- •10.Перспективные изображения как результат центрального проецирования.
- •11.Видовое преобразование как аппарат построения аксонометрических изображений.
- •12.Перспективное преобразование и её проективная концепция.
- •13.Внутреннее компьютерное представления каркаса геометрической модели.
- •14.Аппроксимация. Непараметрические функции. Параметрические функции
- •15.Аппроксимация окружности. Параметрическое представление функции
- •16.Аппроксимация. Параметрическое представление функции эллипса.
- •17.Интерполяция. Кривые Безье.
- •18.Интерполяция. Интерполяция полиномами.
- •19.!Интерполяция. Сплайн–поверхность
- •20.Интерполяция. Гладкий кубический сплайн.
- •21.!Генерация файла для геометрического объекта «тор».
- •22.Основная концепция решения задач загораживания.
- •23.!Известные методы решения задач загораживания.
- •24.Метод переборного типа.
- •25.Метод Z–буфера.
- •26.Метод билинейной интерполяции Гуро.
- •27.Метод билинейной интерполяции Фонга.
- •28.!Локальные геометрические характеристики для плоской фигуры
- •29.Локальная геометрическая модель
- •30.Понятие однородных координат. Полное представление локальной функции.
- •31.Свойства локальной функции.
- •32.Область значений функции. Область значений функции для плоской фигуры.
- •33.Воксельная геометрическая модель на основе локальных геометрических характеристик.
- •34.Функционально–воксельная согласованность модели
- •35.Точность компьютерного представления функционально–воксельной модели.
- •36.Т–преобразование или пространственный сдвиг функционально-воксельной модели.
- •37.R–преобразование или пространственный поворот функционально воксельной модели
- •38.M–преобразование или пространственное масштабирование функционально–воксельной модели.
- •39.Функционально–воксельная сумма, разность.
- •40.Возведение в степень. Взятие под корень. Взятие по модулю в локальной геометрии.
- •41.Функционально–воксельное умножение/деление.
- •42.Применение функционально–воксельных моделей в решении простых уравнений с функциями.
- •44.Воксельное порождение дифференциальных М–образов.
- •45.Функционально–воксельное интегральное исчисление. Площадь единичного круга, или приближение к числу π.
- •47.Функционально–воксельное интегральное исчисление. Определение значения интеграла функционально–воксельным методом.
- •48.Аналитическая геометрия. Прямая и обратная задача.
- •49.Моделирование геометрических объектов алгебраическими функциями. R–функциональное моделирование.
- •50.R–функциональное моделирование локальной геометрии.
- •51.Булевы функции и их геометрическая интерпретация.
- •52.Формальное определение R–функций.
- •53.Примеры R–функционального моделирования. Разобрать свой пример.
- •54.Описание области алгебраической функции для кривой Безье.
- •55.Применение рекурсивного алгоритма Поля де Кастельжо для построения алгебраической функции кривой Безье
- •56.Алгоритм билинейной интерполяции компонентов вектора нормали в узловых точках триангулированной сетки (алгоритм Фонга).
- •57.Объёмная интерполяция. Применение гомотопии на основе линейного многочлена С.Н. Бернштейна.
- •58.Алгоритм локальной оптимизации. Градиентный спуск.
- •59.Решение задач математического программирования в локальной компьютерной геометрии.
- •60.Автоматизация решения МП–задач методом ФВМ.
- •61.Решение нелинейных МП–задач методом ФВМ.
- •62.Длина дуги. Нахождение площади сегмента поверхности сложной формы.
- •63.Локализация площадок на сложных поверхностях.
- •64.Конструкция минимизации в решении САУ в локальной геометрии.
- •65.Решение обыкновенных дифференциальных уравнений в локальной геометрии.
- •66.Функционально–воксельное моделирование задачи Коши.
● Единообразное описание сложных геометрических объектов.
● Возможность автоматического выделения и анализа произвольных сегментов поверхности.
● Наглядную визуализацию результатов в виде V-представлений и цветового выделения.
64.Конструкция минимизации в решении САУ в локальной геометрии.
Система алгебраических уравнений приводится к задаче минимизации одной функции. Для системы:
строится функция ω.
Каждое уравнение f i(X)=0 рассматривается как сечение поверхности ωi =fi(X) на уровне ωi=0. Для автоматического определения точек, удовлетворяющих уравнению, используется переход к модулю:ω i= fi(X) .
Функция ωi= fi(X) имеет излом минимальных значений
на множестве
точек, где fi(X)=0. Вне этого множества значения
возрастают. Сумма модулей всех уравнений системы:
образует поверхность, единственная точка нулевого минимума которой (если система имеет единственное решение) соответствует пересечению всех исходных поверхностей fi(X)=0.
Метод решения с помощью ФВМ ● Функция ω представляется в виде функционально-воксельной модели
(ФВМ).
● Для нахождения минимума ω→0 применяется градиентный спуск по M-образам.
● Точки, в которых ω принимает нулевые (или близкие к нулю) значения, являются решениями системы.
65.Решение обыкновенных дифференциальных уравнений в локальной геометрии.
Один из графических методов решения обыкновенного дифференциального уравнения ′ = ( , ) основан на построении изоклин, определяемых как линия фиксированной величины производной. При этом, автоматизация такого подхода требует генерации тангенциальной поверхности в пространстве и построения на ней изолиний, посечённых однонаправленными отрезками (касательными к интегральной кривой).
В функционально-воксельном методе (ФВМ) этот подход автоматизируется с использованием M-образов.
Производная y′ интерпретируется как отношение косинусов углов отклонения единичного градиентного вектора от осей Ox и Oy:
где α и β — углы отклонения вектора нормали от осей Ox и Oy.
Косинусные величины cosα и cosβ нормированы на промежутке [−1;1], что позволяет представить их в виде цветовой палитры [0 … 255] и хранить в виде растровых образов:
Эти образы называются M-образами и содержат полную информацию о тангенциальном поле.
Алгоритм построения интегральной кривой по двум M-образам
1. Задаётся область определения x [X min,X max],y [Y min,Y max] и
разрешение M-образов X bmp×Y bmp.
2. Вычисляются коэффициенты масштабирования:
3. Начальная точка (например, начало координат) пересчитывается в координаты M-образа:
4. Для текущей точки определяются цвета Color1 и Color2 на M-образах, по которым восстанавливаются косинусы:
5. Вычисляется третья компонента градиента в окрестности точки:
6. Определяется следующая точка интегральной кривой:
7. Процесс повторяется до достижения границы области. Решение уравнений второго порядка.
Уравнение второго порядка
приводится к системе первого порядка подстановкой
. Получается уравнение:
Затем применяется ФВ-метод, аналогичный случаю первого порядка, с учётом возможных разрывов при v=0.
66.Функционально–воксельное моделирование задачи Коши.
Рассматривается однородное дифференциальное уравнение в частных производных вида
с начальным условием
Аналитическое решение имеет вид
ФВМ представляет искомую функцию z(x,y) в виде области локальных функций
где (n1,n2,n3,n4) — локальные геометрические характеристики. На компьютере эти характеристики отображаются в виде M-образов (M1,M2,M3,M4). Начальное условие z(0,y)=3y+2 задаёт сечение искомой поверхности при x=0. Это позволяет определить частную производную dz/dy на этом сечении:
где h — шаг аппроксимации.
Если локальная функция представлена как a1x+a2y+a3z+a4=0, то частные производные выражаются через её коэффициенты:
Коэффициент a3 вычисляется через координаты трёх точек аппроксимационного треугольника:
Вычисление коэффициентов локальной функции
Используя значения частных производных в точке (x1,y1,z1), коэффициенты определяются по формулам:
Значение z1 на первом шаге вычисляется по начальному условию, на последующих — через коэффициенты локальной функции.
Для каждого узла аппроксимационной триангулированной сетки вычисляются локальные геометрические характеристики методом ФВМ. Область решения заполняется локальными функциями
На компьютере эта область представляется соответствующими M-образами. Полученные M-образы сравниваются с эталонными образами, построенными по аналитическому решению. Визуальное совпадение и численная оценка узловых значений подтверждают корректность работы алгоритма.
Для угловых точек заданной области x [0,1],y [0,1] вычисляются значения функции и её частных производных. Сравнение с аналитическими значениями показывает приемлемую точность метода.
