计算机实时3D绘图的阴影算法理论研究

阴影对真实感至关重要,阴影生成算法主要集中在生成高质量的阴影和实时性两个方面。本文主要概述了一些阴影生成算法,并在对算法分析的基础上,讨论了不同算法的优缺点与差别。通过比较,得出不同场景中应该使用不同阴影绘制算法。     

大规模实例化场景的实时动态阴影生成算法

提出一种新的阴影生成算法,能用很小的代价快速生成同一模型大量实例的实时动态阴影.实验结果表明,对于实例数量很多的情形,此算法绘制阴影的速度比传统的实时阴影算法快一两个数量级.     

基于阴影图的植物阴影算法改进及其绘制

采用帧缓冲区对象(frame buffer object,FBO)技术来改进传统阴影图(shadow Map,SM)算法,即利用FBO技术将场景深度信息直接渲染到纹理中来提高算法的执行效率.依据纹理法线与光源方向的点积来模拟树干及器官几何mesh模型的自阴影,并通过提高分辨率改善投射阴影边缘的锯齿问题.在改进后的SM算法基础上结合方差阴影图(variance shadow map,VSM)算法实现植物软阴影.以植物参数化三维模型为例,采用VS2008、OpenGL图形标准和可编程图形硬件技术,在ParaTree参数化单株木建模工具软件中集成改进后的阴影图算法,实现了植物自阴影边缘的平滑过渡和光源在不同高度角条件下不同阴影亮度的硬阴影和软阴影效果.     

一种新的阴影算法

本文通过对Williams的Shadow Z—Buffer阴影算法的分析和研究,建立了一个圆锥阴影模型,设计了一种新的阴影算法。圆锥阴影模型可以用空间精确的点判别空间精确点的可照性,从而避免了因点取整带来的问题。阴影算法中引入了盒子试验,提高了算法的速度。利用这个模型和算法可以产生任何物体的各种阴影。     

自适应实时阴影算法研究与实现(英文)

提出一种有效的自适应阴影算法。该算法首先用多个有不同深度的阴影图来替换传统的一个阴影图,然后在绘制场景到屏幕之前,将场景绘制到一个屏幕缓冲纹理中,对其进行PCF和模糊处理,最后生成阴影。实验表明,该算法简单实用,不仅能够在保证大规模场景绘制速率的同时,生成令人满意的逼真实时阴影,还能达到在大规模场景中实时绘制阴影的效果。     

基于多任务判别器的图像阴影去除算法

针对现实生活中存在的阴影对于计算机视觉任务产生不利影响,现有图像阴影去除算法有效性与准确性低的问题,提出了一种基于生成对抗网络的阴影去除方法.该方法主要包括两个部分,采用了U-Net网络结构作为生成器部分的网络,用来提取图像中的有效信息,同时在生成器网络中引入自注意力机制,提高网络对阴影区域特征的关注度;采用多任务网络结构的判别器,通过对生成器生成图像的整体区域、局部区域以及与约束条件的匹配程度,进行多方面的鉴别,用来提升判别器鉴别能力,进而督促生成器,生成更加符合真实情况的无阴影图像.该方法在公开数据集ISTD上进行实验,实验结果表明所提方法在图像的结构相似性上以及峰值信噪比方面均有所提升.     

虚拟现实中体视动画的生成算法

根据人的双眼能看到景深的原理，给出了在虚拟现实系统中生成体视动画的３种算法，阐述了其推导过程、结论及用途，并进行简明的分析比较。     

一种改进的阴影映射算法

使用动态、静态两种类型深度纹理相结合的方法对传统阴影映射方法进行改进.在渲染复杂场景时,对静止物体应用静态深度纹理,对运动物体应用动态深度纹理,计算阴影时两种深度纹理取最小值再与当前深度进行比较.该方法需要在渲染过程中实时监测场景中物体的运动和静止状态,将不同状态物体的深度信息记录到不同类型的深度纹理中.实验结果表明,该方法在复杂场景下渲染速度明显提升,改进了虚拟现实场景渲染的流畅度.     

基于非真实感绘制技术的实时阴影渲染

在基于非真实感绘制的实时场景渲染过程中,为了达到更逼真的效果,三维物体在光照作用下产生的阴影需要被实时绘制并能够体现设计者的风格。本文利用现代可编程图形显示硬件技术,提出了一种基于阴影线算法的阴影绘制方法,与采用传统的阴影图方法绘制阴影的效果相比较,该方法具有更好的艺术效果。     

基于多层码书模型的运动阴影检测算法

在实际监控场景中,运动阴影的存在将对目标检测的准确性产生直接影响.针对此问题,本文提出了一种采用三层码书模型以此来提高阴影检测识别率的算法.该算法首先通过传统码书模型获取前景,然后对前景部分建立备选码书模型,再从备选码书中提取出具备阴影特质的点,构建阴影码书模型,最后通过该模型去除运动阴影.实验结果表明,与传统算法相比,该算法对阴影检测识别率有较大的提高.同时,通过对不同场景的对比,结果说明该算法具备良好的鲁棒性.     

一种改进的实时软阴影算法的设计与实现

在解决实时渲染时的阴影边界走样时,常用的(Percentage Closer Filter，PCF)方法不仅效率低下,而且边界处的平滑效果也很有限。改进了PCF算法,使算法的执行效率更高,且有更好的反走样效果。首先分别以相机和光源为基准来构造裁剪坐标系,通过2次绘制来锁定产生阴影的像素区域,然后用改进的高精度滤波模板对阴影进行适应性反走样处理,使平滑操作集中在对视觉效果有重要影响的边界区域上,有选择地优化了数据,从而大幅提高了全局计算效率。实验结果证明,文中算法比常规的PCF算法在执行速度上有明显提高,效果上也得到一定程度的改善,达到了效率与效果的优化折中。     

基于Shadow Volume的场景阴影渲染方法

基于传统shadow volume方法提出一种改进算法, 该算法通过采用基于八叉树的阴影体筛选策略和基于z值的阴影淡出策略解决了传统shadow volume算法对大场景效率较低的问题. 实验结果表明, 改进方法能有效减少需要渲染的阴影体数量, 提高阴影渲染效率, 同时保证较好的画面效果.     

大规模场景中实时阴影的绘制

为解决大规模场景中绘制实时阴影的问题,提出优化的阴影体算法.通过访问场景模型的最简单LOD,获得轮廓边缘的检测数据.采用删除面内边的方法有效提高轮廓边缘的检测效率.根据模型的位置,选用基于CPU的Z-Pass方法或基于顶点着色器的Z-Fail方法渲染阴影.优化算法在航海模拟器大规模场景的应用表明,利用该算法绘制的阴影效果满足实时性和真实感的要求.     

基于多尺度超像素融合的RGB-D单幅图像阴影检测算法

针对单幅复杂环境图像阴影检测问题, 提出一种基于多尺度超像素融合的自动阴影检测快速算法. 首先利用深度图像计算各点的法向量及空间坐标, 同时利用简单线性迭代聚类算法对彩色图像进行多个尺度的超像素分割; 然后使用阴影置信度算法结合图像的色度、法线和空间位置信息分别估计各尺度下的超像素阴影置信度; 最后采用Adaboost训练的分类器对各尺度下的超像素阴影置信度进行融合, 得到最终的判决结果. 实验结果表明, 该算法的准确度明显高于原阴影置信度算法, 运行时间约为原阴影置信度算法的10%, 对于小块阴影、 大面积阴影及边缘不清晰的软阴影检测表现较突出, 适合对光线复杂环境下的图像进行前期预处理.     

基于小波变换的运动汽车阴影分割

利用在阴影区域内的点所接受环境光强与汽车的相对位置关系，结合多分辨率小波分析，提出了一种新的基于小波变换的运动汽车阴影分割方法．该方法不需要知道光源的方向，也不需要车体的彩色信息；对背景的纹理也没有要求，适用于复杂纹理背景下任何颜色的汽车阴影分割．实验表明，该方法定位准确、速度快、抗噪能力强．     

基于EDF的实时数据库动态容错调度算法

实时数据库系统的事务调度过程中,对于即将完成的事务的抢占会造成CPU时间的浪费,降低系统的性能.针对实时数据库中的周期性实时事务提出了一种PEA(preemptive estimate algorithm)软件容错调度算法,算法基于EDF(earliest deadline first)进行事务调度,并结合负载优化算法进行适当调整,采用抢占评估策略来确定是否允许事务抢占,以最大化系统的资源利用率.通过实验测试,证明其具有良好的性能,能有效提高事务的成功率.     

基于阴影轮廓差分投影方法的快速定位车体算法

利用阴影轮廓特征，提出了一种快速分离和定位车体算法．该算法利用车体形成的阴影轮廓曲线，根据不同的阴影方向模型进行水平和垂直方向的轮廓差分投影，利用轮廓差分投影曲线定位阴影与车体边界的特征点，从而分离和定位车体．实验图象数据研究表明，该算法具有较好的鲁棒性和准确性，同时从其运行的时间来看，完全能满足实时的车型识别系统的需要．     

虚拟现实技术在非恒定流实时仿真中的应用(英文)

为实时显示河道流场的动态变化过程,将虚拟现实技术应用于非恒定流的实时仿真模拟,开发了基于虚拟现实技术的流场动态可视化系统.采用虚拟现实技术在计算机中构建真实的三维地形地物,进行交互漫游;河道流场状态由二维水动力学模型提供;基于粒子系统思想,采用运动的矢量箭头模拟动态流场,并将该流场集成于三维场景中,实现了虚拟现实与科学可视化的有机结合.为解决三维虚拟仿真与数值计算数据量和计算量都很庞大的问题,采用基于网络的并行算法,使数值计算与三维显示在不同的PC上进行,计算结果通过网络传输进行交互,同时采用插值处理的方法解决计算速度与显示频率不协调的问题.系统用来模拟三峡工程与葛洲坝工程当前流量状态下整个流场的动态变化,具备直观性、实时性和科学性,是流场实时模拟显示的解决方案之一.     

基于边缘特征的汽车运动阴影去除算法

首先设计了一种新的预处理流程,去除非阴影及车辆区域的边缘;其次,对边缘图像进行填充,得到运动部分的轮廓边缘图;最后,建立边缘擦除法则,擦去阴影部分的边缘,并对边缘图进行填充,得到最终的去除了阴影的目标图像.算法的核心是将前景图像中的阴影边缘从目标边缘上分离出来,着重解决了实际应用中经常出现的目标轮廓图边缘和实际阴影轮廓边缘不重合造成阴影边缘无法去除的问题,同时很好解决了多个前景目标因阴影而粘连的情况.大量实际道路视频图像的测试表明,本算法去除阴影效果好,有较强的实际应用价值.