【摘 要】
：
B样条具有局部性与光滑性等良好的性质,能够灵活地表示复杂的自由型曲线和曲面,因此在计算机辅助几何设计等领域应用广泛.我们在本文中分别研究了 B样条在曲线演化问题和曲线矢量数据压缩问题中的应用,并由此提出了求解曲线演化问题的三次B样条参数有限元方法和一种带约束的三次B样条曲线矢量数据压缩算法.曲线演化问题属于一类常见的几何演化问题,通常由特定的时空相关的非线性几何偏微分方程所决定,我们将三次B样条应
论文部分内容阅读
B样条具有局部性与光滑性等良好的性质,能够灵活地表示复杂的自由型曲线和曲面,因此在计算机辅助几何设计等领域应用广泛.我们在本文中分别研究了 B样条在曲线演化问题和曲线矢量数据压缩问题中的应用,并由此提出了求解曲线演化问题的三次B样条参数有限元方法和一种带约束的三次B样条曲线矢量数据压缩算法.曲线演化问题属于一类常见的几何演化问题,通常由特定的时空相关的非线性几何偏微分方程所决定,我们将三次B样条应用于参数有限元方法中,用来求解平均曲率流和表面扩散流下平面闭曲线的演化问题.我们首先利用三次B样条有限元对曲线演化问题的变分形式进行离散,得到了基于三次B样条的空间半离散格式,随后应用半隐式方法在时间上进行离散,从而得到了该变分形式的全离散格式.同时,我们还引入了 Hausdorff距离和流形距离这两种度量方式来衡量闭曲线间的距离,并针对具有不同连续性的三次B样条曲线插值算例,展示了这两种距离度量的差异.在平均曲率流和表面扩散流下曲线演化的若干数值模拟算例表明,相对于传统线性参数有限元方法的二阶误差收敛阶,我们所提出的三次B样条参数有限元方法能够达到四阶误差收敛阶,其数值算例证实了我们所提出算法的优越性.为了便于大型矢量数据高效的检索分析,存储和传输,事先对矢量数据进行压缩是极为必要的.基于B样条良好的局部性和光滑性,我们利用带约束条件限制的三次B样条逼近方法对曲线矢量数据进行压缩.为了验证所提出算法的高效性,我们给出了 9种不同的曲线矢量数据压缩算例,并同时与传统的Douglas-Peucker矢量压缩算法进行对比.数值算例结果表明,我们所提出的曲线矢量数据压缩算法明显优于传统的Douglas-Peucker压缩算法.该算法不仅能够保证曲线整体的二阶光滑性以及满足压缩过程中对首尾端点的约束要求,还能够显著地降低数据的压缩率,因而在自动驾驶等领域具有广泛的应用前景.
其他文献
钼氧化物因Mo元素具有多种价态,在光学和电学等方面被广泛应用。其中,MoO3具有生态友好性以及很高的Mo6+/Mo4+氧化还原活性,引入氧空位可以降低Mo的价态,并提高材料的氧化还原活性。因此,研究MoO3在氧空位引入后的结构演变及稳定性是实现其工业化运用的前提。一般情况下,氧空位的引入会引起MoO3的结构变化,然而,原子尺度的相变过程及机理的认识还比较缺乏,所以需要在原子尺度原位表征MoO3的结
本文考虑如下的拟线性方程（?）其中M是一个维数N≥ 3紧致光滑无边Riemann流形,x0∈ ∈M.这里a（x）,K（x）以及h（x）都是M上的连续函数还满足其他一些条件.算子△p,g称为流形M上相对于度量g的p-Laplace-Beltrami算子,这里dg是（M,g）上的Riemann距离.此外,我们假设p ∈（1,N）,s ∈[0,p),且r ∈（p,p*）其中（?）.记号（?）是临界Har
R-Loop是一种独特的三链染色质结构,不仅参与多种重要的生物学过程,例如基因的表达调控,染色质结构状态,DNA损伤修复等,并且R-Loop的调控失调与多种人类疾病息息相关,包括乳腺癌,神经退行性疾病还有骨髓增生异常综合征等。准确而全面地分析基因组中的R-Loop对于研究其在生理和病理条件下的功能至关重要。然而,现有的方法在R-Loop的映射上存在较大的差异,因此迫切的需要提供一种独立的策略。在这
中微子振荡作为超越标准模型的现象,其性质得到广泛研究。中微子质量本征态与味道本征态的不完全对应导致了极其丰富的振荡现象。中微子在环境中的传播会因物质效应、自相互作用效应的存在与否导致完全不同的振荡结果。超新星极端的物理环境使得其成为天文学和粒子物理学十分理想的实验室。观测超新星爆发产生的中微子信号及光信号,有助于研究早期宇宙的演化和基本粒子的性质。超新星爆发时,超过99%的能量转换成了中微子,导致
具有原子级别厚度的二维范德华材料的成功分离与可控堆叠,为研究低维体系量子物性提供了全新的平台。这其中,层间范德华耦合在二维新奇物性的产生和调控中有着重要又独特的地位。但与此同时,对一维体系中的范德华相互作用原子级尺度理论理解和实验探索都寥寥无几。这其中的一个主要困难便是在一维体系中实现原子级精准的材料制备、结构调控,并建立相应的构效关系。在本论文中,我们结合超高真空分子束外延生长与扫描隧道显微镜研
在数字通信系统中,HDLC协议被广泛应用在数据链路层上,它的优点在于很便捷地实现数据的透明传输,满足数据链路大带宽,高可靠性,实时性强的要求。实现HDLC协议通信需要编码器和解码器,实现方法有软件和硬件两种,在高速数据通信应用中,通常采用硬件方法来实现HDLC协议。在FPGA芯片平台上,使用verilog语言设计的HDLC解码器具有很强的可修改性,可以灵活的适用在多种HDLC协议的通信场合。这种方
随着互联网技术的快速发展,线上数据的规模大幅增加。用户从网络中获取信息变得更加便利,但同时也受困于如何从浩瀚的网络信息中撷取真正对自身有用的知识。个性化推荐系统成为一种缓解信息过载问题的有效途径。相比于搜索引擎,推荐系统无需用户主动地提供查询目标,而是利用隐式/显式的用户反馈数据,从中检索相关信息呈现给用户,已受到国内外研究者的广泛关注。在推荐系统数据中存在着长尾分布,即少部分流行的头部物品存在大
传统协同过滤中的矩阵分解方法（MF）使用点积运算建模用户和物品之间的交互,难以学习到非线性交互关系。现有的神经协同过滤模型虽然在结合MF核心思想—哈达玛积算子的基础之上采取不同方式结合神经网络方法,但依然不能完全在同一过程中结合两者的优势,限制了模型的表达能力。查阅大量文献之后,本文在上述不足的前提下,主要工作在于推荐系统中的核心问题—协同过滤,聚焦在矩阵分解方法基础之上,探索与深度学习的不同融合
本文提出了一种基于IMU（Inertial Measurement Unit）和轮速计紧耦合的全景SLAM（simultaneous localization and mapping）系统,能够实现鲁棒高精度定位,可以用于地面移动测量系统（Mobile Mapping System,MMS）,地面移动机器人与自动驾驶中。由于IMU与视觉天然的互补性,视觉惯性里程计（visual-inertial
云计算是一种按需提供计算服务的新型计算模式,近年来得到了越来越多的应用。在云计算模式下,用户能够以较小的代价快捷地扩展随着业务需求不断变化的基础服务架构,而不需要花费高昂的硬件成本。为了能够提供高质量的服务,云服务提供商需要通过云计算资源调度策略,高效地将自己拥有的计算资源与云用户任务请求进行匹配以最大化自己的效益。因此如何设计一个高效的云计算资源调度算法是云计算领域中的一个研究热点。为了解决云计