模型检测和评定在动态虚拟生物建模中的应用

doi:10.3778/j.issn.1002-8331.2009.28.056

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (28): 187-189.DOI: 10.3778/j.issn.1002-8331.2009.28.056

• 图形、图像、模式识别 • 上一篇下一篇

模型检测和评定在动态虚拟生物建模中的应用

孙立镌，张栋梁，马程瑞

哈尔滨理工大学计算机科学与技术学院，哈尔滨 150080

收稿日期:2008-05-28 修回日期:2008-09-04 出版日期:2009-10-01 发布日期:2009-10-01
通讯作者: 孙立镌

Application of model match detection and evaluation in dynamic virtual biology modeling

SUN Li-quan，ZHANG Dong-liang，MA Cheng-rui

Computer Science & Technology College，Harbin University of Science and Technology，Harbin 150080，China

Received:2008-05-28 Revised:2008-09-04 Online:2009-10-01 Published:2009-10-01
Contact: SUN Li-quan

摘要/Abstract

摘要： 针对现在虚拟生物模型中存在真实度不够，构造的模型特征不能满足自然的生物法则等问题，根据系统模型的复杂度，模型内的各要素之间存在着很强的交互性和协作性等特点，提出了一种基于模型检测和特征差异度评定的动态虚拟生物建模方法。这种方法缩小了所构建的模型和真实生物特征之间的差距，从而提高了用户在虚拟现实系统中的沉浸感；并通过实验证实了该构造模型机制的可行性和有效性。

关键词: 虚拟生物模型, 检测, 差异度评定, 沉浸感

Abstract: According to the existing problems that virtual biology model lacks sense of reality and the constructed model can not satisfy natural biological rule，based on the complexity of the system model and the characteristics of strong alternation and cooperation between various essential factors，this paper proposes a dynamic virtual biology modeling based on model detection and evaluation of different characteristics.This method narrows the distance between the constructed model characteristics and real biological characteristics，so which improves the sense of immersion of users in virtual reality system.The feasibility and validity of the proposed constructing model mechanism is confirmed through the experiment.

Key words: virtual biology model, detection, evaluation of differences, sense of immersion

中图分类号:

TP391

孙立镌，张栋梁，马程瑞. 模型检测和评定在动态虚拟生物建模中的应用[J]. 计算机工程与应用, 2009, 45(28): 187-189.

SUN Li-quan，ZHANG Dong-liang，MA Cheng-rui. Application of model match detection and evaluation in dynamic virtual biology modeling[J]. Computer Engineering and Applications, 2009, 45(28): 187-189.

[1]	包志强，邢瑜，吕少卿，黄琼丹. 改进YOLO V2的6D目标姿态估计算法[J]. 计算机工程与应用, 2021, 57(9): 148-153.
[2]	周伦钢，孙怡峰，王坤，吴疆，黄维贵，李炳龙. 目标多种多值属性的端端快速识别网络[J]. 计算机工程与应用, 2021, 57(9): 182-190.
[3]	朱鉴，刘培钰，陈炳丰，蔡瑞初. 结合相似块匹配与最小值滤波的图像去雨[J]. 计算机工程与应用, 2021, 57(9): 191-198.
[4]	张朕通，单玉刚，袁杰. 联合多尺度和注意力机制的遥感影像检测[J]. 计算机工程与应用, 2021, 57(9): 212-216.
[5]	马珺，王昱皓. 结合自适应更新策略和再检测技术的跟踪算法[J]. 计算机工程与应用, 2021, 57(9): 217-224.
[6]	吴文龙，周喜，王轶，王保全. WKAG：一种针对不平衡医保数据的欺诈检测方法[J]. 计算机工程与应用, 2021, 57(9): 247-254.
[7]	王博，宋丹，王洪玉. 无人机自主巡检系统的关键技术研究[J]. 计算机工程与应用, 2021, 57(9): 255-263.
[8]	冉蓉，徐兴华，邱少华，崔小鹏，欧阳斌. 基于深度卷积神经网络的裂纹检测方法综述[J]. 计算机工程与应用, 2021, 57(9): 23-35.
[9]	徐少杰，曹雏清，王永娟. 视觉SLAM在室内动态场景中的应用研究[J]. 计算机工程与应用, 2021, 57(8): 175-179.
[10]	李明山，韩清鹏，张天宇，王道累. 改进SSD的安全帽检测方法[J]. 计算机工程与应用, 2021, 57(8): 192-197.
[11]	潘沛鑫，潘中良. 结合显著性的主动轮廓图像分割[J]. 计算机工程与应用, 2021, 57(8): 225-230.
[12]	郭晓静，隋昊达. 改进YOLOv3在机场跑道异物目标检测中的应用[J]. 计算机工程与应用, 2021, 57(8): 249-255.
[13]	董鹏，周烽，赵悰悰，王亚飞，米泽田，付先平. 基于双目视觉的水下海参尺寸自动测量方法[J]. 计算机工程与应用, 2021, 57(8): 271-278.
[14]	许德刚，王露，李凡. 深度学习的典型目标检测算法研究综述[J]. 计算机工程与应用, 2021, 57(8): 10-25.
[15]	王兵，乐红霞，李文璟，张孟涵. 改进YOLO轻量化网络的口罩检测算法[J]. 计算机工程与应用, 2021, 57(8): 62-69.

模型检测和评定在动态虚拟生物建模中的应用

Application of model match detection and evaluation in dynamic virtual biology modeling

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics