Document
拖动滑块完成拼图
个人中心

预订订单
服务订单
发布专利 发布成果 人才入驻 发布商标 发布需求

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 浙江大学邹强获国家专利权

浙江大学邹强获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉浙江大学申请的专利产品NURBS曲面映射逆向求解GPU并行处理方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN115730438B

龙图腾网通过国家知识产权局官网在2025-09-19发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202211447389.5,技术领域涉及:G06F30/20;该发明授权产品NURBS曲面映射逆向求解GPU并行处理方法是由邹强;包子恒;刘务设计研发完成,并于2022-11-18向国家知识产权局提交的专利申请。

产品NURBS曲面映射逆向求解GPU并行处理方法在说明书摘要公布了:本发明公开了一种产品NURBS曲面映射逆向求解GPU并行处理方法。输入产品给定的NURBS曲面、uv平面和三维点组;利用GPU并行计算NURBS曲面的每个分段的中间矩阵,并保存于GPU中;利用GPU并行构建NURBS曲面的细分树,并保存在GPU中;利用GPU并行地对所需映射的三维点组中的各个三维点和细分树之间进行处理,获得每个三维点在uv平面上对应的二维特征点。本发明利用曲面细分方法和牛顿迭代数值方法的两种方法来处理产品NURBS曲面映射特征点的问题,优化NURBS曲面的表示方式,在保证获取全局最优解的情况下提高产品曲面算法的收敛速度。

本发明授权产品NURBS曲面映射逆向求解GPU并行处理方法在权利要求书中公布了:1.一种产品NURBS曲面映射逆向求解GPU并行处理方法,其特点在于方法包括以下步骤: 1输入产品给定的NURBS曲面G、所需映射的uv平面和所需映射的三维点组P;其中将NURBS曲面G用双变量分段有理函数Su,v描述,u、v分别表示uv平面上的两个正交方向,NURBS曲面G被分段点分为多段,相邻两段之间以分段点划分; 2利用GPU并行计算NURBS曲面G的每个分段的中间矩阵,并保存于GPU中; 3利用GPU并行构建NURBS曲面G的细分树T,并保存在GPU中; 4利用GPU并行地对所需映射的三维点组P中的各个三维点Pi和细分树T之间进行处理,获得每个三维点Pi在uv平面上对应的二维特征点; 所述步骤2具体为: 针对NURBS曲面按照以下偏导数的矩阵形式进行求解获得NURBS曲面分别在u和v方向上的系数矩阵Nu和Nv: 其中,Sp,qu,v表示二维参数点u,v对应的NURBS曲面上的三维点,和表示二维参数点u,v对应的NURBS曲面在u,v方向上的一阶偏导,p和q分别表示NURBS曲面G在u,v方向上的阶数,n和m分别表示NURBS曲面G在u,v方向上的控制点个数U和V分别是NURBS曲面在u和v方向上的分段点矢量,Nu和Nv分别是NURBS曲面在u和v方向上的系数矩阵,H是NURBS曲面上的所有控制点组成的矩阵,up+1、vq+1分别表示分段点矢量U和V中第p+1和第q+1个分段点值; 然后计算中间矩阵NuHNvT并保存在GPU的常量内存区中; 所述步骤3中,利用GPU并行构建NURBS曲面G的细分树T的步骤如下: 3.1建立空白的当前层节点列表List和下一层节点列表NextList,当前层节点列表List和下一层节点列表NextList分别用于存储当前层和下一层的树节点; 3.2细分树T中的每个树节点均为一个位于uv平面上的1*1矩形区域,以位于uv平面原点的1*1矩形区域作为根节点R存入当前层节点列表List; 3.3并行处理当前层节点列表List中的每个树节点,对每个树节点执行细分操作,并将细分产生的新的树节点作为下一层的树节点进而存入下一层节点列表NextList; 3.4若下一层节点列表NextList不为空,则交换当前层节点列表List和下一层节点列表NextList,交换后清空下一层节点列表NextList,回到步骤3.3继续进行迭代处理; 若下一层节点列表NextList为空,则迭代处理结束,从而获得细分树T各个层次的树节点,并保存在GPU的常量内存区中。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人浙江大学,其通讯地址为:310058 浙江省杭州市西湖区余杭塘路866号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由AI智能生成
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。