摘要针对三维扫描数据点的曲面重构技术在实际系统中的应用 ,本文提出了一种nurbs曲面构造方法，该方法根据已知数据点逼近目标曲面。通过实际系统应用验证,该方法是一种行之有效的曲面拟合方法。
关键词数据点曲线和曲面重构算法
0 引言
扫描设备使用某种有组织的方式频繁地扫描目标物体，产生多行数据点，这些行可能包含有相同或不同的数据点数，每行点的分布可能有较大的变化。本文基于曲面逼近理论，给出了一种nurbs曲面构造方法，用来合成目标曲面，并在自行开发的曲面造型系统中得到了验证。
给出已知数据点的格式如下：
q i,j i=0…n， j=0…m i
所求曲面为幂次（p，q）的nurbs曲面。已知数据点既不保证具有一个矩形拓朴结构，也不保证沿着每行均匀分布，在曲面拟合的过程中，主要解决两个关键的问题，第一是：彼此独立的每行数据点的曲线逼近；第二是：通过合适的节点矢量的控制避免数据量的大量增加。
1 曲线曲面逼近的基本理论
将nurbs曲面表示成有理基函数形式为：
2 曲线逼近
构成曲面的前提是必需对构成曲面的曲线作逼近处理，该处理过程包括曲线的计算、参数的计算、节点的选择和节点矢量的控制几个方面：
2.1 最小二乘曲线逼近
曲线逼近问题可表述如下：
给出一系列数据点r，r=0…m和预定义参数t 0 ，…，t m 以及预定义节点矢量u，
2.2 参数和节点的计算
参数的计算与节点的选择是相互影响的，如果选择了不合适的参数，那么节点就不可能被正确地选择，在实际应用过程中，通常采用累积弦长参数化方法：
为控制曲线误差在允差范围之内，常把最小二乘曲线拟合的过程使用作一个迭代过程，用来调整控制点的最大下标索引值n及参数值t。该迭代过程依赖于一个初始参数，而在已知大量数据点的前提下，采用累积弦长参数化方法所得到的参数值优于使用其它方法得到的参数值，故采用累积弦长参数化方法是一个较好的选择。
节点矢量的确定在有关文献中曾提出了许多种方法，实践表明可以通过对插值过程中使用的节点求取平均值的方法来得到所需的节点值。
内质网应激 庄娟（江苏省淮阴师范学院生命科学学院淮安223300） 摘要内质网是真核细胞内蛋白质合成的重要场所，只有正确折叠的蛋白质才能够在内质网驻留或转运至高尔基体。如果蛋白质合成过多或不能正确折叠与运输，内质网内就会累积大量蛋白质，造成内质网应激，引发未折叠蛋白质反应。未折叠蛋白质反应主要与内质网感受器蛋白介导的信号通路有关。 关键词内质网应激未折叠蛋白质反应内质网感受器 内质网（endoplasmic reticulum，ER）是真核细胞内蛋白质合成、脂质生成和钙离子贮存的主要场所。多种蛋白需要在内质网中折叠、组装、加工、包装及向高尔基体转运，这是一个需要细胞精确调控的过程。ER 含有一种免疫球蛋白结合蛋白（immunoglobulin－bind-ing protein，BIP）和蛋白二硫键异构酶（protein disulfide isomerase，PDI），可以帮助与促进蛋白质的正确折叠。不能正确折叠的畸形肽链或未组装成寡聚体的蛋白质亚单位，无论是在内质网腔内还是在内质网膜上，一般不能进入高尔基体，主要通过泛素依赖性降解途径被蛋白酶体所降解。当内质网中未折叠或错误折叠蛋白累积，就会造成内质网应激，引发未折叠蛋白质反应（unfolded protein response，UPR）。 1内质网应激 内质网应激（endoplasmic reticulum stress，ERS）是指细胞受到内外因素的刺激时，内质网形态、功能的平衡状态受到破坏后发生分子生化的改变，蛋白质加工运输受阻，内质网内累积大量未折叠或错误折叠的蛋白质，细胞会采取相应的应答措施，缓解内质网压力，促进内质网正常功能的恢复［1］。引发ERS的因素很多，缺血低氧、葡萄糖或营养物匮乏、钙离子紊乱等可造成急性应激损伤；而病毒感染、分子伴侣或其底物的基因突变等能引发慢性应激损伤。 根据诱发原因，可将ERS分为以下3种类型：①未折叠或者错误折叠蛋白质在内质网腔内蓄积引发的UPR；②正确折叠的蛋白质在内质网腔内过度蓄积激活细胞核因子κB（NF－κB）引发的内质网过度负荷反应（ER over－load response，EOR）；③胆固醇缺乏引发的固醇调节元件结合蛋白质（sterol regulatory element binding protein，SREBP）通路调节的反应。 ERS是细胞对内质网蛋白累积的一种适应性应答方式，细胞通过减少蛋白质合成，促进蛋白质降解，增加帮助蛋白质折叠的分子伴侣等方式缓解内质网压力［2］。但ERS过强或持续时间过长，超过细胞自身的调节能力，就会伤害细胞，引起细胞代谢紊乱［3］和凋亡［1］等。 2未折叠蛋白质反应 目前对UPR的机制研究较为深入。如果新合成的蛋白质在N末端糖基化、二硫键形成以及蛋白质由内质网向高尔基体转运等过程受阻时，未折叠或错误折叠的新合成蛋白质就会在内质网中大量堆积，细胞就会启动UPR［2］。UPR与内质网膜上的跨膜蛋白PERK（PKR－like ER1kinase）、IRE1（inositol requiring enzyme1）和ATF6（activating transcription factor－6）介导的信号通路有关［4，5］，这三种膜蛋白也被称为内质网感受器（ER stress sensors）［2］。 2．1内质网感受器蛋白的激活BIP（immunoglobulin －binding protein）是ER腔内的一种分子伴侣，为热休克蛋白70（heat shock protein of70kDa，HSP70）家族成员，又称为葡萄糖调节蛋白78（glucose－regulated pro-tein of78kDa，GRP78），由N端的ATP酶结构域和C 端的待折叠蛋白结合结构域组成，从酵母到高等哺乳动物高度保守。BIP能结合未折叠蛋白质富含疏水氨基酸区域，利用ATP水解释放能量帮助蛋白质折叠，并阻止未折叠、错误折叠的蛋白质聚集。非应激状态时GRP78/BIP与PERK、IRE1及ATF6这三种感受器的ER腔部分结合在一起，此情况下感受器蛋白没有活性。当ER内蛋白聚集，内质网处于应激状态时，与未折叠蛋白结合能力较强的BIP就解离释放到ER腔内，执行蛋白质折叠功能。此时内质网感受器被激活，产生PERK－eIF2α、IRE1－XBP1s和ATF6－ERSE三条主要的信号通路，进行UPR［2，6］。内质网应激条件下，BIP/GRP78表达上调明显，因而BIP/GRP78的诱导表达可作为ERS和UPR的激活标志［7］。 2．2信号通路PERK－eIF2α的应答反应PERK是内质网单次跨膜蛋白，胞质区有激酶结构域。内质网应激时，与BIP/GRP78解偶联的PERK蛋白形成同源二聚体，胞质区结构域自身磷酸化被激活，与真核生物起始因子2（eukaryotic initiation factor2，eIF2）的α亚单位（eIF2α）结合并促使eIF2α上的N端第51位丝氨酸磷酸化。磷酸化的eIF2a蛋白能抑制翻译起始复合物中GDP与GTP的交换，阻断了翻译起始复合物eIF2－GTP－tRNAMet的组装，从而抑制蛋白质的翻译与合成，减少新生蛋白质向内质网的内流，减少未折叠蛋
三维曲面重构方法分析 摘要：曲面重构是逆向工程中CAD建模中的重要组成部分，三维曲面的重构方法决定了获得的曲面精度与光滑性，直接决定了逆向工程的效果，文章针对逆向工程中的关键技术三维曲面的重构方法进行了分析与讨论。 关键词：曲面重构；逆向工程；三维曲面 逆向工程是在吸收现有技术优点的基础上进行更优化的再创造技术，是针对现有设计方案的再设计过程。设计师使用逆向工程技术能够从实物上获取该物体的三维数据，并生成数据模型，这样可以将数据模型与实体进行比较，从而得到两者之间的异同点。使得在设计新产品过程中起点更高，设计周期更短，获得成效更快。 1 曲面重构算法的分类 三维曲面的重构，首先要进行点云的采集，然后进行曲面重构，并且结合正逆向工程的软件，重新设计比较复杂的三维曲面，得到光滑的无误的实体模型，并应用3D点云对齐的方式对重构模型进行误差分析，以达到最佳的重构效果。 在进行逆向工程的过程中，最重要的一步是重新对实体进行三维曲面重构。这是因为产品的再设计、模型分析、虚拟仿真、加工制造过程等应用都需要根据三维数据模型来进行。三维数据模型越准确这些过程得到的结果也会越准确。要获得精确的数据模型，一方面需要良好的硬件设备和操作软件，另一方面与操作人员的熟练程度有很大的关系。这是一个复杂、繁琐、技术性强的过程，国内外的众多学者都针对如何快速、准确地实现模型重构进行了大量的实验与总结，得到了很多曲面重构的算法，现在常用的曲面重构算法根据曲面类型、数据来源、造型方式能分为： ①按点云类型可分为规则排序的点与不规则排序的点。 ②按数据来源可分为三坐标测量、软件造型、光学测量等途径。 ③按造型的方式可分为根据曲线生成曲面与根据曲面拟合实体模型。 ④按曲面表现形式可分为曲面边界表示、曲面四边B-样条表示、三角面片和三角网格表示的模型重构。通常，采用NURBS、有理B-样条、Bezier曲面来表示长方形区域面重构的自由曲面，而采用NURBS和三角域的拓扑结构来进行散乱点的自由曲面重构。 2 曲面重构的精度 在进行曲面重构前，必须先对数据模型的基本信息与要求进行了解。基本信息包括了实体的几何特征、构造特点等；应用要求包括了数据分析、产品制造、
智能控制之蚁群算法 1引言 进入21世纪以来，随着信息技术的发展，许多新方法和技术进入工程化、产品化阶段，这对自动控制技术提出新的挑战，促进了智能理论在控制技术中的应用，以解决用传统的方法难以解决的复杂系统的控制问题。随着计算机技术的飞速发展，智能计算方法的应用领域也越来越广泛。 智能控制技术的主要方法有模糊控制、基于知识的专家控制、神经网络控制和集成智能控制等,以及常用优化算法有:遗传算法、蚁群算法、免疫算法等。 蚁群算法是近些年来迅速发展起来的，并得到广泛应用的一种新型模拟进化优化算法。研究表明该算法具有并行性，鲁棒性等优良性质。它广泛应用于求解组合优化问题，所以本文着重介绍了这种智能计算方法，即蚁群算法，阐述了其工作原理和特点，同时对蚁群算法的前景进行了展望。 2 蚁群算法概述 1、起源 蚁群算法(ant colony optimization, ACO)，又称蚂蚁算法，是一种用来在图中寻找优化路径的机率型技术。它由Marco Dorigo于1992年在他的博士论文中引入，其灵感来源于蚂蚁在寻找食物过程中发现路径的行为。 Deneubourg及其同事(Deneubourg et al.,1990; Goss et al.,1989)在可监控实验条件下研究了蚂蚁的觅食行为，实验结果显示这些蚂蚁可以通过使用一种称为信息素的化学物质来标记走过的路径，从而找出从蚁穴到食物源之间的最短路径。 在蚂蚁寻找食物的实验中发现，信息素的蒸发速度相对于蚁群收敛到最短路径所需的时间来说过于缓慢，因此在模型构建时，可以忽略信息素的蒸发。然而当考虑的对象是人工蚂蚁时，情况就不同了。实验结果显示，对于双桥模型和扩展双桥模型这些简单的连接图来说，同样不需要考虑信息素的蒸发。相反，在更复杂的连接图上，对于最小成本路径问题来说，信息素的蒸发可以提高算法找到好解的性能。 2、基于蚁群算法的机制原理 模拟蚂蚁群体觅食行为的蚁群算法是作为一种新的计算智能模式引入的，该算法基于如下假设： （1）蚂蚁之间通过信息素和环境进行通信。每只蚂蚁仅根据其周围的环境作出反应，也只对其周围的局部环境产生影响。 （2）蚂蚁对环境的反应由其内部模式决定。因为蚂蚁是基因生物，蚂蚁的行为实际上是其基因的自适应表现，即蚂蚁是反应型适应性主体。 （3）在个体水平上，每只蚂蚁仅根据环境作出独立选择；在群体水平上，单
2.2 内质网应激 2.2.1 内质网及内质网应激概述 内质网（endoplasmic reticulum，ER）是哺乳动物细胞中一种重要的细胞器，其膜结构占细胞内膜的二分之一，是细胞内其它膜性细胞器的重要来源，在内膜系统中占有中心地位。ER 的功能包括：①ER 是细胞的钙储存库，内质网的钙离子浓度高达 5.0mmol/L，而胞浆中为 0.1ummol/L。并能调节维持细胞内钙平衡。②ER 是分泌性蛋白和膜蛋白的合成、折叠、运输以及修饰的场所。ER 通过内部质量调控机制筛选出正确折叠的蛋白质，并将其运至高尔基体，将未折叠或错误折叠的蛋白质扣留以进一步完成折叠或进行降解处理。③ER 还参与固醇激素的合成及糖类和脂类代谢，内质网膜上含有固醇调节元件结合蛋白，对固醇和脂质合成起调节作用。 ER对影响细胞内能量水平、氧化状态或钙离子浓度异常的应激极度敏感。当细胞受到某些打击（如缺氧、药物毒性等）后，内质网腔内氧化环境被破坏，钙代谢失调，ER功能发生紊乱，突变蛋白质产生或者蛋白质二硫键不能形成，引起未折叠蛋白或错误折叠蛋白在内质网腔内积聚以及钙平衡失调的状态，即内质网应激（endoplasmic reticulumstress，ERS）。内质网巨大的膜结构为细胞内活性物质的反应提供了一个广阔的平台，在许多信号调控中起到关键作用。最近的研究表明，内质网是细胞凋亡调节中的重要环节[39]。ERS可以介导与死亡受体和线粒体途径不同的一条新的凋亡通路。当细胞遭到毒性药物、感染、缺氧等刺激时，内质网腔未折叠蛋白增多和细胞内钙离子超载，引起caspase 12活化，继而激活下游的caspase，导致细胞凋亡。早期的ERS是机体自身代偿的 过程，对细胞具有保护作用；如果这种失衡超过了机体自身调节的能力，最终的结局将是细胞的死亡。ERS的确切机制目前尚不明确。深入研究ER及ERS，对于完善细胞损伤和凋亡理博具有重要意义，有助于进一步认识疾病发生发展的机制，为临床疾病预防和治疗提供新的理博依据。 2.2.2 内质网应激的信号通路 ER 内环境的稳态一旦被打破，将激活一系列的级联反应通路，包括PERK/eIF2α通路、IRE1/XBP1 通路及 ATF6 介导的通路。内质网应激激活的信号通路主要有[40]：①未折叠蛋白反应（unfolded protein response，UPR）；
第31卷 第1期 吉首大学学报(自然科学版)Vol.31 No.1 2010年1月J ournal of J is ho u Uni ver s i t y (Nat ural Sci ence Editio n )J an.2010 文章编号:1007-2985(2010)01-0035-05 蚁群算法研究应用现状与展望 3 叶志伟,周 欣,夏 彬 (湖北工业大学计算机学院,湖北武汉 430068) 摘 要:蚁群算法是工程优化领域中新出现的一种仿生进化算法.首先介绍基本蚁群算法的原理和模型,然后评述近年来对蚁群算法的若干改进以及在许多新领域中的发展应用,最后对蚁群算法未来的发展和研究方向进行展望. 关键词:蚁群算法;优化;最优决策 中图分类号:TN911.73 文献标识码:A 实际工程问题常具有复杂性、非线性等特点,而它的解决通常也是一种寻求最优决策的过程,因此寻求一种适合大规模并行、具有智能特征的优化算法已经成为引人注目的研究方向.目前,除了业已得到公认的遗传算法、模拟退火算法、禁忌搜索算法等热门进化算法,蚁群优化算法[1-3](Ant Colony Optimization Algo rithm ,ACO ,也称蚂蚁系统)正在开始崭露头角,为复杂的系统优化问题提供了新的具有竞争力的求解算法.ACO 是由意大利学者M.D o rigo 等人于1991年首先提出来一种新兴模拟生物智能的算法,在短期内得到了迅速的发展,除了用于大批经典优化问题的求解,如二次分配问题(Qua d 2ra tic Assignme nt Problem ,QAP )、有序排列问题(Sequential Orde ring Problem ,SOP )[2-16]等,在实际工程领域也得到广泛的应用. 1 基本ACO 原理 为了说明ACO 模型,这里引入旅行商问题(TSP ),它是一类经典的组合优化问题,即在给定城市个数和各城市之间距离的条件下,要找到1条遍历所有城市当且仅当1次最短的线路. 为模拟真实蚂蚁的行为,首先引入如下标记:m 是蚁群的规模;b i (t )是t 时刻位于城市i 的蚂蚁数量,m = ∑n i =1 b i (t );d i j 是两城市i 和j 之间的距离;ηi j 是由城市i 转移到城市j 的可见度,反映城市i 转移到城市j 的启发信息,这个量在ACO 的 运行中保持不变;τi j 是边(i ,j )上的信息素轨迹强度;Δτi j 是蚂蚁k 在边(i ,j )上留下的信息素轨迹量;p k i j 是蚂蚁k 的转移概 率,j 是没有访问过的城市. 每只蚂蚁都是具有如下行为的个体:①由城市i 转移到城市j 的过程中或是在完成1次循环以后,蚂蚁在边(i ,j)上释放信息素;②蚂蚁随机的选择下一个将要访问的城市;③在完成一次循环以前,不允许选择已经访问过的城市. 基本ACO 在TSP 问题中实现的具体过程如下:假设将m 只蚂蚁放入到n 个随机选择的城市中;每只蚂蚁每步根据一定的概率,选择下一个它还没有访问过的城市,将所有城市遍历完以后回到出发的城市.蚂蚁选择目标城市的概率公式为 p k ij (t)= (τi j (t ))α(ηij )β/∑j ∈allowed (τi j (t ))α(ηi j )β j ∈allowed ,0 othe rwise.(1) 在得到每个候选城市的选择概率以后,蚂蚁运用随机选择的方式决定下一步要去的城市.(1)式中各参数意义如下:α表示信息素信息相对重要程度;β表示可见度信息相对重要程度.为了避免对同一个城市的重复访问,每只蚂蚁都保存一个列表tabu (k ),用于记录到目前为止蚂蚁已经访问过的城市集合.为了避免残留信息素过多引起残留信息淹没启发信息的现象发生,在每一只蚂蚁走完1步或者完成对所有n 个城市的访问后,对残留信息素进行更新处理.这样得到(t +n)时刻在(i , 3收稿日期:2009-04-10 基金项目:湖北省自然科学基金资助项目(2008CDZ003;2008CDB342);湖北省教育厅优秀中青年项目(Q20081409;Q20081402) 作者简介叶志伟(),男,湖北浠水人,湖北工业大学计算机学院副教授,博士,主要从图像处理领域和智能计算研究:1978-.
科技信息 1、引言 在地震勘探中，野外作业的目的是收集原始数据，即进行地震数据的收集。这是地震勘探中获取地下地质信息的根本环节，所得数据是处理及解释等后续任务所依据的最根本的资料。因而，野外作业的质量直接影响到勘探的效果。野外收集数据作业中的差错可能会导致勘探的处理解释成果与地下实际情况全然不同。所以，有必要特别的重视地震数据采集。 地震勘探的最终目的是有效地处理地质难题。在一个工区能否使用地震勘探处理难题，很大程度上决定于该工区的地震地质条件。尤其是表层的地震地质条件，对采集数据的质量影响很大。近地表地层由于地质风化效果变得疏松，地震波在该地层传播的速度，通常比深部微风化的基岩中的速度要低得多。低速带的疏松性对地震波有很强的吸收效果。所以在地震勘探时，通常穿过低降速带在基岩中进行炸药震源的激发。这就要求有精细的近地表模型来指导井位和井深的确定。 野外采集的数据可以通过拟合算法来建立近地表模型，从而指导打井和静校正。薄板样条、三角剖分和B 样条是较常见的曲面插值拟合方法，本文通过实验对三种算法的优劣进行分析评价。 2、薄板样条法 薄板样条法的特点在于它是一种利用最小能量的函数来刻画不规则平面的插值方法。该方法的特点在于它的求解控制方程，用到的方程为： W (x )=∑i =1N αi |x -x i |2 log |x -x i | 2 其中W (x )指x 处的形变， αi 是待定系数。薄板样条法同样是无限平板样条方法，采用薄板样条法进行计算时，已知位移点的数目不受限制，但为了保证计算的精度，要求至少有三个已知位移点。 薄板样条在工程地质学上描绘如下：关于一阶问题，单元的三次样条能够被认为是处于平衡状态下的曲折变形梁；关于二阶问题，这种样条能够经过薄板的最小曲折变形来断定。它所确定的插值函数，不会受到被插值布局的转动和平移的影响，在对变化的曲面和弹性曲面进行插值时，显得更有用。 3、Delaunay 三角剖分 四面体是三维空间三角剖分的最小单元，它包含了许多其它单元没有的优势。而三角形是二维空间三角剖分的最小单元，它也包含了许多其它单元无法替代的优势；Delaunay 三角剖分算法是运用得最多的三角剖分算法。它具有“空外接圆”和“最小内角最大”两大特色，能够减少畸形三角单元的生成，从而保证了整个三角剖分质量达到最优。Delaunay 三角剖分算法是所有的三角剖分算法中一种比较常用、高效的三角剖分算法。 4、二次均匀B 样条曲线法 空间n+1个顶点的位置矢量P i （i=0，1，…，n ）定义n －1段二次（k ＝0,1,2，n=2）均匀B 样条曲线，每相邻三个点可构造一曲线段P i (u )（i=1，…，n －1），其定义表达为： P i (u )=12[] u 2u 1é?êêù?úú1-21-2201 10é?êêù?úúP i -1P i P i +1i =1,...,n -1; 0≤u ≤1=12!(1-2u +u 2)P i -1+12!(1+2u -2u 2)P i +12! u 2P i + 1图1二次B 样条曲线 如图1所示，端点位置矢量：P i (0)=0.5(P i -1+P i )，P i (1)= 0.5(P i +P i +1)， 即曲线起点和终点分别在控制多边形P i -1P i 和P i P i +1的中点。若P i -1、P i 、P i +1三个顶点位于同一条直线上，P i (u )蜕化成P i -1P i P i +1直线边上的一段直线。 端点一阶导数矢量：P i (0)=P i -P i -1，P i (1)=P i +1-P i ，P ′i (0)= P i +1-P i ，P ′i (1)=P i +2-P i +1， 即曲线的起点的切向量和终点的切向量分别和两个边重合，并且相邻的两曲线在节点处具有一阶导数连续。 二阶导数矢量：P ″ i (0)=P i -1-2P i +P i +1=P ″i (1)=P ″i (t )， 即曲线内的所有点处的二阶导数相等，并且临近的两条曲线在节点处的二阶导数不连续。 5、实例分析5.1速度比较 本文对一组理论生成的函数数据和两组某工区实测数据，按照控制点个数进行三种方法的插值拟合。计算速度见表1。 表1三种算法的耗时比较 数据函数数据1函数数据2函数数据3工区数据1工区数据2 控制点个数N 6252500100003525984 耗时/s 薄板样条 2493∞1∞ 三角剖分 1∞∞1∞ B 样条12214 从表1可以看出，随着控制点个数的增大，三种拟合算法对应的插 值速度变得越来越慢。其中薄板样条算法最慢，而且当数据量较大时会占用将近全部内存，导致不能计算出结果。B 样条插值速度最快，其次是三角剖分插值方法，薄板样条最慢。因此在稠密控制点和海量数据点的情况下，本文采用B 样条插值法重构近地表模型。 5.2精度比较 野外测量数据存在误差，而且小折射和微测井解释会受初至波拾取的影响，所以重构近地表模型时需要综合考虑到模型精度和光滑 度。插值法的精度可用平均相对误差ε来表示，ε=∑i =1N |v i -f (x i ,y i )f (x i ,y i )|/N ，其中N 为控制点个数，v i 为拟合值，f (x i ,y i )为真实值。 表2三种算法的误差比较 数据函数数据1函数数据2函数数据3工区数据1工区数据2 控制点个数N 6252500100003525984 误差ε 薄板样条0.2384122840.598707063 0.002943122三角剖分 0.893974868B 样条0.0874910230.1028944690.107028292 0.00380291 0.002070894 对三种算法拟合精度进行分析。首先对其中工区一拟合效果进行分析，其中三角剖分插值拟合算法精度很低，误差高达89%，从图2中可以看出，拟合效果图光滑性和连续性很差。在数据量较少且稀疏的情况下，三角剖分插值方法并不适用。薄板样条插值拟合效果最好，曲面平滑连续。误差小，精度高。B 样条拟合速度快，但是在图2中明显看出，B 样条插值拟合的效果有明显的样条痕迹，近地表地形曲面重构算法研究 中国地质大学（北京）地球物理与信息技术学院张雨飞 ［摘要］ 在地震资料的野外采集过程中，为了尽可能地消除近地表低速带、降速带对地震波的吸收衰减作用，要求穿过低降速带，将炸药放入高速层引爆。所以要求高精度的近地表模型来指导设计激发井深，然后确保高质量的单炮记录。地表曲面重构技术是近地表模型建立的首要关键环节，对于野外数据的采集和后续的处理解释工作有着重要的含义。本文重点研究薄板样条、三角剖分和B 样条的拟合方法，并通过具体工区实例分析其拟合效率。 ［关键词］ 曲面拟合薄板样条三角剖分B 样条近地表建模（下转第132页） — —137
第19卷哈尔滨师范大学自然科学学报 V ol.19,N o.52003 第5期 NAT URA L SCIE NCES JOURNA L OF H AR BI N NORM A L UNI VERSITY 几种三维重建方法的比较3 尚明姝 解 凯 (哈尔滨师范大学) 【摘要】 本文综述了三维重建的若干方法,并分析比较了各种方法的特点,同时 还给出了在欧氏几何下一种简单摄像机配置下的三维重建空间点的简单方法1此外给出了通过矩阵分解的办法来推导基本矩阵F 的方法1 关键词:三维重建;摄影重建;基本矩阵 收稿日期:2003-09-04 3本课题是黑龙江省教育厅科技资金(10531085)、哈师大校基金资助项目 1 三维重建的意义 客观世界在空间上是三维的,在工程技术界一般要对三维物体进行分析,以便获取有用的信息1目前,大多数图像采集装置所获取的图像本身是在二维平面上的,尽管其中可以含有三维物体的空间信息1因此,要从图像认识真实物体,就要从二维图像中恢复三维空间信息,这正是三维立体重建所要完成的任务1 2 三维重建的若干方法 211 欧氏几何意义下三维重建的一般方法 欧氏几何下三维重建的一般方法是在摄像机已定标情况下,从重建空间点开始,由三维顶点计算空间直线、空间二次曲线,由计算出的空间直线重组三维面、二次曲面,最后由计算出的三维平面、二次曲面重建三维实体121111 空间点的重建 空间物体表面是由三维点构成的,若能获得足够多的三维点,三维物体的形状与位置就可唯一确定1因此,用立体视觉的方法获得三维点的坐标是最基本的、最简单的,但也是十分重要的1 假定对应空间点的两个摄像机上的图像点已 从两幅图像中分别检测出来,两个摄像机已标定, 其投影矩阵已知1通过列出空间点在图像上投影 点坐标(u ,v )与世界坐标系(x ,y ,z )的关系,得出方程组,解出此空间点在世界坐标系下的坐标1 为了更清楚地了解点重建的物理意义,在文献[1]中给出了一种简单摄像机配置下空间点重建方法1以下作者将给出另一种简单摄像机配置下三维重建的简单方法1 如图1、2所示,原摄像机配置为:C 1与C 2摄像机的焦距相等,各内部参数也相等,且两个摄像机的光轴互相平行,X 轴互相重合,Y 轴互相平行,两个摄像机坐标系只差X 轴方向上的一个平移,平移距离记为b.现将左摄像机绕Y 轴顺时针转θ角,右摄像机逆时针转θ角,以左摄像机坐标系为世界坐标系1 在图2所示配置下,任一空间点在C 1坐标系下坐标为(x 1,y 1,z 1),在C 2坐标系下坐标为(x 2,y 2,z 2),其中,(x 1,y 1,z 1)与(x 2,y 2,z 2)关系如下 : 转换为方程:
一第４２卷第１期２０１９年１月一一一一一一一一一一一一一一安徽师范大学学报(自然科学版)ＪｏｕｒｎａｌｏｆＡｎｈｕｉＮｏｒｍａｌＵｎｉｖｅｒｓｉｔｙ(ＮａｔｕｒａｌＳｃｉｅｎｃｅ)一一一一一一一一一一一一Ｖｏｌ.４２Ｎｏ.１Ｊａｎ.２０１９一ＤＯＩ:１０.１４１８２/Ｊ.ｃｎｋｉ.１００１－２４４３.２０１９.０１.００８ 基于点云数据的曲面重建算法比较研究 吴一旭１?一卢凌雯２?３?４?一梁栋栋２?３?一汪晓楚２?３ (１.安徽师范大学计算机与信息学院?安徽芜湖一２４１００３?２.安徽师范大学地理与旅游学院?安徽芜湖一２４１００３?３.安徽师范大学地理大数据研究中心?安徽芜湖一２４１００３?４.苏州市测绘院有限责任公司?江苏苏州一２２１００８) 摘一要:针对现有的多种点云数据曲面重建算法?从曲面重建的网格曲面二隐式曲面二参数曲面三种 不同重建方式入手?比较了四种算法针对不同目标物重建的优劣?并给出相应的精度评价?实验结 果表明:基于ＮＵＲＢＳ参数曲面重建的方式最佳?基于贪婪投影三角化网格曲面重建的方式其次? 基于移动立方体与基于泊松方程隐式曲面重建方式的时间复杂度与空间复杂度较大?且重建后的 点云模型误差也较大? 关键词:贪婪三角化?移动立方体?泊松方程?ＮＵＲＢＳ?曲面重建 中图分类号:Ｏ１７５.１４一一一文献标志码:Ａ一一一文章编号:１００１－２４４３(２０１９)０１－００４６－０５ 在逆向工程二计算机视觉二ＣＡＤ制图二三维测量技术等众多领域?点云数据处理技术从八十年代起就被广泛应用?且发展至今[１]?随着计算机辅助设计与计算机图形学的发展?越来越多的学者对点云数据的曲面重建技术产生了浓厚的兴趣?从现有研究来看?曲面重构大致可以分为显式曲面重构和隐式曲面重构两类方法[２]?显式曲面重构方法提出较早?需要先将点云参数化?然后再进行曲面重构?它一般不能用单个曲面来直接拟合点云?比如ＮＵＲＢＳ算法需要先将点云分割成不同区域?然后分别拟合各自的曲面?最后将拟合的各曲面进行拼合得到完整曲面?隐式曲面重构方法利用隐式函数得到逼近点云的等值曲面?相比显式曲面重构方法?隐式曲面重构更适用于重构复杂拓扑形状的曲面?且重构的曲面具有很好的封闭性和完整性?除此之外?刘含波[３]等对曲面重建方法有两种分类方式:根据生成的表面是否经过原始采样点?分为基于插值的表面重建和基于逼近的表面重建?根据重建过程中所依赖的插值点的信息?分为基于全局准则的整体重建和基于局部准则的局部重建?宋大虎等[４]根据现有算法的特点?将曲面重建算法分为隐式曲面算法二参数曲面算法二基于学习的方式和Ｄｅｌａｕｎａｙ三角剖分算法? 本文从点云表面重建方式的角度?把曲面重建分成网格曲面二隐式曲面二参数曲面?其中贪婪投影三角化算法属于网格曲面重建?移动立方体算法以及泊松方程算法属于隐式曲面重建?ＮＵＲＢＳ算法属于参数曲面重建? 在实际工程中?采用多边形模型如网格方法作为输入输出?无论在数据处理方面?还是在计算机显示方面?都拥有一定的优势[５]?Ｄｅｌａｕｎａｙ三角网的逐点插入法与分治合并法两大方法在１９世纪７０年代相继被提出?２０世纪８０年代末?Ｃｈｅｗ提出了ＤｅｌａｕｎａｙＲｅｆｉｎｅｍｅｎｔ算法[６]?在９０年代初?Ｒｕｐｐｅｒｔ改进了ＤｅｌａｕｎａｙＲｅｆｉｎｅｍｅｎｔ算法?使该算法得到的三角形最小角大于２０.７度[７]?之后?Ｒｉｖａｒａ二Ｈｉｔｓｃｆｅｌｄ二Ｓｉｍｐｓｏｎ等人进一步扩展和优化?使得最小角的最小值达到３０度[８]?基于隐式函数的曲面重构方法可分为局部拟合方法和全局拟合方法?基于局部拟合的隐式函数重构方法出现较早?最早的代表性方法山由Ｈｏｐｐｅ等[９]人提出?先拟合局部点云的平面?再估算点云的一致性法矢?然后构建有向距离函数?最后提取其零等值面?其中代表性的是移动最小二乘曲面(ＭＬＳ)方法[１０]?和局部拟合方法不同?全局隐式拟合方法利用数学函数同时拟合所收稿日期:２０１８－０４－２６基金项目:安徽省智慧城市与地理国情监测重点实验室２０１６年度开放性基金重点课题. 作者简介:吴旭(１９７１ )?女?安徽阜阳市人?实验师?研究方向为地理计算和可视化?通讯作者:梁栋栋(１９７１ )?男?安徽亳州人?副教授?博 士?研究方向为地图可视化与三维建模. 引用格式:吴旭?卢凌雯?梁栋栋?等.基于点云数据的曲面重建算法比较研究[Ｊ].安徽师范大学学报(自然科学版)?２０１９?４２(１):４６－５０.
由点云重构CAD模型的基本步骤包括：点云分块、点云切片、曲面重构、CAD模型。 1.点云分块 由于工程实际中原型往往不是由一张简单曲面构成，而是由大量初等解析曲面(如平面、圆柱面、圆锥面、球面、圆环面等)及部分自由曲面组成，故三维实体重构的首要任务是将测量数据按实物原型的几何特征进行分割成不同的数据块，使得位于同一数据块内的数据点可以一张特定的曲面来表示，然后针对不同数据块采用不同的曲面建构方案(如初等解析曲面、B-spline 曲面、Bezier曲面、NURBS 曲面等)进行曲面重建，最后将这些曲面块拼接成实体，它包括点集分割与曲面重建两部分。 为了实现点云的分块功能，同时也为了后续曲线拟合中重要点的选取工作，我们建立了图元的拾取模块。它包括多边形拾取、矩形拾取、点选三个小的部分，运用此模块我们可以利用鼠标对空间点云进行任意的分割和提取。 多边形拾取与矩形拾取类似，都是在视图上确定一个选择区域，然后根据视图上的图形是否完全落在这个选择区域中来决定视图上的图形是否被选取。由于我们针对的对象是三维空间中的图元，因此在视图窗口中所确定的区域实际上是一个矩形体或者多面体，所拾取的图元是位于这个体中的对象。问题的关键在于如何确定图元是否位于矩形体或多面体中。 基于OpenGL的拾取机制很好的解决了这个问题。物体的实际坐标经模型视图变换、投影变换、视口变换后显示为屏幕上的一点，OpenGL的gluUnProject（）可以做该过程的逆变换，即根据已知屏幕上点的二维坐标以及经过的变换矩阵可求出该点变换前在三维空间的坐标位置，但需要事先给定二维屏幕坐标的深度坐标。考虑OpenGL的投影原理，将0.0和1.0作为前后裁剪面的深度坐标。因此两次调用gluUnProject()可得到视图体前后裁剪面上的两个点，也就是屏幕上点的两个三维坐标。 对于矩形拾取而言，判断点是否位于矩形体中比较简单，可以选取每个空间点，判断点的坐标是否位于矩形盒三个方向的极限范围内，如果满足条件，则可认为该点符合条件，被拾取到了，并高亮显示。对于多边形拾取而言，我们借助面的法矢进行判断，对于任意空间点p，首先计算出各个面的外法矢n，然后在每个面任选一点v与p构成向量pv,如果对于多边形的每个面恒有n*pv >0,则可认为该点位于多边形的内部，当然也可利用射线法进行判断，从该点出发,作任意方向的一根射线,考察此射线与三维物体各面的交点数,如果总数=0或其它偶数,则在三维物体之外,如果总数为奇,则在三维物体之内。点选相对比较简单，对鼠标点击点向各个方向各扩展一定距离，构成一个矩形，然后按照矩形拾取的原理进行判断。需要注意的是上述三种方法不可避免的会出现透视方向的重叠点，必须根据到前裁剪平面的距离进行取舍。下面分别给出一些简单的例子。 多变形拾取 在多边形拾取对话框中我们可以根据操作的类型选择是对网格还是点云进行拾取，同时所保留的区域（多边形内、外、或者同时）也可进行选择。基本操作步骤为：左键点击多边形按钮开始选择，在点云中左键单击作为多边形顶点，同时开始绘制，点击Apply结束多边形绘制，同时高亮显示拾取点云。
课题研究对象与研究内容的区别 我们在撰写课题申报书或课题开题报告时，通常要确定课题的研究对象，明确课题的研究内容，但是，在理解什么是课题研究对象？什么是课题研究内容时，很多老师无法正确理解，无法区分“研究对象”与“研究内容”之间的不同，下面就来详细谈谈课题研究对象与研究内容之间的区别。 研究对象是指被研究的个人、群体或组织、或者是研究所指的其它社会单位，一般包括社会中具体的个人、家庭、社区、各类专门人群以及各类组织等。任何一项研究，都有具体的研究对象。这些对象可以是人，是物，也可以是文献记载或其他文字资料等，数量可以是一个、几个，也可以是成千上万个。在教育研究中，研究对象通常是人，如：学生、教师、家长等，有时候也可以是学校、教研组、学科组等各类教育教学组织。 一个课题名称的标准的表述范式应该是“研究对象+研究内容+研究方法”，课题也只有在合理选择和确定了研究对象之后，才能保证研究结论的科学性和研究开展的可行性。比如我们现在有一个课题名称叫“××市教育现代化进程研究”，这里面研究对象就是××市，研究的问题就是教育现代化问题。有时候还要把研究方法写出来，比如“中学生心理健康教育实验研究”，这里面研究的对象是中学生，而不是小学生或者大学生，研究的问题的心理健康教育问题，研究的主要方法是实验研究。 科学合理的选择研究对象是教育研究设计的主要内容之一，它不仅与研究目的、内容密切相关，而且还直接关系到资料的收集、整理、分析，同时它还涉及到整个研究的费用以及应用范围。一般来说，如果研究对象仅仅是个别的或少数人（比如：中小学教师开展的小课题研究），通常不存在抽样问题，因为研究对象的总体差不多就是研究的直接对象。但是一些省级、国家级或较大的规划课题设计的研究对象总体比较大，有时趋于无穷（比如：涉及全国或全省），这时候要将课题规定的所有对象都拿来进行研究往往是难以做到的，也没有必要，因此需要运用某种科学合理的方法来选择部分的研究对象，这样的程序和方法，用一个专业术语表示就是“抽样（Sampling）”。抽样（Sampling）就是从一个总体（population）中抽取部分具有代表性的个体作为样本（sample），然后用这一样本的结果去推断总体。
《智能计算—蚁群算法基本综述》 班级：研1102班 专业：计算数学 姓名：刘鑫 学号： 1107010036 2012年
蚁群算法基本综述 刘鑫 （西安理工大学理学院，研1102班，西安市，710054） 摘要:蚁群算法( ACA)是一种广泛应用于优化领域的仿生进化算法。ACA发展背景着手，分析比较国内外ACA研究团队与发展情况立足于基本原理,分析其数学模型,介绍了六种经典的改进模型，对其优缺点进行分析，简要总结其应用领域并对其今后的发展、应用做出展望。 关键词:蚁群；算法；优化；改进；应用 0引言 专家发现单个蚂蚁只具有一些简单的行为能力。但整个蚁群却能完成一系列复杂的任务。这种现象是通过高度组织协调完成的1991年。意大利学者M.Dorigo 首次提出一种新型仿生算法ACA。研究了蚂蚁的行为。提出其基本原理及数学模型。并将之应用于寻求旅行商问题(TSP)的解。 通过实验及相关理论证明,ACA有着有着优化的选择机制的本质。而这种适应和协作机制使之具有良好的发现能力及其它算法所没有的优点。如较强的鲁棒性、分布式计算、易与其他方法结合等；但同时也不应忽略其不足。如搜索时间较长，若每步进行信息素更新，计算仿真时所占用CPU时间过长：若当前最优路径不是全局最优路径，但其信息素浓度过高时。靠公式对信息素浓度的调整不能缓解这种现象。会陷人局部收敛无法寻找到全局最优解：转移概率过大时，虽有较快的收敛速度，但会导致早熟收敛。所以正反馈原理所引起的自催化现象意在强化性能好的解，却容易出现停滞现象。笔者综述性地介绍了ACA对一些已有的提出自己的想法，并对其应用及发展前景提出了展望。 1 蚁群算法概述 ACA源自于蚁群的觅食行为。S.Goss的“双桥”实验说明蚂蚁总会选择距食物源较短的分支蚂蚁之间通过信息素进行信息的传递,捷径上的信息素越多,吸引的蚂蚁越多。形成正反馈机制,达到一种协调化的高组织状态该行为称集体自催化目前研究的多为大规模征兵，即仅靠化学追踪的征兵。 1 .1 蚁群算法的基本原理
第24卷第2期通化师范学院学报V ol.24№2 2003年3月JOURNA L OF T ONG H UA TE ACHERSπC O LLEGE Mar.2003 曲面重构算法的发展现状述析Ξ 葛金辉 (通化师范学院数学系,吉林通化134002) 摘 要:在参阅和分析有关文献的基础上,对现有的曲面重构算法进行总结、比较和分类. 关键词:Delaunay法;Shepard方法;Multiquadric方法;有限元方法;层次B一样条方法 中图分类号:O242.21 文献标识码:A 文章编号:1008-7974(2003)02-0033-04 1 曲面重构在工程的重要作用 随着计算机技术的发展,以曲面重构为代表的逆向工程方法,无论在理论上还是在应用上取得了巨大的成功,成为发现和理解科学计算过程中各种现象的有力工具. 近几年来,随着计算机辅助设计与图形学的发展,曲面重构技术得到了更广泛的研究和应用,几乎涉及自然科学与工程技术的一切领域,如汽车、飞机、轮船等工业领域,基于地震勘探数据或测井数据的地质勘探领域,依据大量数据计算和计算结果分析的气象领域、分子模型构造领域,需要实现形体的网格划分及结果数据的显示、优化的有限元分析,根据测量数据建立人体以及骨骼和器官的计算机模型在医学、定制生产等许多方面都有重要意义和实用价值. 同时,随着科学技术的迅猛发展,来自各种科学计算、工程计算、测量等方面的数据日益增大,所要求的精度日益精确,待处理问题规模越来越大,因而,研究大规模散乱数据的曲面重构日益成为迫切需要解决的问题. 2 曲面重构的含义 曲面重构又称为逆向工程(Reverse engineering),是根据已有曲面去构造反映其形状的数学模型. 曲面重构要为已存在的曲面建立模型.曲面重构的目的是确定一个曲面逼近未知曲面.它有两方面的含义.第一意味着已有的曲面是曲面重构的根据;第二意味着已有的曲面是衡量重构所得曲面模型质量好坏的标准,要求建立的模型能忠实地恢复已有曲面的原状. 3 曲面重构的要求 曲面重构的基本要求是准确易行. 准确:要求建立起来的数学模型比较准确地反映原来曲面的形状,或者说较好地逼近原来的曲Ξ收稿日期:2002-05-15 作者简介:葛金辉(1968-),女,通化师范学院数学系讲师,硕士.
2 研究对象与研究方法 2.1 研究对象 随机抽取山东理工大学、淄博职业学院、淄博水利学院大学生600人作为研究对象，其中男生300人，女生300人。 2.2 研究方法 2.2.1 问卷调查法 问卷的设计采用社会学常规方法，最后经过效度和信度检验，到达本科毕业论文的问卷设计要求，并于****时间在山东理工大学、淄博职业学院、淄博水利学院发放问卷600份，回收问卷580份，回收率达96.67%；其中有效问卷565份，有效率97.41%，有效问卷中男生问卷280份，女生问卷285份。 2.2.2 参与观察法 ****年**月至****年**月期间，利用学生上课的机会，通过听课的方式对学生的上课情况进行现场听讲，观察大学生对体育与健康课的参与程度，共听课50余节，并作了相关的听课记录。 2.2.3 文献资料法 ****年**月—**月期间，分别在体育教育行政部门、山东理工大学文科书库、山东理工大学体育学院资料室、山东理工大学图书馆网站学术期刊网，查阅包括体育类核心期刊在内的***篇相关题材的学术资料，并对其中重要的***篇论文资料进行下载并打印备用。（查阅论文的数量要符合实际，不要千篇一律甚至雷同）
2.2.4 访谈法 ****年**月—**月实习期间，对在山东理工大学和淄博职业学院实习的部分学生在宿舍、教学现场进行面对面的访谈；****年**月**号—**号期间，在宿舍、教室等场所分别抽取在其他实习地实习的部分学生进行访谈。了解他们教育实习地体育与健康课对大学生生活习惯的影响的基本情况和切身体会。 2.2.5 数理统计法 ****年**月**日，对收回的有效问卷进行归纳整理，分别用excel2003及社会学统计软件SPSS13.0进行数据的分析和处理。（SPSS软件确实用到了就写上，用不到者一律去掉）
蚁群算法综述 控制理论与控制工程09104046 吕坤一、蚁群算法的研究背景 蚂蚁是一种最古老的社会性昆虫，数以百万亿计的蚂蚁几乎占据了地球上每一片适于居住的土地，它们的个体结构和行为虽然很简单，但由这些个体所构成的蚁群却表现出高度结构化的社会组织，作为这种组织的结果表现出它们所构成的群体能完成远远超越其单只蚂蚁能力的复杂任务。就是他们这看似简单，其实有着高度协调、分工、合作的行为，打开了仿生优化领域的新局面。 从蚁群群体寻找最短路径觅食行为受到启发，根据模拟蚂蚁的觅食、任务分配和构造墓地等群体智能行为，意大利学者M.Dorigo等人1991年提出了一种模拟自然界蚁群行为的模拟进化算法——人工蚁群算法，简称蚁群算法(Ant Colony Algorithm,ACA)。 二、蚁群算法的研究发展现状 国内对蚁群算法的研究直到上世纪末才拉开序幕，目前国内学者对蚁群算法的研究主要是集中在算法的改进和应用上。吴庆洪和张纪会等通过向基本蚁群算法中引入变异机制，充分利用2-交换法简洁高效的特点，提出了具有变异特征的蚊群算法。吴斌和史忠植首先在蚊群算法的基础上提出了相遇算法，提高了蚂蚁一次周游的质量，然后将相遇算法与采用并行策略的分段算法相结合。提出一种基于蚁群算法的TSP问题分段求解算法。王颖和谢剑英通过自适应的改变算法的挥发度等系数，提出一种自适应的蚁群算法以克服陷于局部最小的缺点。覃刚力和杨家本根据人工蚂蚁所获得的解的情况，动态地调整路径上的信息素，提出了自适应调整信息素的蚁群算法。熊伟清和余舜杰等从改进蚂蚁路径的选择策略以及全局修正蚁群信息量入手，引入变异保持种群多样性，引入蚁群分工的思想，构成一种具有分工的自适应蚁群算法。张徐亮、张晋斌和庄昌文等将协同机制引入基本蚁群算法中，分别构成了一种基于协同学习机制的蚁群算法和一种基于协同学习机制的增强蚊群算法。 随着人们对蚁群算法研究的不断深入，近年来M.Dorigo等人提出了蚁群优化元启发式(Ant-Colony optimization Meta Heuristic，简称ACO-MA)这一求解复杂问题的通用框架。ACO-MH为蚁群算法的理论研究和算法设计提供了技术上的保障。在蚁群优化的收敛性方面，W.J.Gutjahr做了开创性的工作，提出了基于图的蚂蚁系统元启发式(Graph-Based Ant System Metaheuristic)这一通用的蚁群优化 的模型，该模型在一定的条件下能以任意接近l的概率收敛到最优解。T.StBtzle 和M.Dorigo对一类ACO算法的收敛性进行了证明，其结论可以直接用到两类实验上，证明是最成功的蚁群算法——MMAs和ACS。N.Meuleau和M.Dorigo研究了