基于特征的群体造型建模方法研究

来源 :山东师范大学 | 被引量 : 0次 | 上传用户:aini826611
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
近年来,随着动漫发展的日新月异,计算机群体动画受到了更多的重视,已成为三维动画的热门。计算机群体动画定义为在计算机环境中,对遵守相同行为规则的具有智能的一群独立个体的模拟。由于具有准确、智能以及操作性强的特点,计算机群体动画已经在动漫动画、大型网络游戏制作、交通管理、人群疏散和灾难逃生等方面取得了很好的效果。群体动画需求的增多对其技术的要求也越来越高,设计出一套高效的制作方法及制作工具成为当务之急。虽然传统的群体动画制作技术创作了许多优秀的动画片,但其存在一些缺陷,如群体角色造型单一,多样性差;创作动画片的效率低,成本高;创作的动画片占用空间大,实时处理速度慢。在群体动画的创作过程中,需要设计一种方法来辅助动画设计师通过电脑快速高效地生成新颖独特且容量小的三维群体造型。本文提出基于特征的群体造型建模方法,将模型的NURBS结构线及谷脊线特征用于群体造型建模,并基于谷脊线特征对模型进行简化。(1)提出一种基于特征的群体造型建模方法。“特征”体现在两个方面。第一,基于细粒度的特征划分,根据不同部件的特征对其进行划分,进而采用适应其特征的建模方法;第二,基于特征的层次化建模,根据NURBS结构线与谷脊线的不同点将其分别用于轮廓建模与细节建模。(2)提出一种基于NURBS结构线进化和组装的群体造型轮廓建模方法。该方法的操作对象为一个复杂模型,操作过程是对其NURBS结构线进行变形,操作结果是生成形态各异的复杂模型群体。首先将复杂模型分成不同的部件,然后对每个部件应用遗传算法生成部件库,最后对部件库中的每个部件应用微粒群算法组装生成形态各异的复杂模型群体。(3)提出一种基于谷脊线特征的交互式群体造型细节建模方法。该方法的操作对象是较精细的模型部件,操作过程是对其谷脊线特征进行变形,操作结果是生成细节各异的模型。首先提取精细模型的谷脊线,然后对谷脊线进行变形,最后更新模型。(4)提出一种基于谷脊线特征的三维网格模型简化方法。该方法的操作对象是网格模型,操作过程是进行网格模型简化,操作结果是生成占用空间小的隐式曲面模型。首先利用基于隐式曲面的方法获得网格模型的特征点,然后利用基于紧支持基函数的方法得到隐式曲面模型。实验结果表明:本文提出的轮廓建模方法适用于复杂模型的群体造型,可以高效生成轮廓多种多样的复杂模型群体;本文提出的细节建模方法对模型的谷脊特征进行操作,不仅过程高效,而且生成的模型在细节上表现出更多的多样性,弥补了轮廓建模的不足;本文提出的网格模型简化方法在更好的体现褶皱、尖角、凿痕、边界等重要特征的同时提高模型的压缩比,且生成的隐式曲面模型比网格模型具有更高的光滑度和逼真度。
其他文献
生物特征识别技术作为一门新兴的身份鉴别技术,近年来得到了蓬勃的发展。掌纹作为生物特征的一种,具有数据量大、唯一性强、易采集的优点,在各个领域均有广泛的应用前景。本文面
油液监测技术是近年来工业界普遍采用的监测与诊断设备的技术之一,它是通过分析被监测机器的在用润滑剂(或工作介质)的性能变化和携带的磨粒的情况,以获得机器的润滑和磨粒状
语义Web技术的兴起,为Agents理解信息内容和实现语义互操作扫清了障碍,进而给异质Agents在Web上的大规模应用开拓了契机。然而传统软件Agent技术在Web中的应用潜力严重受阻,原因
上世纪90年代至今,随着互联网的飞速发展,Web上的各种资源正在以爆炸式的速度膨胀。面对汪洋的Web信息资源,如何从中高效的精确的检索信息,也成了当前迫切需要解决的课题。 以
如今,在计算机真实感图形学领域中,三维模型表面的高质量细节特征越来越重要。以往模型表面的细节特征都是将二维纹理,凹凸映射和位移映射等技术应用于三角网格模型或细分曲
机器翻译至今已有60年的历史。尽管机器翻译软件已实现商品化,但其译文尚未达到忠实通顺的现代翻译标准,难以满足世界巨大的英汉互译市场需要。目前英汉机器翻译技术遭遇瓶颈,其
网络诱骗系统是一种主动的安全防御技术,与传统的Internet安全防御技术如防火墙、入侵检测系统以及各种认证和加密技术等不同,它通过在网络中设置一些专门的资源(即“诱饵”)主
多标记问题在现实世界的大量应用中普遍存在,现在已经成为机器学习和数据挖掘两个相关领域的研究热点。多标记学习的提出为多义性对象的复杂化问题提供了一种有效的解决方法,目
随着空间技术的发展,现代小卫星技术正在日益走向成熟,必将会发挥出越来越大的作用。卫星组网为小卫星开辟了新的应用方向和发展空间。本文从动力学的角度出发,对卫星组网进
从数据挖掘技术产生以来,国内外出现了形形色色的数据挖掘工具,其中也不乏可以为用户提供算法试验和测试接口的例子,但其目标都倾向于挖掘任务,而非挖掘算法的开发、调试和试