|
|
题目：
雅宝题库答案：
****此区域为收费内容**** 需支付 1 知识币后可查看，1币=0.01元查看答案
雅宝题库解析：
真实世界中的物体是由不同材质构成的，这些材质具有不同的外观属性，它们与光相互作用能够产生丰富的光学现象。利用计算机技术逼真再现这些光学现象，在虚拟现实、数字娱乐、文化遗产保护等领域具有广泛的应用价值。物体外观属性由物体顶点空间位置、光照环境、视点位置等多种元素共同决定，在计算机图形学中一般使用高维数据或高维函数进行描述，这导致物体外观属性的数据采集与建模十分困难。本文在国家自然科学基金项目“真实物体表面属性建模与绘制技术研究(60773153)”的资助下，围绕真实世界中物体材质外观属性的数据采集与建模开展研究工作，研究成果如下：(1) 研制了一套物体材质外观反射属性数据采集系统BH_DOME。该系统包括硬件和软件两个部分：硬件部分包括一个直径2.8米的半球形钢架，上面挂载了22台可控数码相机和238个光源，通过多光源与多相机的同步触发控制硬件系统，能够快速地采集不同光照和视点条件下的物体图像；软件部分包括基于脚本的同步触发控制采集软件系统，控制BH_DOME中相机、光源等多个元素，以及数据标定系统，实现BH_DOME系统中相机、光源、三维扫描仪等元素的标定，最终将采集图像数据转换为外观属性数据。(2) 针对各向同性单材质物体表面材质反射属性的建模题目，提出了一种可编辑的、基于数据驱动(Data-Driven)双向反射分布函数(Bidirectional Reflectance Distribution Function, BRDF)建模方法，通过矩阵分解算法将高维BRDF数据分解为多组一维曲线，将BRDF特有的物理属性转化为矩阵分解过程的约束条件，利用带约束的线性最小二乘优化算法实现矩阵分解，保证所得到的一维曲线能够直观地表达某一类光学现象，具有较强编辑性。平面物体反射属性数据采集过程中，由于表面只存在一个法向量，导致BRDF数据采集密度不足，为此给出了一种基于二维同心正方图的BRDF数据参数化方式，并在此基础上，提出了一种基于拉普拉斯方程的BRDF离散数据插值算法，利用所采集的BRDF数据插值得到光源方向定义域上未采集到的BRDF数据，提高BRDF样本数据的分布密度。(3) 针对由多种材质构成物体的表面材质反射属性建模题目，提出了一种基于Kernel Nyström的空间变化双向反射分布函数(Spatially-Varying Bidirectional Reflectance Distribution Function, SVBRDF)数据驱动建模方法。首先重构整个采样空间的SVBRDF数据，然后将其分解为表达角度域变化的若干基材质BRDF，以及表达空间域变化的基材质BRDF权重分布图这两类具有可编辑意义的紧凑数据表达方式。针对SVBRDF数据量大、重构过程时间开销大的题目，提出了一种基于Kernel Nyström的SVBRDF数据重构算法，将SVBRDF数据组织为二维矩阵，利用较少采样点的SVBRDF数据，快速地重构整个采样空间的SVBRDF数据；针对基材质BRDF的求解题目，提出了一种结合聚类与线性最小二乘优化的基材质BRDF求解算法，保证了所求解基材质BRDF之间的线性无关性；利用带约束的线性最小二乘优化算法根据基材质BRDF及重构的SVBRDF数据计算所有采样点处各基材质BRDF的权重混合因子，实现SVBRDF的建模。(4) 针对动态非均匀单散射参与介质建模题目，提出了一种基于多分辨率体数据的非均匀单散射参与介质建模方法。为了逼真地重构出非均匀单散射参与介质密度场的高频变化细节，提出了一种描述参与介质密度场以及光线传播属性的参与介质模型，由高分辨率体数据、参与介质吸收系数和参与介质散射系数构成。根据辐射度传播方程，构建采集图像像素值与参与介质模型参数之间的表达式，将非均匀单散射参与介质模型求解题目转化为非线性数值优化题目。针对高分辨率体数据下大量体素密度值同时求解时间开销很大的题目，提出了一种基于多分辨率体数据逐步求精的优化算法，提高了优化效率；提出了一种符合采集图像像素值明暗分布规律的密度场体数据初始化算法，为非线性数值优化算法提供较好初值；针对辐射度传播方程计算复杂题目，提出了一种改进的Ray Marching参与介质绘制技术；非线性数值优化过程中大量体素密度值的梯度求解十分耗时，为此提出了一种基于GPU的多体素并行梯度计算算法。以香烟为例验证了我们的建模方法，只需要输入8幅图像就能够恢复所采集烟的参与介质模型，同时保持其细节信息，并可以在任意新视点下绘制出逼真的烟图像。以上部分研究成果已经应用于数字博物馆相关项目的建设，并取得了良好的效果。 |
上一篇：脉冲萃取柱参数测量在过程控制中的应用技术研究下一篇：山西晋济高速公路监控管理系统的设计与实现
|
发表于 2024-2-6 08:09:42
中发现Ni：
中发现Ni：
中发现Ni：
中发现Ni：
中发现Ni：
中发现Ni：
QQ登录
