首页期刊导航|计算机辅助设计与图形学学报
期刊信息/Journal information
计算机辅助设计与图形学学报
计算机辅助设计与图形学学报

吴恩华

月刊

1003-9775

jcad@ict.ac.cn

010-62562491；62600342

100190

北京2704信箱

计算机辅助设计与图形学学报/Journal Journal of Computer-Aided Design & Computer GraphicsCSCD北大核心CSTPCDEI
查看更多>>本刊创刊于1989年，是我国CAD和计算机图形学领域第一个公开出版的学术刊物，原为季刊，1996年起改为双月刊，从2000年起改为月刊。 该刊以快速传播CAD与计算机图形学领域的知识与经验为目的，刊登有创新的学术论文，报导最新科研成果和学术动态，及时反映该领域发展水平与发展方向。 该刊面向全国，聘请了我国CAD和计算机图形学学术界的知名学者、专家参加刊物的编委会，具有权威性和代表性。 读者对象为从事CAD和计算机图形及其他有关学科的科研、工程技术人员及高等院校师生。 被《中文核心期刊要目总览》第三版定为我国计算技术、计算机类核心期刊；被中国科学技术信息研究所接受为中国科技论文统计与分析用刊；被中国科学引文数据库、《中国学术期刊文摘》、《电子科技文摘》收录。从1996年起，每期由清华大学国家光盘工程中心全文收录到《中国学术期刊(光盘版)》中。从1996年开始被美国的工程索引(EI)收录。从1999年起被英国SA，INSPEC(Computer & Control Abstracts)及俄罗斯文摘杂志收录。
正式出版
收录年代

    联合滑动窗口和加权评分的多人比赛球员重识别算法

    覃海波雒江涛许国良
    1781-1790页
    查看更多>>摘要：针对多人比赛球员重识别特征提取时硬性水平划分造成图像特征不连续，以及关节点识别错误引入噪声特征等问题，提出一种联合滑动窗口和加权评分的球员重识别算法。首先修改ResNet-50主干网络，并利用空间关系感知注意力获取噪声更少的特征图;然后采用滑动窗口划分策略，使每一水平条带都包含其相邻区域的部分特征，以保持图像特征的连续性;再利用姿态信息提取局部关节点特征，赋予有效特征更高权重并通过多层感知层进行评分，以优化关节点分数;最后采用联合损失函数策略约束网络的学习。在Occluded-Duke，Market-1501和自建数据集上的实验结果表明，在3个数据集上，所提算法的Rank-1指标分别达到60。90％，94。70％和80。35％。

    多人比赛滑动窗口加权评分姿态信息重识别

      原文链接:
    • 万方数据
    • 维普

    面向三维模型草图检索的三元层次度量网络

    杨瞻源白静李文静彭斌...
    1791-1804页
    查看更多>>摘要：针对基于草图的三维模型检索仍然存在将草图视作普通图像忽略其特有的稀疏性，以及对草图和三维模型的类内差异性重视不足，从而影响检索性能的问题，提出一种面向三维模型草图检索的三元层次度量网络。首先引入笔画点序列分支构建三元组网络结构，实现对草图数据的信息增强;然后通过多层次联合损失对网络进行域内域间跨域的全面约束，使得网络学习到同时体现数据的单域类内差异和域间关系的表示特征，有效地提升网络的检索性能。实验结果表明，在2个公开数据集SHREC2013和SHREC2014上，所提网络的平均检索精度均值分别为87。7％和83。3％，比先进工作(相同基础网络)分别提升0。5个百分点和1。5个百分点以上。

    基于草图的三维模型检索三元网络结构多层次联合损失语义嵌入跨模态检索

      原文链接:
    • 万方数据
    • 维普

    L0法向优化与特征修正的点云去噪

    容宇宙马龙周元峰
    1805-1815页
    查看更多>>摘要：针对点云去噪中噪声的去除与特征细节保留之间的权衡问题，提出一种既能有效地去除噪声又能修复尖锐特征的方法。首先结合法向一阶差和二阶差进行基于L0最小化的法向优化，根据优化后的法向实施预去噪;随后构造局部二面角标架，实现尖锐特征区域点的提取;最后根据尖锐特征附近区域的几何信息进行法向修正，完成最终的去噪。在上百个公开模型数据中，对不同结构类型的表面及各级噪声强度进行去噪实验的结果表明，与各种主流去噪方法相比，所提方法在去除离群点的同时，对原结构尖锐特征有着更高的还原程度。

    点云去噪L0优化二阶法向差尖锐特征分析特征修正

      原文链接:
    • 万方数据
    • 维普

    基于通道增益的可变比特率点云压缩

    江照意邹文钦宋超杨柏林...
    1816-1824页
    查看更多>>摘要：针对现有基于深度学习的点云压缩方法需要训练多个网络，耗费大量的时间和空间资源的缺陷，提出一种基于通道增益的可变比特率点云压缩方法。首先在网络的编码端利用层次化结构，通过每个层级提取点云特征和应用偏移注意力机制，有效地捕捉输入点云的关键特征信息;然后引入增益单元评估和缩放各个隐向量通道的重要度，消除向量通道间的信息冗余，仅需训练单个网络即可实现可变比特率压缩;为了预测特征向量的概率分布，对特征向量进行超先验编码，构造高斯熵模型，通过熵编码进一步降低编码量;最后在解码端采用子点卷积进行上采样重构原始点云，避免顶点的局部聚集，提高点云的重构质量。实验结果表明，在ShapeNet数据集上，以率失真曲线的BD-rate作为性能评价指标，与VRR和Draco方法相比，平均比特率分别降低48。66％和63。56％;压缩性能得到了显著的提升。

    可变比特率点云压缩注意力机制子点卷积

      原文链接:
    • 万方数据
    • 维普

    基于B样条的细分曲面参数化

    王智巍陈仁杰
    1825-1832页
    查看更多>>摘要：四边形细分曲面参数化算法在游戏影视领域具有广泛应用，但现有算法无法兼顾参数化速度和质量。为此，提出一种基于B样条的细分曲面参数化算法，首先将细分曲面转化为分片B样条曲面，然后通过最优化几何扭曲对样条曲面逐片进行参数化;对于一些细分曲面分片较多的情况，文中通过拼接相邻面片，对合并曲面进行参数化。不同于定义在分片线性空间上的网格类参数化算法，文中以数量更少的控制网格为优化变量，得到的定义在样条空间上的参数化映射在分片内部具有C2连续性。与现有算法相比，收敛速度更快，参数化结果的扭曲更低，采取的合并策略能有效地减少割缝数量，提升参数化结果的质量。

    细分曲面B样条函数网格参数化计算机图形学四边形网格

      原文链接:
    • 万方数据
    • 维普

    基于逐点修匀的Ball-IDW网格变形方法

    黄浩宇昌继海曹杰付营建...
    1833-1841页
    查看更多>>摘要：为了提高网格变形的效率，提出一种基于逐点修匀的反距离加权函数(IDW)插值网格变形方法(简称Ball-IDW方法)。根据网格拓扑关系，以每个内部节点为中心构造子网格系统，将整体网格分解为多个局部子网格;通过在中心节点到子网格的边界上添加辅助插值节点，增强IDW方法的保形能力;遍历所有内部节点，利用逐点修匀的方式进行迭代，直到满足收敛条件;当网格变形幅度过大时，通过递归二分法修正中心节点的位移防止单元交叉，提高方法的鲁棒性。Ball-IDW方法的计算过程是显式的，不需要求解任何线性方程，因此具有较高的计算效率。通用实例结果表明，与径向基函数方法和IDW方法相比，Ball-IDW方法在质量更高的前提下，计算效率分别提高20％～85％和10％～80％，解决三维问题时的变形能力提高2倍。

    网格变形反距离加权函数子网格径向基函数贪心算法修匀法

      原文链接:
    • 万方数据
    • 维普

    基于XPBD的微创冠脉旁路移植手术操作实时仿真

    李希轩豆振浩吴洪宇
    1842-1851页
    查看更多>>摘要：微创冠脉旁路移植术(MICS-CABG)是外科治疗严重冠心病的重要发展方向，但其手术难度大、风险高，初学者无法直接对实际病人进行手术技能训练。基于虚拟现实技术的手术模拟训练能够有效地提高训练效果，避免手术风险。针对MICS-CABG的特点，提出一种扩展的基于位置动力学(XPBD)框架的微创冠脉旁路移植手术操作实时仿真方法。首先使用四面体外骨骼模型实现复杂心脏的物理形变，利用圆柱几何体表示手术器械物理模型;然后利用GPU并行加速XPBD仿真，利用冠脉中轴线建立Cosserat弹性杆模型的拉伸、剪切、弯曲、扭转约束，实现了冠脉的形变仿真;最后基于手术器械与心脏物理模型的碰撞检测，引入不嵌入约束与附着约束，生成工具与软组织交互的反馈力。实验结果表明，所提方法中手术器械模型与软组织交互变形实时稳定，在包含100000个物理单元的场景中，仿真速率可达到60帧/s，力反馈仿真频率可达到1kHz以上，视觉效果良好，有着较高的仿真效率。

    虚拟手术仿真扩展的基于位置动力学手术器械交互

      原文链接:
    • 万方数据
    • 维普

    基于强化学习的机器人自主探索与物体感知算法

    吴关夏熙曹合智刘利刚...
    1852-1862页
    查看更多>>摘要：针对如何在未知室内场景的探索中高效感知物体的问题，提出一种机器人自主探索与物体感知算法。利用深度强化学习让机器人通过与环境交互的方式学会利用场景的布局规律和语义信息获得更加高效、高质量的探索策略。算法使用模块化的方式解决强化学习训练困难的问题，分为同时定位与地图构建模块、全局探索模块、路径规划模块和局部探索模块。首先同时定位与地图构建模块根据传感器所得数据构建地图;然后全局探索模块根据当前地图决策长期目标点，规划机器人将要探索的区域;接着路径规划模块根据机器人当前位置和长期目标点规划行进路径;最后局部探索模块基于机器人周围的局部地图信息规划每一步行进时传感器的朝向并更新地图。在Habitat仿真环境中与SC和ANS这2种先进算法在Gibson和Matterport3D公开数据集上进行实验的结果表明，所提算法在小、中、大和超大场景中的物体感知率分别为0。942，0。866，0。652和0。506，表现出对场景良好的感知性能。

    自主探索深度强化学习物体感知模块化框架

      原文链接:
    • 万方数据
    • 维普