研究背景和动机 对于无线传感器网络中间件的研究动机，源于上层应用需求和下层基础结构之特征间的矛盾。具体地讲就是：一方面，基于无线传感器网络的普适计算应用对于系统灵活性、可复用性、可靠性等需求日益增加；而另一方面，无线传感器网络的有限资源约束、动态结构、复杂嵌入式操作系统和硬件编程接口等特征为满足上述需求带来了阻碍。无线传感器网络中间件可以从多个方面解决上述矛盾。首先，它提供了系统抽象，屏蔽了底层硬件和网络平台的复杂性、异构性，使得程序的开发者可以更加专注于应用逻辑，而不再需要了解底层的实现细节。其次，它提供了可以被重用的服务，例如：代码更新服务、数据过滤服务等。使得开发者可以灵活地部署应用而不需要重复开发复杂繁琐的功能模块。最后，它提供有效的资源管理和维护、系统集成监控方法，从而增强了应用执行的可预测性。虽然中间件已经是一个比较成熟的研究课题，但是，由于诸多原因，传统的中间件技术并不能被直接应用于无线传感器网络领域。例如，大部分传统分布式系统中间件技术都旨在提供屏蔽上下文信息的系统抽象，但是无线传感器网络应用经常需要上下文信息。又如，虽然许多移动计算中间件是下文敏感的，但是那些研究的主要关注点在于如何为移动的节点本身提供连续的服务。然而，无线传感器网络系统研究关注点在于如何在有节点移动的情况下，为整个上层应用提供连续的服务。又如，在无线传感器网络中，数据可以在中间节点聚集和融和。传统的分布式系统中间件的数据服务没有对这个性质的良好支持。再如，因为无线传感器网络中间件需要运行在资源有限的传感器节点上，所以它必须是轻量级的。总之，对于无线传感器网络的研究，是一个新的有意义的课题。 本文的创新点 近年来，涌现了很多对于无线传感器网络中间件的研究工作。这些研究的目的和角度各不相同。现有的综述文章仅从不同的侧面总结了当前该领域的研究成果。它们有的着重讨论了不同的编程范例，有的着重讨论了不同的中间件运行时支持，有的着重讨论了某一个类型的服务。它们没有给出一个统一的无线传感器网络中间件参考模型，也没对一些重要的实现技术的给予归纳和总结。这篇综述概括了近期无线传感器网络中间件研究领域的主要工作。和现有的相关综述文章相比较，它有如下优势：首先，它提出了无线传感器网络中间件体系结构参考模型。模型清晰地定义了无线传感器网络中间件的关键组成部分及其之间的关系。其次，它详细地回顾和探讨了现有研究工作中涉及到主要的方法、关键实现技术和挑战性问题。再次，它提出了基于特征树的分类框架，用以表述无线传感器网络中间件的特征和这些特征之间的关系。并且，它给出了基于该特征树的对于现有工作的分类结果，从而帮助读者进一步理解和把握该领域的研究现状。最后，它总结了值得关注的问题，展望了该领域的研究前景和研究方向。

1．本文的创新点梯度域网格变形技术是目前国际上网格变形领域的研究热点。通过将三维网格表示在梯度域中，梯度域网格变形技术能够很好地在大尺度变形中保持网格原有的细节特征，得到高质量的变形结果。本文对梯度域网格变形技术进行了深入的研究，并基于求解方式将梯度域变形技术分为两大类：线性化方法和非线性优化方法。本文对这两种方法都进行了深入探讨，并对其优缺点进行了详尽分析，期望能够帮助研究者迅速地了解和掌握这一当前热门的网格变形技术。

2．实现方法梯度域网格变形技术以泊松方程为其理论基础，其变形算法的特点是将用户输入转化为对网格上梯度向量场的操作，并通过泊松方程重建变形过后的网格。由于梯度向量场有效地表达了原始网格的细节特征，因此，重建的变形网格能够很好的保持原有的细节特征。梯度域网格变形技术中的一个关键性技术问题是如何计算目标梯度向量场以得到高质量的变形结果。根据对这一问题求解方式的不同，本文将梯度域变形技术分为两大类：线性化方法和非线性化优化方法。 线性化方法的特点是要求用户在界面上输入旋转以估计目标向量场，从而通过泊松方程得到变形过后的网格。其代表方法有：测地线插值法，调和映射插值法，基于刚体变换下不变量的显式计算法，以及相似变换线性化法。这些方法的特点是实现较为简单，且能够在旋转不大的情况下得到较为满意的变形结果。本文对线性化方法及其衍生算法做了详细描述。 非线性优化方法则期望通过迭代直接得到目标向量场。它不要求用户在界面上输入旋转，并且理论上能够保证得到最优的变形结果。 此外，非线性优化方法还可以实现各种非线性约束，例如：骨骼约束，体积约束等。其代表方法有：非精确高斯牛顿迭代法，对偶拉普拉斯坐标法，以及基于变形句柄的简化模型法。除了对上述方法进行了详细描述以外，本文还对非线性优化方法在变形传递技术(Deformation Transfer)和空间变形技术中的应用进行了介绍。

3．结论及未来待解决的问题梯度域网格变形技术中的线性化方法较非线性优化方法简单，易于实现，且速度上具有优势，但是产生的变形结果非最优结果。非线性化优化方法理论上可以保证最优结果，并且可以实现各种变形中需要的约束，例如：骨骼约束，体积约束等。但是其实现复杂，且速度较线性方法慢。用户可以根据具体应用选择变形算法。对结果要求较高且变形尺度大可选用非线性优化方法。如果追求速度，则可选用线性化方法。梯度域网格变形技术将来发展的一个可能方向是应用非线性优化方法去解决复杂模型的变形问题，例如非流形网格的变形，或者具有很多独立部件的三维模型的变形。