基于三维模型的多视图像采集与显示方法

来源 :计算机与现代化 | 被引量 : 5次 | 上传用户:whq59
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
针对多视三维显示中三维模型的多视图像数据源稀少、制作成本高等问题,提出一种通用的三维模型多视点图像采集和显示的方法。该方法可应用于所有基于Open GL/Direct3D技术开发的应用程序,通过劫持应用程序调用并对其进行修改执行,从而获得程序中三维模型的多视点图像。本文还提出一种同步渲染协议,保证该方法在采集与显示过程中的高实时性。实验结果表明,本文所提出的方法在采集和显示过程中实时性高,渲染图像与源图像品质相同,在三维显示领域具有广泛的应用和研究价值。
其他文献
针对样本数不平衡的分类问题,提出一种基于形态运算的二值网格单类分类方法。该方法首先将样本分布空间划分成等尺寸网格,而后根据训练样本分布将网格分为目标网格和背景网格。包含样本的网格称为目标网格,不包含样本的网格称为背景网格。最后对目标网格进行形态学闭运算和开运算形成训练样本的域描述。在人工数据集和真实数据集上将该分类方法与其他典型分类方法进行了对比实验。结果表明,该方法分类精度较高、训练速度较快,是
纹理分类广泛的应用于医学图像分析等领域,纹理图像的采集因拍摄角度的变化产生一定的旋转,本文提出一种基于角度径向变换的旋转不变纹理分类方法。首先采用角度径向变换方法对图像进行特征提取,分别得到图像的角向特征向量和径向特征向量;然后将提取出的2组特征向量结合起来作为图像的整体特征向量,利用K近邻特征空间距离的分类方法进行纹理分类。选取Brodatz纹理库中的图像进行纹理分类测试,实验结果表明,该算法具
近年来,深度卷积神经网络在图像识别和语音识别等领域被广泛运用,取得了很好的效果。深度卷积神经网络是层数较多的卷积神经网络,有数千万参数需要学习,计算开销大,导致训练非常耗
软件错误定位的准确率有助于提高软件调试的效率。通过对软件运行时信息的分析,提出一种利用遗传神经网络来提高软件错误定位准确率的方法。首先,采集程序运行过程中的相关信
在室内定位系统中,针对RSSI测距定位系统接收到的信号会因环境的不确定性出现不可预测的随机变化和行人航迹推算(PDR)定位系统漂移误差长时间的累积效果,提出融合RSSI测距定位
洪水预报分析需要输入大量图像,然而纸质水文年鉴逐年磨损老化,传统方法人工投入大、错误率高,因此水文年鉴资料的数字化研究具有重要意义。本文提出基于版面分析的多特征融合数字识别方法,并结合水文年鉴中数值的时间序列相关性提出后期纠错机制来提高识别的正确率。对水文年鉴图像的实验结果表明,该方法具有较高的识别精度,并且能够还原误识结果的真实值。