-
公开(公告)号：CN108877944A
公开(公告)日：2018-11-23
申请号：CN201810665525.5
申请日：2018-06-26
Applicant: 南京信息工程大学
CPC classification number: G16H50/50 , G06T17/00 , G06T2210/41
Abstract: 本发明公开了一种基于纳入开尔文粘弹性模型的网格模型的虚拟切割方法，构建开尔文粘弹性模型，由虚拟切割材料的参数和切割时间求解时间中的位移增量，再计算每个节点的新位移、应变和应力，产生模拟切口，为网格纳入了开尔文粘弹性模型，以受力变形代替近似计算，解决了有限元模型中的网格失真、连续切割的问题与无网格模型中有关不同变形形式的问题。且大大减少了计算量，优化了性能。通过此模型，针对变形，只需计算施力时点的位置，而撤力后，由于力的平衡被打破，网格自动复原，减少了计算量；针对切割，剔除开口间的具有粘弹性的网格线，使网格自动变形，相比于传统的近似开口形状、大小，更符合实际，且操作简单。
-
公开(公告)号：CN108572650A
公开(公告)日：2018-09-25
申请号：CN201810430833.X
申请日：2018-05-08
Applicant: 南京信息工程大学
CPC classification number: G05D1/0253 , G05D1/0214 , G05D1/0221 , G05D1/0223 , G05D2201/02 , G06K9/00798 , G06K9/3233
Abstract: 本发明公开了一种基于车道线检测的自适应前照灯转向控制算法，包括以下步骤：(1)图像预处理，根据图片结构特征确定感兴趣区域并对其进行划分、再通过线性灰度变换增强图片不同区域的对比度，然后使用改进的大津算法对图像进行二值化处理；(2)采用改进的Hough变换算法对车道线进行检测；(3)弯道拟合及曲率半径计算；(4)根据停车视距及弯道照明距离与曲率半径的几何关系，建立前照灯角度调整模型并求解。本发明通过旋转前照灯，消除夜间行驶时弯道内侧出现视觉“盲区”，保障车辆夜间弯道行驶安全。
-
公开(公告)号：CN108564547A
公开(公告)日：2018-09-21
申请号：CN201810353009.9
申请日：2018-04-19
Applicant: 南京信息工程大学
Abstract: 本发明提供了一种自适应微分阶数的分数阶微分图像增强方法。所述自适应微分阶数的分数阶微分图像增强方法包括如下步骤：1、对数字图像进行图像分数阶的微分处理；2、基于遗传算法寻找最优控制参数实现自适应微分阶数的图像处理。本发明的有益效果是：所述自适应微分阶数的分数阶微分图像增强方法通过改变变异概率Pm优化遗传算法，降低了计算时间；利用改进的遗传算法优化分数阶微分增强图像，得到图像最适合的微分阶数。
-
公开(公告)号：CN108550180A
公开(公告)日：2018-09-18
申请号：CN201810193727.4
申请日：2018-03-09
Applicant: 南京信息工程大学
IPC: G06T17/00
Abstract: 本发明公开了基于内点集域约束及高斯过程参数优化的血管建模方法，其特征在于包含以下步骤：步骤一：基于内点集域约束的血管建模；步骤二：基于高斯过程优化参数。本方法使用内点集域约束，实现内力相互作用仿真，采用动态变形方法更新变形区域，实现血管快速建模；引入机器学习思想，利用高斯分类器，通过高斯过程分类选择伸长参数、弯曲刚度参数和节点平动阻尼参数，得到可使所述模型稳定的参数集；针对这三个易受血管生物力学特性影响的参数进行高斯过程回归，确定最优参数集；该建模方法弥补了传统质点弹簧模型未考虑内力的缺陷，算法实时性好，变形仿真更加真实。
-
公开(公告)号：CN108536936A
公开(公告)日：2018-09-14
申请号：CN201810255473.4
申请日：2018-03-27
Applicant: 南京信息工程大学
IPC: G06F17/50
Abstract: 本发明公开了一种多重优化的无网格软组织形变模拟方法，包括：(1)获取软组织CT图像的顶点信息，得到点云数据；(2)采用基于八叉树编码的统一流线法将所述点云数据进行简化；(3)采用移动最小二乘法对简化后的点云数据构建无网格形函数；(4)采用Kelvin粘弹性模型构造非线性粘弹性模型；(5)根据所述非线性粘弹性模型和无网格形函数采用EFG法构建非线性粘弹性模型的无网格方程；(6)基于高分辨率近似算法在每个时间片采用所述非线性粘弹性模型的无网格方程计算每个点的新位置，实现软组织形变模拟。本发明成本低，模拟效果好。
-
Patent Agency Ranking
公开(公告)号：CN106650251B
公开(公告)日：2018-08-14
申请号：CN201611152098.8
申请日：2016-12-14
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种针灸力反馈形变模型的建模方法，首先重建软组织模型；然后计算用于记录软组织模型的全局形变信息的全局形变矩阵；接着计算针刺点形变前的初始坐标和针刺点坐标之间的距离，并据此判定针尖是否刺破表皮；如果针尖未刺破表皮，实时产生虚拟弹簧计算皮肤表层的力反馈；如果针尖已刺破表皮，则计算软组织模型的内部力反馈，同时对针刺后的皮肤进行复原控制。本发明通过虚拟弹簧和体元模型可以分别计算针在皮肤内部和外部的力反馈，在确保计算简单的同时确保高精度的变形模拟，在交互过程中，操作者可以感受到触觉信息的实时性和真实感。
-
公开(公告)号：CN107330883A
公开(公告)日：2017-11-07
申请号：CN201710538315.5
申请日：2017-07-04
Applicant: 南京信息工程大学
CPC classification number: G06T7/0012 , G06T7/11 , G06T7/44 , G06T7/73 , G06T2207/20081 , G06T2207/20084 , G06T2207/30004
Abstract: 本发明公开了一种医学图像病变区域定位和分类方法，该方法包括如下步骤：步骤1：采集医学图像，将图像分为训练集和测试集；步骤2：对训练集图像提取WLD直方图信息，并依据直方图信息对训练集特征点进行标记，放入KNN分类器中训练分类器，用测试集图像对训练好的KNN分类器进行测试，完成医学图像病变区域的定位；步骤3：采用直方图门限法对定位后的图像进行分割，保留病变区域；步骤4：将分割好的图像放入CNN深度模型中进行特征提取，用SVM分类器进行病变区域特征分类并输出分类结果。当病变区域占整幅图像小部分时，本发明准确率显著提高。
-
公开(公告)号：CN107103637A
公开(公告)日：2017-08-29
申请号：CN201710218574.X
申请日：2017-04-05
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种增强纹理力方法，其特征包括对二维纹理图像表面三维微观形状重建和纹理力触觉渲染两部分。第一部分采用SFS算法中的演化方法从二维纹理图像中重建表面三维微观形状；第二部分在传统纹理力触觉再现方法的基础上增加一个梯度反馈力，达到更加真实的力触觉再现效果。纹理力触觉渲染是建立在表面三维微观形状上，SFS技术利用单幅图像中物体表面的明暗变化来恢复表面各点的相对高度，为进一步物体的表面三维微观形状建立奠定基础；梯度反馈力是当物体表面梯度满足条件的情况下存在的一种力，方向与虚拟点速度方向相反，其目的是让操作者在触摸物体表面时能更好感知物体表面凹凸变化。
-
公开(公告)号：CN106971196A
公开(公告)日：2017-07-21
申请号：CN201710120494.0
申请日：2017-03-02
Applicant: 南京信息工程大学
Abstract: 本发明公开了一种基于代价敏感的核稀疏表示分类器的消防车识别方法，属于消防车自动识别方法技术领域。该方法是先提取出训练样本的HOG特征和颜色特征，再通过一个映射函数把HOG特征映射为一个更高阶的特征向量，得到基础矩阵；再提取出检测样本的HOG特征和颜色特征，使用基于代价敏感的核稀疏表示模型重构测试样本特征，最后求出该模型的最优解，完成消防车的识别。本发明在提取颜色特征的过程中，使用了一种基于不变量的独立于光照条件的颜色描述方法，这种方法在实际使用中有很好的鲁棒性。本发明使用一种代价敏感的核稀疏表示模型来结合HOG特征和颜色特征，结果较为稳定。
-
公开(公告)号：CN106815416A
公开(公告)日：2017-06-09
申请号：CN201611258903.5
申请日：2016-12-30
Applicant: 南京信息工程大学
IPC: G06F17/50
Abstract: 本发明公开了一种基于双层迭代涡卷压缩弹簧模型的建模方法，为适应时代对虚拟手术仿真更高的要求，采用双层迭代涡卷压缩弹簧模型结构，当受到外力时，以受力点为O(0,0,0)建立空间直角坐标系，依次以Oi(0,0,(2i‑1)d/2+(i‑1)h)为圆心，用直径为d的弹簧丝形成半径为R+(i‑1)b的外层弹簧和半径为r+(i‑1)a的内层弹簧。所受力由内层逐层消耗，当受力为达到该层最大消耗时转入外层。根据弹簧的切变模量和节矩根据公式求出每层弹簧消耗的力F，通过公式求出每层弹簧的刚度系数K，根据公式求出每层的形变量X，使结果更具实时性和精确性。
-
-
-
-
-
-
-
-
-
Search Results
492
records
(took 0.056 seconds)
