通用加速计算在环幕失真校正中的应用研究

大规模场景的沉浸式投影系统大都以环幕作为显示设备,而由环幕造成的几何失真使系统真实感大大降低。从环幕产生失真的几何原理出发,通过建立投影平面和成像面之间的坐标映射关系,生成了一种几何失真校正的理论模型。同时,研究了一种适于通用加速计算的图形硬件架构CUDA,基于其多线程的硬件执行机制,通过将几何失真的校正矩阵组织成纹理进行多重纹理贴图映射,设计了预失真校正的硬件加速算法,该算法还利用基于权值的超采样技术对加速中的走样进行了设计。最后,对该方法的校正效率和效果进行了实验验证,证明该方法具有更高的场景交互速度和很好的校正效果。     

基于光栅投影三维测量的相位展开方法研究

为了提升光栅条纹解相位的精度与效率,从时间序列的角度,对多频外差与相移法进行优化.按照展开频率的重要性选择不同步数的相移进行相位主值的求解,主频率选用四步相移,其他频率选用三步相移,最后利用外差原理进行光栅条纹的相位展开.通过试验结果证明算法的可行性,且此优化算法相比于传统的格雷码展开法精确度更高,投影图像更少,对比于...     

利用透视投影基本方程选定透视形象的参数分析

在工程设计中，有些内容往往是工程设计人员根据一些不完整的历史资料萌发创作意念并概略地草构出透视表现图，虽然，在绘制标准的透视图时，这些资料所提供的参数是不够的，本文通过对物体三个主方向及其透视图中几何关系和矢量关系的分析，利用透视投影本方程由一已知物体的部分透视，确定其进行透视投影的全部参数，为透视变换和利用计算机绘制透视图提供了有效的基础条件。     

地球磁尾的电场模式

地球磁层中的电场是磁层等离子体运动的主要驱动力。目前常用的磁层电场为均匀晨昏电场和投影电场。本文假定磁力线为电场的等位线，地球电离层电场看做磁层电场沿磁力线在电离层的投影。利用Tsyganenko磁场模式（T89），沿磁力线反电离层电场投影到磁尾，得到了一个新的磁层电场模式。文中对偶极磁场和T89磁场模式下的投影场作了比较，说明本模式突破了偶极磁场的局限，在磁层有更大的适用范围。     

末端能量管理段迭代校正轨道算法研究

针对航天器进入末端能量管理段接口处时位置和航迹偏角存在大范围摄动的问题，提出一种使用迭代校正法的轨道快速生成算法。该算法可以根据航天器的具体初始状态，自动选择直接进场或者间接进场策略，快速生成可行的参考轨迹。首先通过跟踪轨迹地面投影实现侧向制导；根据末端能量管理段的起始点与终点的高度与速度约束生成参考动压-高度剖面，并跟踪此剖面实现纵向制导。然后采用迭代校正计算快速确定航向校准柱的位置与最终半径两个参数用以调整航程，保证航天器在末端的所有状态满足自动着陆段接口的边界约束。仿真结果校验了该算法可以根据航天器的具体状态快速生成符合约束条件的末端能量管理段飞行轨道，具有很好的鲁棒控制性能。     

最酷的飞机设计模式

<正>最近,欧洲一家飞机制造商设计出一款全透明飞机,可以让任何位置的乘客都能看到上下左右360°的高空全景。1透明飞机节能且安全飞机透明的观光效果是不言而喻的,变幻莫测的高空云海,闪烁多变的夜晚星空,起飞降落时的地面美景,都令人沉醉其中。设计透明飞机的欧洲"空中客车"公司表示,要让飞机透明,就得采用特殊的透明材料。这种材料是一种高分子透明膜,不但能保障其透明性,还能保障其牢固性。     

一种新的TR层析扫描投影重排算法

TR层析扫描可对超出射束范围的大尺寸构件进行检测,在工业CT领域有着重要的应用。目前使用的一种重建方法是在忽略扇角的影响下,将TR扫描正弦图直接重排成标准平行束正弦图,然后使用平行束的重建方法进行重建,这样导致重建图像存在一定误差。提出一种新的重排算法,通过坐标转换和插值计算,得到平行束正弦图中的各采样点在TR扫描正弦图中对应的映射点坐标及灰度信息,进而得到完整的平行束正弦图。通过仿真和试验,发现应用新算法得到的正弦图和重建图像均消除了边缘不光滑和伪影现象。新的重排算法能够消除现有重排算法的误差,使得TR扫描方法在扇束角较大时也能实现正确CT重建。     

基于积分投影的去除噪声算法用于人脸图像处理

本文提出了一种解决滤除人脸图像中高频及低频噪声的新算法。首先可对原始人脸图像进行边界提取，并使之成为二值图；然后，分别采用水平及垂直积分投影的方法，在低频与高频噪声中确定人脸轮廓；在此基础上，消除轮廓以外的噪声。     

略论非线性降噪研究

论文总结了非线性降噪研究的现状和信号提取的思想方法,并由正弦函数验证了良好的相空间重构对原始信号的特征挖掘作用.     

基于深度学习的水下条纹投影三维测量方法

水下加工制造在航空、船舶等领域发挥着重要作用,制造过程的原位在线三维检测成为水下制造质量保障的迫切需求。条纹投影轮廓术（FPP）作为经典的光学三维测量技术之一,具备无接触、快速以及高精度等优势。然而,在浑浊水体中,由于光的吸收和散射作用,相机捕获的条纹光强衰减、对比度降低、图像细节模糊、引入大量噪声,导致条纹图质量不佳。根据低质量条纹计算出的相位具有不可忽视的相位误差,造成三维测量精度下降。为减小水下吸收与散射的影响,提出了一种基于深度学习的端到端的条纹图像增强算法,运用条纹图像增强卷积神经网络（FPENet）将低对比度高噪声条纹转换为高对比度低噪声条纹后获取更准确的相位结果。FPENet针对不同浑浊度水体皆可有效提高条纹质量,降低相位误差。尤其在高浑浊度水体中,相位误差可减小50%左右,显著提升水下FPP的测量精度,对于提高FPP在复杂场景中的适用性具有重要意义。