2007年7月4日
#
摘要: 把硕士阶段做的东西大概流程图发上来，原来是发在163的，现在转到博客园来。
大概做的东西是，如果输入任意一个三维人脸网格，那么就可以自动地把已经建立好的人脸网格规范的拓扑结构，参数化uv坐标，blendshape表情基拷贝到新的人脸模型上，进而可以复制已有的一段人脸动画序列，提高实际三维动画制作中的生产效率。
阅读全文
摘要: 前段时间我一直都在找一个好的研究方向，今天在科学网上看到一篇研究表情的生理功能的文章，有点感触。
阅读全文
摘要: 好久没有写代码了，最近拿计算三角网格表面的高斯曲率练了练手，并实现了高斯曲率的可视化，复习了一点微分几何的知识。感觉有时候还是要自己把代码写出来，调试运行，结合试验结果，才能对相应的知识有更深的了解。
阅读全文
摘要: 几何建模的研究范围比较宽，有点云数据的网格重建，网格简化、几何压缩、参数化、细分平滑、网格重建、分割、变形、编辑等诸多领域。这里对主要的领域进行了简单的介绍，给出部分经典文献，对于部分专业名词进行了解释。有错误的地方希望大家指出，更欢迎大家补充，我也会间或对这个贴进行更新。
阅读全文
摘要: 为了准备明年的产品展示项目，这半个多月学了Virtools，基本上算入门了，并用Virtools简单地做了一个油泵的拆分演示程序。（下载地址：http://www.cnblogs.com/Files/tongj1981/油泵的拆分演示.rar）
目前有很多虚拟现实的软件，之所以选择用Virtools，原因之一就是其已被法国达索公司（DASSAULT）所收购。工业软件巨头达索下面还拥有Catia，SolidWorks，ACIS等著名软件，当然还会想到幻影2000战斗机。另外Virtools还有其它优点：一是其可以直接利用Buliding Blocks（行为交互模块）进行可视化编程，直接把BB拖拖拉拉，基本不用写代码，开发效率很高；二是其可以直接把图片、声音、文字及三维图形等多种多媒体元素都集成在一块，只需要学这一个软件就可以搞定；第三，Virtools支持Maya的输出。
阅读全文
对自己过去一段时间的科研工作进行了总结,做了一个视频.有网格优化的人脸对齐，三维人脸自动纹理的生成，BlendShape表情动画的自动生成，还有求解三角网格表面的近似测地线,有共同兴趣的多交流:
http://www.tudou.com/programs/view/qssbF0pzYpg/
关于下一步的研究方向,一直在犹豫,到底是继续做三维动画方面的研究,还是转向CAD的方向.做动画自己比较感兴趣,Maya的开发工具流程也已经用的比较熟悉,但考虑到中国现在的产业情况,短时间内靠研究动画钱途比较渺茫.而CAD制造业是国民经济的重要支柱,做这一块不会缺具体的应用,比较容易搞到money,但是自己觉得相对比较枯燥,而且要去走通ACIS的开发工具也需要较多的时间.
暂时想到一个方向,做激光扫描数据的逆向工程,从点云数据合成NUBRBS曲面,这个方向不仅在CAD领域,而且在三维动画中都有应用.但是逆向工程已经被做了好多年了,再想出些好的工作难度可能也比较大...想听听大家的建议
摘要: 前一段时间做了些求三角网格表面测地线（最短路径）的工作。和普通的Dijkstra算法不同，测地线需要切原始网格的边，迭代计算，数据结构复杂。开始设计算法时用VC实现非常困难，所以开始我使用了Matlab来做实验。但是求网格表面的测地线，计算量大，一万顶点网格的顶点邻接矩阵的规模为108，直接用Matlab实现算法速度太慢，还是必需用VC去实现。因此想到了VC和Matlab混合编程，试了很多的方法，最后我感觉VC调用Matlab C++ Math Library的方法是最好的。下面贴出一些实验的简单效果，还做了一个简单的开发工具设置的ppt，有兴趣的可以去博客上下载。
阅读全文
摘要: 想要搞与曲面曲线相关的科研，如三维人脸识别，计算几何，几何建模等等，微分几何是一门必须要学的基础性学科。由于视觉是人类获取外部信息的主要通道，一般的物体存在都要有一定的几何形态，所以微分几何还同计算机图形学、理论物理、生物、建筑等诸多学科都有着广泛的联系。综上所述，这个暑假给自己定的主要目标就是好好看看微分几何。
阅读全文
感觉有时候搞科研就像顺藤摸瓜一样，学着学着，就又看到了另一快开阔的天地。从本科时学基础数学，到硕士时跟着老板学计算机；从开始学二维数字图像，到后来学三维图形；做测地线时感觉到对于曲面的理论了解太匮乏，就开始重新看微分几何；就看到了流形的概念，接着前几天看了流形学习的几篇文章。
流形，感觉就是为了扩展线形的欧式空间，对于非线性的曲面，人们想到可以把这些复杂的曲面分成小块，局部可建立到欧式空间的同胚映射，可坐标化，而整体是可以拓扑同胚变换的。在流形上，人们还可以定义微分，这样就可以把原来只适用于欧式空间的很多方法移植到一般的流形上，如球面，圆柱侧面，及经过任意弹性变换后生成的曲面。比如NURBS的参数是定义在平面方块上，而要用NURBS进行复杂曲面的造型，就会遇到拼接这个麻烦的问题。王青就提出直接在一个复杂的流行空间上建立参数曲面，这样就会方便许多（《流行上参数曲面的理论和方法》）。
后来在google上搜索manifold，不知怎么的就找到了流形学习（manifold learing）的几篇文章，主要是讲如何从非线性的高维观测数据空间中提取出一个低维的嵌入流形。和主成分分析等线性方法相比，可以更好地处理非线性的问题。而且人们推断，大脑记忆认知的模式就是基于流行的模式（The Manifold Ways of Perception）。看了Isomap方法的一篇文章（发表在Science上的牛文，三个作者分别是搞心理学，数学，计算机），和我前一段时间做的测地线的工作也联系起来了，可以去找搞数据挖掘的老师一块做做。
文章来源:
http://tongj1981.blog.163.com/blog/static/29557931200764105320657