基于kinect和unity的虚拟手抓取碰撞检测算法

针对目前碰撞检测算法效率低精度差的问题,提出了一种改进的层次方向包围盒（OBB）算法。首先通过位置关系判断虚拟手是否在物体包围球的邻近区域,然后用OBB和八叉树算法进行详细的碰撞检测,最后利用离散点到虚拟手简化面的矢量计算法实现精确的碰撞检测。实验结果表明,随着三维物体基元数目的增多,这种由粗略到精确递进的检测方式极大的提高了碰撞检测的效率和精度,具有可行性。该算法适用于任何复杂场景中刚体结构模型的碰撞检测,在运行时候不存在滞后情况,显示流畅,而且碰撞检测精度高,完全能够满足虚拟环境实时性和精确性的要求。     

光场相机精确色彩矢量约束下的超分辨率算法

以LYTRO相机为例,提出一种精确色彩矢量约束下的光场图像超分辨率算法。根据相机内部微透镜阵列按六边形分布的特点,结合点扩散函数,及相机探测器阵列上滤光片的排列方式,计算了每个单一像素点的RGB色彩分量值,精确恢复出每一个像素的颜色信息;利用金字塔算法对色彩恢复的时效性进行了优化。提出一种基于相机子孔径图像序列颜色矢量约束下的超分辨率算法,以提高图像质量。所提的色彩恢复方法可以用于多款光场相机,同时以色彩矢量作为约束条件,彩色超分辨率图像恢复的效果理想。     

三维点云中关键点误匹配剔除方法

三维点云关键点配准与识别过程中存在寻找匹配对不理想、大量误匹配对及配准与识别准确率下降等问题,提出了一种新颖的关键点误匹配剔除方法。在关键点检测阶段,基于边缘点及其邻域点大多分布在同侧的特性,提出了一种边缘点检测算法,剔除处于边缘的关键点,以提高关键点的可重复性和可匹配性,并降低关键点特征匹配的误匹配率。在关键点特征匹配阶段,对经由最近邻算法得到的初始关键点匹配对,通过Kmeans算法和分裂法,剔除掉大量错误的关键点匹配对,从而提高三维点云之间关键点的匹配率。实验结果表明,该方法能够剔除完整三维点云匹配完整三维点云、完整三维点云匹配杂乱且有遮挡的三维点云、部分点云匹配部分点云所产生的大量关键点误匹配对,提升了关键点匹配效果;同时在时间上,本文算法较随机取样一致性算法更有效率,是最邻近算法的有益补充。     

基于微透镜阵列型光场相机的多目标快速测距方法

以LYTRO相机为例,提出一种基于微透镜阵列型(MLA)光场相机的多目标快速测距方法。该方法的研究过程分为三个部分:第一部分,通过对原始数据进行点扩展函数计算及色彩恢复,并对数据进行超分辨处理,获取重聚焦序列图像,完成对待测目标的预处理过程;第二部分,利用三角形定理,通过贴片的方法,提出一种直接测距法;第三部分,对现有的相对测距法进行超分辨处理,大幅提高算法精度,同时利用改进型的拉普拉斯算子验证算法的正确性。最后将这两种算法结合,即得到一种MLA光场相机的多目标快速测距算法。实验证明,对于少量待测物体,直接测距法精度高,速度快;对于数量较多的待测物体,将直接测距法与相对测距法相结合,不但能够保证精度,还可以提高时效性。该方法为光场相机深度获取、三维重建等方面的研究提供了重要的数据参考及较为精准的评价依据。     

基于持久同调的复杂脑网络动态演化分析

有研究表明阿尔茨海默病（Alzheimer's disease,AD）的认知状态与动态功能连接时间特性的改变有关,持久同调指标分析方法可为AD动态脑网络的研究提供更深的见解,但是目前研究主要集中在空间演化方面,尚未有针对时变方面的脑网络演化研究．本文基于静息态功能磁共振成像（resting state-functional magnetic resonanceimaging,rs-fMRI）,对AD患者和正常被试（normal controls,NC）的静态脑网络和基于滑动窗口构建的动态脑网络进行功能连接性分析．对基于持久同调和基于图论的分析结果进行了比较,并采用k均值聚类进行了时间属性的分析．结果表明相对图论指标,持久同调的指标在AD患者和NC被试间具有更显著的差异性;而且相对于静态脑网络,基于持久同调的动态脑网络演化分析可为脑功能网络标志物的检测提供新思路．     

一种改进的RANSAC图像拼接算法

针对RANSAC算法迭代次数过多导致的图像拼接效率不高的问题,提出一种改进的RANSAC图像拼接算法;首先采用SIFT算法提取尺度不变特征点,利用双向互匹配策略对特征点进行匹配,在使用RANSAC算法计算单应性矩阵之前,利用相邻特征点之间的关系对初始特征点对进行筛选,最后使用加权平滑法完成图像的融合;实验结果表明该方法有效地减少了特征点对数,提高了RANSAC的运行时间,图像拼接效率有了很大的提高。     

三维人手关节点的提取研究*

近年来以计算机为载体的人机交互愈发成为人们日常生活中的一个重要组成部分,人手作为仅次于语言的交流方式,有着不可或缺的作用,在人机交互中作为主要媒介有着重要的研究价值。本文在关节点的提取上基于特征匹配提出了一种新的研究方法-跨维匹配。在立体视觉手势交互的基础上,用kinect相机采集带有关节点标记的彩色图像和三维点云,通过特征点提取和匹配的方法,获得手势点云平面图的屏幕坐标,并与三维手势点云一一对应得到手势关节点的三维坐标。实验表明本文的方法是可行的,并且在手势关节点的提取效果上也很精确,能够很容易的应用到手势变换中。