【摘 要】
:
人类使用双眼捕获现实世界中物体的深度信息后在头脑中构建立体效果,但传统二维显示器呈现的图像不具有深度信息,因此可以还原图像深度信息的三维显示设备和与之适配的虚拟场景三维图像生成技术受到了国内外科研人员的广泛关注。现阶段适配于三维显示设备的图像生成技术仍然存在不足之处,本论文将对虚拟现实头戴式显示器和自由立体显示器的三维图像生成技术进行研究。论文的主要研究内容和创新点如下:1)对虚拟现实头戴式显示器
论文部分内容阅读
人类使用双眼捕获现实世界中物体的深度信息后在头脑中构建立体效果,但传统二维显示器呈现的图像不具有深度信息,因此可以还原图像深度信息的三维显示设备和与之适配的虚拟场景三维图像生成技术受到了国内外科研人员的广泛关注。现阶段适配于三维显示设备的图像生成技术仍然存在不足之处,本论文将对虚拟现实头戴式显示器和自由立体显示器的三维图像生成技术进行研究。论文的主要研究内容和创新点如下:1)对虚拟现实头戴式显示器的成像原理进行论述,分析了虚拟现实头戴式显示器的近眼透镜会使观察图像呈现枕形畸变的原因,并提出了一种基于几何顶点的桶形畸变图像生成方法。在进行了顶点畸变公式的推导后,使用C++编程语言和GLSL着色器语言编写了实验程序,并进行了畸变效果验证实验。该方法实现了在一次渲染管线流程中通过顶点坐标变换完成图像畸变和图像渲染,与后处理方式相比,该方法得到的桶形畸变图像具有更好的几何连续性且像素颜色更加准确。2)对自由立体显示器的成像原理进行论述,分析了受显示器景深和计算机硬件限制导致自由立体显示器的三维显示内容单调匮乏的现象,并提出了一种多投影多视点图像的生成方法。基于多投影构图方式,在Unity3D图形渲染引擎上进行了两类多投影虚拟场景的构建,生成了对应的多投影多视点图像,并在自由立体显示器上进行了显示效果的验证实验。与自由立体显示器现有的三维显示内容相比,该设计拓宽了自由立体显示器的显示应用领域,可以为多投影虚拟场景呈现立体显示效果。本论文的研究成果为虚拟现实头戴式显示器在图像呈现过程中存在的枕形畸变问题提供了新的解决方案,具有实际的工程意义。而且丰富了自由立体显示器的三维显示内容,使其可以呈现多投影虚拟场景,为制作适配于自由立体显示器的三维动画奠定了良好的基础。
其他文献
LED驱动电源大多使用了容量较大的电解电容作为储能滤波元件,然而其平均寿命远低于LED器件,限制了驱动电源的使用寿命和电源功率的进一步提升.针对该问题,设计了一种基于重复控制的无电解电容LED驱动电源,采用Boost功率因数校正电路,提高输入功率因数,此外,利用Buck/Boost变换器进行升压储能,并结合周期性重复控制算法,对储能实施调节,从而达到输入脉动功率与输出恒定功率之间的平衡,使负载LED获得恒定电流.由于没有采用大容量的电解电容,因而提高了LED驱动电源的使用寿命.最后,搭建了一套基于重复控制
由于配电馈线往往深入负荷中心,所处环境较为复杂,对于小电阻接地系统,现阶段采用的阶段式零序电流保护方案无法有效解决高阻接地故障难以检测的问题.针对此现象,通过分析高阻接地故障时故障线路与健全线路零序电流-电压之间不同的约束关系,进而提出一种基于零序电流电压波形相似度的高阻接地故障检测方法.所提方法通过对各馈线检测点零序电流与母线零序电压进行采样,并通过计算波形相似度相关系数进行故障检测,该方法可显著提高保护耐受过渡电阻的能力.最后,通过PSCAD对典型系统的仿真测试验证了该方法的有效性.
当前,项目管理工作逐渐朝着专业化管理方向发展,其中进度管理是整个项目管理中的重中之重。在互联网行业,国内外项目管理研究领域,根据经典的项目管理实践,对进度管理研究大多数集中在项目开发方面。然而随着互联网企业的不断壮大,机房搬迁引发的底层服务迁移工作变得高频,能否实现底层服务低风险、超平稳、高效率、无中断的跨域迁移,将直接影响整体迁移工作的进展,甚至影响企业口碑形象和行业竞争力。本课题研究通过对现有
雷达调制识别技术在电子侦察、电子支援等领域发挥着重要的作用。传统的雷达调制识别方法总体上可以分为两类,一种是似然比判决理论法,另一种方法是基于特征提取的方法。前者以检验统计量为基准,通过比对各类雷达信号的判决门限。通过数值比对以此来完成雷达调制信号的识别,但这类方法参数太多、且表达式过于复杂。而后者提取脉内特征需要复杂的先验知识。近两年由于硬件计算能力以及数据存储能力地提升,使得深度学习技术再次成
调制方式盲识别是指在非合作通信系统中,对接收到的通信信号进行处理和分析,判断出信号采用的调制方式,从而为信号解调乃至信号识别提供依据。该项技术在通信侦察、电子对抗、信号监督等军用和民用领域都有着重要的应用。目前数字调制方式盲识别技术存在以下几点挑战:1、伴随着频谱资源的日益紧张,资源利用率更高的高阶调制方式受到了广泛应用,此外复杂的电磁环境也给低信噪比情况下的盲识别带来了巨大挑战。因此需要提出新的
基于卷积神经网络(CNN)针对物流环境下货物的图像分类问题进行了研究.首先,在实际物流环境下收集了13种货物的ROI图像,并通过每隔10°旋转的方式来扩充数据集以防止过拟合现象的发生;然后,在考虑了实际硬件条件的情况下构建了轻量级CNN,并进行了基于自建数据集的训练,训练实验发现,轻量级CNN模型具有很快的收敛速度并在验证集取得了100%的准确率;最后,研究了旋转对货物图像分类性能的影响,并进行了可视化分析,验证了CNN对旋转操作基本不具备一致性.
复杂传递路径的存在会降低滚动轴承故障信号采集的准确性和有效性.针对此问题,建立了包含局部缺陷滚动轴承、弹性支撑、油膜减振器和多层螺栓法兰连接的动力学仿真模型,研究了滚动轴承故障信号在复杂路径中的传递特点.采用滚动轴承故障模拟平台进行滚动轴承外圈故障实验,对比动力学仿真数值计算和实验分析的结果,验证了仿真结果的准确性.借助典型的特征参数值,对比了不同测点处信号的特点,并重点分析了油膜减振器的影响.研究结果表明,复杂传递路径会导致故障信号在传递过程中产生较大的衰减,油膜减振器的存在会进一步加剧信号的衰减,不利