XiaoMi-AI文件搜索系统
World File Search Systempolyhedral
提高机载激光雷达点云自动重建三维复杂建筑物模型的精度
摘要：由于各种 3D 空间数据应用对数据量和质量的要求很高，需要自动化、高效和可靠的数据采集和预处理方法。使用摄影测量技术以及光检测和测距 (LiDAR) 自动扫描仪是其中很有吸引力的解决方案。然而，测量数据是以无序点云的形式出现的，通常需要转换为基于多边形或多面体表面的高阶 3D 模型，这不是一个简单的过程。该研究提出了一种新开发的算法，用于校正来自机载 LiDAR 对规则 3D 建筑物的测量的 3D 点云数据。所提出的方法假设在应用规则的泊松曲面重建方法之前应用一系列导致 3D 光栅化的操作，即创建和处理对象的 3D 规则网格表示。为了验证重建对象的准确性和质量，以便与获得的 3D 模型进行定量比较，使用了高质量的地面真实模型，其形式是通过摄影测量构建的网格，并使用建筑物建筑平面图手动制作。所呈现的结果表明，应用所提出的算法对结果的质量有积极影响，并且可以与现有的表面重建方法结合使用，以便从 LiDAR 扫描生成更详细的 3D 模型。
结构保留了神经退行性疾病的数值建模的多面不连续的盖金方法
抽象的许多神经退行性疾病与错误折叠的Prionic proins的传播有关。在本文中，我们分别分析了与帕金森氏症和阿尔茨海默氏病有关的α-羟基核蛋白和淀粉样蛋白β的错误折叠和扩散过程。我们引入并分析了一种阳性的数值方法，用于离散Fisher-Kolmogorov方程，建模积累和Prionic蛋白的扩散。提出的近似方法基于关于多边形和多面体网格的不连续的Galerkin方法，用于空间离散化和ϑ - 方法时间积分方案。我们证明了离散解决方案的存在和一个收敛结果，其中使用隐式欧拉方案进行时间整合。我们表明，所提出的方法是在结构上提供的，从某种意义上说，它可以保证离散解决方案是非负的，这在实际应用中至关重要。我们的数值模型的数字验证既是使用制成的解决方案，又是考虑二维多边形网格中的波前传播。接下来，我们提出了在矢状平面中二维脑切片中扩散的α-突触核蛋白的模拟。该模拟的多边形网格被凝聚为维持白色和灰质的区别，利用了polydg方法在网格结构中的灵活性。我们的数值模拟证实了所提出的方法能够捕获帕金森氏症和阿尔茨海默氏病的演变。最后，我们通过使用从磁共振图像重建的三维几何形状和从正电子发射断层扫描重建的初始条件来模拟淀粉样蛋白β在患者特异性设置中的扩散。
结构保留了神经退行性疾病的数值建模的多面不连续的盖金方法
抽象的许多神经退行性疾病与错误折叠的Prionic proins的传播有关。在本文中，我们分别分析了与帕金森氏症和阿尔茨海默氏病有关的α-羟基核蛋白和淀粉样蛋白β的错误折叠和扩散过程。我们引入并分析了一种阳性的数值方法，用于离散Fisher-Kolmogorov方程，建模积累和Prionic蛋白的扩散。提出的近似方法基于关于多边形和多面体网格的不连续的Galerkin方法，用于空间离散化和ϑ - 方法时间积分方案。我们证明了离散解决方案的存在和一个收敛结果，其中使用隐式欧拉方案进行时间整合。我们表明，所提出的方法是在结构上提供的，从某种意义上说，它可以保证离散解决方案是非负的，这在实际应用中至关重要。我们的数值模型的数字验证既是使用制成的解决方案，又是考虑二维多边形网格中的波前传播。接下来，我们提出了在矢状平面中二维脑切片中扩散的α-突触核蛋白的模拟。该模拟的多边形网格被凝聚为维持白色和灰质的区别，利用了polydg方法在网格结构中的灵活性。我们的数值模拟证实了所提出的方法能够捕获帕金森氏症和阿尔茨海默氏病的演变。最后，我们通过使用从磁共振图像重建的三维几何形状和从正电子发射断层扫描重建的初始条件来模拟淀粉样蛋白β在患者特异性设置中的扩散。