EPAI手绘建模APP编辑NURBS

(9) 编辑NURBS

read-normal-img
图 246 编辑NURBS工具栏

① 编辑NURBS工具栏包括编辑样条曲线和样条曲面工具,通过交互式修改样条曲线和曲面的控制点、拟合点、其它参数,改变曲线和曲面的形状。更多详细参见另一篇文章《编辑曲线和曲面》。

② 编辑样条曲线,选择边,如果边是样条曲线类型的,则进入交互式编辑样条曲线模式。场景中通过圆点显示可以修改的点,虚线显示控制多边形的边。样条曲线分成贝塞尔曲线、控制点样条曲线、通用样条曲线,样条曲线,前面三种通过交互式修改控制点修改形状,最后一种通过交互式修改插值点修改形状。

read-normal-img
图 247 编辑NURBS曲线

1) 点选多个需要移动的控制点或者插值点。

2) 长按移动操作杆上的X、Y、Z轴激活后移动操作杆,将控制点或者插值点移动到需要的位置,控制多边形也发生了变化,样条曲线形状也发生了变化。

3) 也可以点选移动操作杆上的X、Y、Z轴弹出移动数值编辑器,设置数值后点击场景中空白地方完成输入,控制点或者插值点在X、Y、Z轴上移动设置距离,控制多边形也发生了变化,样条曲线形状也发生了变化。

4) 双击场景中空白地方,完成控制点或插值点位置修改,可以重新选择其它控制点或者插值点。

5) 点击完成编辑确定按钮,退出交互式编辑样条曲线模式。

③ 样条曲线添加控制点,选择边,如果边是样条曲线,则进入交互式添加控制点模式。一般情况下,添加控制点不会修改样条曲线形状。

read-normal-img
图 248 NURBS曲线添加控制点

1) 场景中通过圆点显示样条曲线的控制点,虚线显示控制多边形的边。

2) 长按直到出现十字光标,沿着样条曲线移动十字光标,样条曲线上有一个圆点也在移动,该圆点表示新的控制点添加的位置。

3) 移动到合适的位置后放手,完成控制点的添加。

4) 点击完成添加确定按钮,退出交互式添加控制点模式。

5) 进入编辑样条曲线模式,检查是否添加成功。

④ 样条曲线删除控制点,选择边,如果边是样条曲线,则进入交互式删除控制模式。

read-normal-img
图 249 NURBS曲线删除控制点

1) 场景中通过圆点显示样条曲线的控制点,虚线显示控制多边形的边。

2) 长按直到出现十字光标,沿着样条曲线移动十字光标,样条曲线上有一个圆点也在移动,要删除的控制点即是该圆点前面一个控制点或者后面一个控制点。一般情况下,删除控制点后,样条曲线会变得简单一些,平滑一些。

3) 移动到合适的位置后放手,完成控制点的删除。

4) 点击完成删除确定按钮,退出交互式删除控制点模式。

5) 进入编辑样条曲线模式,检查是否删除成功。

⑤ 重建样条曲线,选择样条曲线;设置重建后样条曲线的度数和控制点个数。度数和控制点个数都会影响样条曲线的形状。度数越大,样条曲线越平滑,通过控制点局部修改样条曲线时,控制点两边受影响范围越大;控制点个数越大,越好局部修改样条曲线。

read-normal-img
图 250 重建NURBS曲线

⑥ 编辑样条曲面,选择面,如果面是样条曲面类型的,则进入交互式编辑样条曲面模式。场景中通过圆点显示可以修改的控制点,虚线显示控制网格。

read-normal-img
图 251 编辑NURBS曲面

1) 点选多个需要移动的控制点。

2) 长按移动操作杆上的X、Y、Z轴激活后移动操作杆,将控制点移动到需要的位置,控制网格也发生了变化,样条曲面形状也发生了变化。

3) 也可以点选移动操作杆上的X、Y、Z轴弹出移动数值编辑器,设置数值后点击场景中空白地方完成输入,控制点在X、Y、Z轴上移动设置距离,控制多边形发生了变化,样条曲面的形状也发生了变化。

4) 或者,点选曲面上任意一个位置,曲面UV方向上各显示了一条曲线用来显示控制线。然后移动该位置,移动该位置也会影响控制网格形状和样条曲面形状。

5) 移动控制点或者曲面上任意一个点都会修改曲面形状,曲面U或者V方向的度数越大,移动的距离越大,曲面U或者V方向形变越大。

6) 双击场景中空白地方,完成控制点或者曲面上点位置修改,可以重新选择其它控制点或者曲面上的。

7) 点击完成编辑确定按钮,退出交互式编辑样条曲面模式。

⑦ 样条曲面添加控制点,选择面,如果是样条曲面,则进入交互式添加控制点模式。一般情况下,添加控制点不会改变样条曲面形状。

read-normal-img
图 252 NURBS曲面添加控制点

1) 场景中通过圆点显示样条曲面的控制点,虚线显示控制网格。控制网格由U和V方向曲线交错形成,控制网格上的每个点即是一个控制点。

2) 设置是在U方向还是V方向添加控制点。长按直到出现十字光标,沿着曲面移动十字光标,样条曲面上U或V方向上有一条曲线移动,同时在V或U方向网格线上有一个圆点移动,移动的曲线表示要在此曲线上添加多个控制点,移动的圆点表示添加的控制点的U或V方向坐标和此圆点一样。

3) 移动到适合的位置后放手,完成控制点的添加。

4) 点击完成确定按钮,退出交互式添加控制点模式。

5) 进入编辑样条曲面模式,检查是否添加成功。

⑧ 样条曲面删除控制点,选择面,如果是样条曲面,则进入交互式删除控制点模式。一般情况下,删除控制点会改变样条曲面形状,曲面会变得更加平滑。

read-normal-img
图 253 NURBS曲面删除控制点

1) 场景中通过圆点显示样条曲面的控制点,虚线显示控制网格。控制网格由U和V方向曲线交错形成,控制网格上的每个点即是一个控制点。

2) 设置是删除U方向还是删除V方向上的控制点。长按直到出现十字光标,沿着曲面移动十字光标,样条曲面上U或V方向上有一条曲线移动,同时在V或U方向网格线上有一个圆点移动,移动的曲线表示要删除此曲线上所有控制点,移动的圆点表示删除的控制点的U或V方向坐标和此圆点一样。

3) 移动到合适的位置后放手,完成控制点的删除。

4) 点击完成确定按钮,退出交互式删除控制点模式。

5) 进入编辑样条曲面模式,检查是否删除成功。

⑨ 重建样条曲面,选择样条曲面;设置重建后样条曲面U和V方向度数、U和V方向控制点个数。U和V方向度数和控制点个数都会影响样条曲面的形状。度数越大,样条曲面越平滑,通过控制点局部修改曲面形状时,控制点两边受影响范围越大;控制点越多,越好局部修改样条曲面。

read-normal-img
图 254 重建NURBS曲面

⑩ 曲面U反向,选择一个曲面模型。U方向反向。

⑪ 曲面V方向,选择一个曲面模型。V方向反向。

⑫ 连接曲面,选择第一个面;选择第二个面,第一个面和第二个面要有一个公共面,否则连接曲面失败。设置连接选项。连接曲面成功后,两个面合并成一个面。更多详细参见另一篇文章《曲面生成方式知多少》。

read-normal-img
图 255 连接曲面

⑬ 覆盖曲面,选择一条闭合曲线作为覆盖曲面的外轮廓;选择多条边作为覆盖曲面需要经过的骨架线。生成覆盖曲面后,可以用编辑模型的分割面工具利用外轮廓边分割覆盖曲面,然后用编辑模型的删除子模型工具删除多余面,得到一个有效的曲面。更多详细参见另一篇文章《曲面生成方式知多少》。

read-normal-img
图 256 覆盖曲面

更多关于APP内容可以跳转到OCC中文网 手绘建模 - OCC中文网 查看。

  • 31
    点赞
  • 27
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值