復(fù)雜場景建模與繪制中的逼近問題研究.pdf_第1頁
已閱讀1頁,還剩102頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、從數(shù)學(xué)上說,逼近問題是指在選定的一類函數(shù)中尋找某個(gè)函數(shù)g,構(gòu)成目標(biāo)函數(shù)f在一定意義下的近似表示,并求出用g近似表示f所產(chǎn)生的誤差。在計(jì)算機(jī)圖形學(xué)的很多應(yīng)用中,需要通過逼近對復(fù)雜模型進(jìn)行簡化以實(shí)現(xiàn)繪制、計(jì)算與建模中的高效率。雖然人們已經(jīng)在函數(shù)逼近論的研究上取得了很多成果,但是由于圖形學(xué)研究對象的復(fù)雜性,并不是圖形學(xué)應(yīng)用研究中的所有問題都能在函數(shù)逼近論中找到現(xiàn)成的解決方案,因而需要尋求新的方法。 本文就復(fù)雜場景建模與繪制中的逼近問題

2、展開一系列研究,在不同的圖形學(xué)應(yīng)用中,都嘗試以全局誤差最小作為優(yōu)化目標(biāo)。由于需求的不同,針對不同逼近問題,需要選擇不同類型的逼近函數(shù)g進(jìn)行求解。本文的工作根據(jù)逼近函數(shù)類型的不同,按照如下幾個(gè)層次展開: 1),研究一類具有良好參數(shù)域、有解析形式的函數(shù)的逼近,由于原函數(shù)具有的良好性質(zhì),可以選擇光滑函數(shù)為逼近函數(shù)g的形式,并采用逼近論中函數(shù)逼近的方法,進(jìn)行優(yōu)化求解。我們以逼近基于Dipole近似的半透明物體漫散射函數(shù)為目標(biāo),實(shí)現(xiàn)了半透

3、明物體半透明材質(zhì)屬性的實(shí)時(shí)編輯,在獲得高質(zhì)量的繪制結(jié)果的同時(shí),達(dá)到了實(shí)時(shí)的繪制速度。 2),在光滑函數(shù)逼近的基礎(chǔ)上,我們進(jìn)一步討論對于無解析形式的函數(shù)的逼近——三維網(wǎng)格模型的包圍體逼近問題。三維網(wǎng)格模型由面片表示,無法應(yīng)用面向連續(xù)函數(shù)的函數(shù)逼近理論來求解包圍體逼近。我們提出了新的逼近誤差度量以及基于Llyod分簇迭代逼近的優(yōu)化求解策略,實(shí)現(xiàn)了用包圍體對原三維網(wǎng)格模型在空間上更為緊密的逼近。與前人的方法相比,無論從外觀形狀還是在陰

4、影繪制與碰撞檢測中的應(yīng)用,我們的逼近結(jié)果都具有更好的效果。 3),在大規(guī)模樹木樹木建模中,不僅需要考慮對物體外部形狀的逼近,也需要考慮對樹木各部分的空間分布及其生長規(guī)律的逼近。我們提出了新的樹木生長概率模型用于描述樹木的枝干花葉的空間位置關(guān)系,并將樹木的生長規(guī)律作為逼近優(yōu)化的目標(biāo),研究在概率意義上樹木生長規(guī)律對從真實(shí)世界采集的樹木數(shù)據(jù)最優(yōu)逼近的方法?;谶@一模型可以快速地創(chuàng)建具有相似的視覺外觀的一類樹木的多個(gè)個(gè)體,大大提高樹木建

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論