基于GPU的交互式体数据切割

来源 :计算机辅助设计与图形学学报 | 被引量 : 8次 | 上传用户:tangyanb
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
为实现实时高效的体数据切割操作,提出一种将人机交互和基于GPU的体绘制相结合的切割方法.先通过人机交互生成多个切割体的几何形状并三角化,将其作为基于GPU的光线投射算法的代理面,然后利用深度剥离算法获得光线在所有代理面上的出入射点坐标,并用多个通道完成体绘制.该方法在单个3D纹理上进行,可以实现多个任意形状的切割体切割,在节省GPU内存空间的同时,提高了切割后的绘制效率.
其他文献
时序电路的测试序列通常由各个单故障的测试向量组成.为了减少测试时间和功耗,提出2种测试向量融合算法.借助融合灵活性的概念,2种算法按不同的方式对向量序列进行排序,并以融合深度和代价作为评判准则,构建向量的融合过程,最终生成整个电路的测试序列.该算法与已有的Greedy算法时间复杂度相同,但性能更优.在ISCAS89部分电路上的实验结果表明,采用文中算法可使平均性能分别提高4.96%和8.23%.故
为了给虚拟角色合成出逼真的大范围运动数据,提出一种为特定运动路径配上自然多样的人体运动数据的方法.该方法将待匹配运动路径分割为一系列短小的运动路径片断,并在一个结构化的运动状态机上逐片断地寻找最为匹配的运动序列;然后将这些运动序列依次连接起来,得到一段连续的、满足运动路径约束的人体运动数据.用户还可以交互式地设计运动路径上一个路径片断的运动类型.该方法适用于待匹配运动路径运动范围大、对多条运动路径
在CAD模型的性能模拟分析过程中,经常需要对计算域模型进行细化以提高模拟的精度.针对等几何分析这一新兴的模拟分析方法,提出一种新的细化方法,称之为r-p型细化方法.该细化方法包括2个步骤:首先通过极小化后验误差估计,对初始计算域的内部控制顶点的位置进行优化(即r型细化);然后对通过r型细化得到的计算域模型进行升阶操作以增加自由度(即p型细化).将r-p型细化方法应用于二维热传导问题的等几何模拟分析