲面之间微分属性和空间坐标的关系。二、利用曲面的微分属性表示,得到高质量的自适应采样形变方法,鲁棒的采样无关特征识别。三、研究连续微分属性的多分辨率性质,得到适用于大数量网格序列的高效率形变算法;不依赖层次结构采样的频域滤波增强,层次细节编辑等应用。进一步,本项目还将完成一个适用于离散网格和网格序列,具有连续曲面性质的形变等几何处理原型系统,验证所提出的方法。
{{i.achievement_title}}
数据更新时间:2023-05-31
基于多模态信息特征融合的犯罪预测算法研究
惯性约束聚变内爆中基于多块结构网格的高效辐射扩散并行算法
多空间交互协同过滤推荐
多源数据驱动CNN-GRU模型的公交客流量分类预测
零样本学习综述
基于微分属性的网格曲面分层表示与编辑
稀疏表示下的曲面重建、网格分割与参数化问题研究
任意拓扑网格上的B样条曲面表示问题研究
几何造型中trimmed曲面的表示与处理算法的研究