CN105957148B - 一种复杂三维建筑物模型的粒度均衡数据组织方法 - Google Patents
一种复杂三维建筑物模型的粒度均衡数据组织方法 Download PDFInfo
- Publication number
- CN105957148B CN105957148B CN201610336196.0A CN201610336196A CN105957148B CN 105957148 B CN105957148 B CN 105957148B CN 201610336196 A CN201610336196 A CN 201610336196A CN 105957148 B CN105957148 B CN 105957148B
- Authority
- CN
- China
- Prior art keywords
- data
- granularity
- component
- dimensional
- geometric
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V30/00—Character recognition; Recognising digital ink; Document-oriented image-based pattern recognition
- G06V30/10—Character recognition
- G06V30/26—Techniques for post-processing, e.g. correcting the recognition result
- G06V30/262—Techniques for post-processing, e.g. correcting the recognition result using context analysis, e.g. lexical, syntactic or semantic context
- G06V30/274—Syntactic or semantic context, e.g. balancing
Abstract
本发明公开了一种复杂三维建筑物模型的粒度均衡数据组织方法,打开三维城市建筑物数据模型文件,获取三维城市建筑物数据模型的几何数据和纹理数据;基于语义分类信息解析模型各种类型的部件,实现对三维城市建筑物数据模型中部件语义信息的提取。以几何数据和纹理数据在内存中所占的存储空间代表数据量。基于部件的语义、几何和纹理进行部件组织粒度的计算。采用自上而下建立R树索引的方法实现对三维建筑物模型数据的组织,规定叶节点的组织粒度范围以保证叶节点的均衡性,面向三维建筑物模型的粒度均衡的R树索引构建完毕。从粒度均衡的角度出发,基于部件的语义对节点中的数据量进行调整和控制,从而实现数据组织粒度均衡的目标。
Description
技术领域
本发明属于地理空间信息系统技术领域,具体为一种复杂三维建筑物模型的粒度均衡数据组织方法。
背景技术
在三维数字城市建设中,随着三维模型数据量的几何级数增长,海量数据组织与管理方法已经成为研究热点。大规模的三维场景数据内容兼具复杂性和海量性两个特点,主要表现在三维模型不同的精细程度、三维对象的种类和数量繁多以及它们在三维场景中的随机分布、离散和聚集程度在空间上不均衡等方面。三维模型数据的空间分布、空间关系以及几何形态间的各种差异,使得大规模三维模型数据的高效组织和管理成为地理信息系统领域亟待解决的热点问题。
目前三维模型数据的组织方法可以分为完整场景的空间结构组织和模型对象的内部组织两个部分。空间结构组织是指将整个场景空间划分为多个数据分块,通过数据块之间的逻辑关系形成场景的组织层次,减少场景组织结构的遍历代价,从而快速寻找到当前视点下的可视化数据块;模型对象的内部组织结构是指构成该模型对象或节点的数据组织形式,例如几何点、几何面以及纹理的坐标值等。现有的很多方法,在组织模型对象的内部结构时,多以对象的外包围盒为基础建立空间索引组织,对象的纹理则以图片形式单独存储,作为对象集合信息的材质属性进行绘制表达,在完成对几何数据的加载与解析后才能提取相应的材质和纹理信息,不能实现几何与纹理的统一;或者没有考虑对象的语义以及对象之间的复杂性差异,在剖分三维空间时,将具有完整语义的对象切割并分开存储,为三维模型的调度和绘制带来了困难。综上所述,进行大规模三维模型数据的组织时,需要确定适合三维模型数据的组织和管理的基本粒度单元,保证对象的语义的完整性,选择最适合该模型的空间索引进行数据组织,实现几何与纹理的统一管理和调度,满足对大规模三维数据模型的应用和分析。
现有的三维数据模型的组织方法是通过对三维空间剖分实现的,虽然在大范围视场中保持了空间范围上的均匀性,但是分割得到的节点中包含的数据量却可能存在极大的不平衡性。鉴于此,构建一种基于粒度均衡的三维数据模型的组织方法成为解决大规模三维数据组织和管理的关键所在。本发明首先基于语义分类信息解析模型的部件,统一考虑几何和纹理的存储数据量,根据权重计算部件的组织粒度,最后构建顾及空间邻近性的三维R树,并通过语义约束对三维R树节点中的部件进行调整从而实现粒度均衡的组织结构。
目前,常用的三维数据的组织方法主要有以下两种:
(1)基于R树索引的三维数据组织方法
该方法基于R树分割方法对三维空间进行划分,将划分结果插入R树形成层次结构来组织三维数据。这种方法的优点是能够根据目标数据自动调整索引结构,适应空间数据分布的特点,但是R树索引建立时节点重叠现象严重,兄弟节点之间粒度不均衡现象十分突出,使得R树集成多细节层次模型的实用性很差,不能满足可视化精度要求。该方法在下列文献中均有论述:GuttmanA.R-Tree:A Dynamic Index Structure for SpatialSearching.ACM SIGMOD,Massachusetts,1984.Beckmann N.The R*-Tree:An Efficientand Robust Access Method for Points and Rectangles.ACM SIGMOD,Atlantic,1990.龚俊,朱庆,章汉武,等.基于R树索引的三维场景细节层次自适应控制方法.测绘学报,2011.
(2)基于八叉树索引的数据组织
该方法以八叉树为基础,对空间进行均匀分割得到索引实现对数据的组织。八叉树具有快速收敛的能力,算法实现相对简单,但当数据量巨大时,空间划分的最小粒度确定比较困难,划分粒度过大或过小都会导致数据组织效率降低。而且其等分的划分依据,使得数据重心有所偏斜,兄弟节点之间粒度不均衡导致分支结构的深度不同。该方法在下列文献中均有论述:马晓晨,孔小利.基于深度八叉树的三维数据场LOD可视化.计算机应用,2010.黄淼,张海超,李超,等.基于深度八叉树空间分割的k近邻搜索算法.计算机应用,2008.
以上两种的数据组织方法在三维空间剖分中应用广泛,剖分结果在空间范围上保持了均匀性,但是却没有考虑到节点数据量均衡性的问题。有些学者也在均衡性问题上做了相应的研究,比如通过建立多级混合索引、动态构建索引树等方法来控制均衡性。
发明内容
本发明的目的在于提供一种从粒度均衡的角度出发,基于部件的语义对节点中的数据量进行调整和控制,从而实现数据组织粒度均衡的目标,针对三维建筑物模型数据组织难以实现粒度均衡的问题,基于三维建筑物模型数据量巨大、几何和纹理复杂多样、个体间差异大的特点,提出了一种面向三位建筑物模型的粒度均衡数据组织方法以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种复杂三维建筑物模型的粒度均衡数据组织方法,包括以下步骤:
步骤1,打开三维城市建筑物数据模型文件,获取三维城市建筑物数据模型的几何数据和纹理数据;
步骤2,基于语义分类信息解析模型各种类型的部件,实现对三维城市建筑物数据模型中部件语义信息的提取;
步骤3,以几何数据和纹理数据在内存中所占的存储空间代表数据量,采用几何数据与纹理数据自动配准算法统一部件的几何数据与纹理数据,分别计算部件的几何数据量g和纹理数据量p;
步骤4,基于部件的语义、几何和纹理进行部件组织粒度的计算;
步骤5,采用自上而下建立R树索引的方法实现对三维建筑物模型数据的组织,规定叶节点的组织粒度范围以保证叶节点的均衡性,基于部件的语义对不符合范围要求的叶节点中的部件进行调整,所有部件都聚集成为叶节点后,把最终生成的符合组织粒度的叶节点插入R树;
步骤6,面向三维建筑物模型的粒度均衡的R树索引构建完毕,退出算法。
优选的,步骤3中几何数据包括点数据和面数据。
优选的,步骤3中纹理数据以图片格式进行存储,在内存中所占的存储空间与图片大小和像素有关。
优选的,步骤3中部件的几何数据量g和纹理数据量p的计算方法包括以下步骤:
步骤3.1,采用几何数据与纹理数据自动配准算法,在三角网格模型的基础上,根据每个三角面片的三个顶点所对应的纹理值,利用坐标重心加权的方法实现三角面片纹理的配准与显示;
步骤3.2,计算部件的几何数据量,三维模型的几何数据包括点数据(x,y,z,u,v)和面数据(p1,p2,p3),其中x、y和z为点的三维坐标,u和v是点的纹理坐标,每个值在内存中占两个字节,则部件点数据的几何数据量g1=点的数量*5*2Byte;三维模型的三角面片是由点按一定顺序构成的,为了避免数据冗余,面数据用p1、p2和p3三个点索引来表示,每个索引在内存中占8个字节,则面数据的几何数据量g2=面的数量*3*8Byte,几何数据量g=g1+g2;
步骤3.3,计算部件的纹理数据量;纹理数据一般是以图片格式进行存储,在内存中所占的存储空间与图片大小和像素有关,纹理数据量p=纹理图片宽度*纹理图片长度*8Byte/像素值。
优选的,步骤4中部件组织粒度的具体计算步骤如下:
步骤4.1,以几何数据和纹理数据在内存中所占存储空间为基准,计算基于绘制压力情况下几何数据和纹理数据对部件组织粒度的贡献比重,几何数据在计算组织粒度时的贡献比重Wi=g/(g+p),纹理数据贡献比重Wj=p/(g+p);
步骤4.2,步骤2中将空间部件划分为普通对象和连接对象两种,普通对象是构成三维建筑物模型的基本部件,相对连接对象来说比较重要,假设V是体现部件重要性定量值,设定普通对象的V值为1.2,连接对象的V值为1,则定义部件组织粒度G的计算公式为:G=(g*Wi+p*Wj)*V。
优选的,步骤5中自上而下建立R树索引的方法包括以下步骤:
步骤5.1,设叶节点的组织粒度取值范围为[Imin,Imax];
步骤5.2,计算部件的最小包围盒随机选取一个部件作为节点的聚集中心;
步骤5.2,利用公式d=sqrt((xl-x2)^2+(y1-y2)^2+(z1-z2)^2)计算聚集中心MBB的几何中心到各部件MBB的几何中心的欧氏距离,将计算得到的距离值按按由小到大的顺序存储为顺序链表,选取距离值最小的部件与聚集中心进行聚集形成节点;
步骤5.3,将节点中部件的组织粒度Gnew=G+G进行加总作为节点的组织粒度,判断节点的组织粒度是否在[Imin,Imax]范围内,如果小于Imin,则计算节点的MBB并作为新的聚类中心执行步骤5.2;如果大于Imax范围,则将新加入的部件从顺序链表中剔除,执行步骤5.2;如果组织粒度在[Imin,Imax]范围内,则将节点以叶节点的方式插入R树索引;
步骤5.4,判断是否有未加入叶节点的部件,如果有,在未加入节点的部件中随机选取一个部件作为聚集中心Ncentor,执行步骤5.2至步骤5.3;如果没有,则执行步骤6。
与现有技术相比,本发明的有益效果是:本发明目的在于针对三维建筑物模型数据组织难以实现粒度均衡的问题,基于三维建筑物模型数据量巨大、几何和纹理复杂多样、个体间差异大的特点,从粒度均衡的角度出发,基于部件的语义对节点中的数据量进行调整和控制,从而实现数据组织粒度均衡的目标。
附图说明
图1为本发明的总体流程图;
图2为三维建筑物模型数据的空间划分示意图;
图3为三维数据模型几何纹理组织关系图;
图4为基于语义的R树索引粒度组织流程图;
图5为R树索引结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1,图2,本发明提供一种技术方案:本发明的三维建筑物模型数据粒度均衡数据组织方法原理是在计算各部件组织粒度的基础上,设定R树叶节点的组织粒度范围,将部件进行聚集形成叶节点,基于部件语义调整叶节点中的部件并插入R树形成力度均衡的索引树。
本发明实施的实现过程采用计算机实现自动化处理,包括以下步骤,
步骤1,打开三维城市建筑物数据模型文件,获取三维城市建筑物数据模型的几何数据和纹理数据。为了提高大规模三维建筑物模型的读取和绘制效率,分别将组成模型的几何数据和纹理数据分开存储和组织,需要分别获取这两个文件数据。
步骤2,基于语义分类信息解析模型各种类型的部件,实现对三维城市建筑物数据模型中部件语义信息的提取。参见图3,本发明将三维城市建筑物数据模型中的部件分为普通对象和连接对象两种类型,其中普通部件包括走廊、房间、大厅和柱子四种类型,连接部件包括门、窗、楼梯、电梯、自动扶梯、消防楼梯以及大门等七种类型。
步骤3,以几何数据和纹理数据在内存中所占的存储空间代表数据量,统一部件的几何与纹理数据,分别计算部件的几何数据量g和纹理数据量p。三维城市建筑物模型的构建需要几何和纹理两方面的数据信息,图4展示了三维数据模型的几何和纹理的组织关系。具体的步骤如下:
步骤3.1,采用几何数据与纹理数据自动配准算法,在三角网格模型的基础上,根据每个三角面片的三个顶点所对应的纹理值,利用坐标重心加权的方法实现三角面片纹理的配准与显示。
步骤3.2,计算部件的几何数据量。三维模型的几何数据包括点数据(x,y,z,u,v)和面数据(p1,p2,p3)。其中x、y和z为点的三维坐标,u和v是点的纹理坐标,每个值在内存中占两个字节,则部件点数据的几何数据量g1=点的数量*5*2Byte;三维模型的三角面片是由点按一定顺序构成的,为了避免数据冗余,面数据用p1、p2和p3三个点索引来表示,每个索引在内存中占8个字节,则面数据的几何数据量g2=面的数量*3*8Byte。几何数据量g=g1+g2。
步骤3.3,计算部件的纹理数据量。纹理数据一般是以图片格式进行存储,在内存中所占的存储空间与图片大小和像素有关。纹理数据量p=纹理图片宽度*纹理图片长度*8Byte/像素值。
步骤4,基于部件的语义、几何和纹理进行部件组织粒度的计算。构成部件的几何数据和纹理数据由于存储方式和位置的不同对绘制显示产生的压力也有所不同,同时不同类型部件在三维建筑物模型中的重要性也是不同的,因此部件的组织粒度不仅要考虑两种数据的数据量情况,还要兼顾几何纹理数据绘制显示时产生的压力以及部件在三维模型中的重要性,充分保证粒度划分结果的均衡性。部件组织粒度的具体计算步骤如下:
步骤4.1,以几何数据和纹理数据在内存中所占存储空间为基准,计算基于绘制压力情况下几何数据和纹理数据对部件组织粒度的贡献比重。几何数据在计算组织粒度时的贡献比重Wi=g/(g+p),纹理数据贡献比重Wj=p/(g+p)。
步骤4.2,步骤2中将空间部件划分为普通对象和连接对象两种,普通对象是构成三维建筑物模型的基本部件,相对连接对象来说比较重要。假设V是体现部件重要性定量值,设定普通对象的V值为1.2,连接对象的V值为1。则定义部件组织粒度G的计算公式为:G=(g*Wi+p*Wj)*V。
步骤5,本发明采用自上而下建立R树索引的方法实现对三维建筑物模型数据的组织,图5展示了R树结构。在叶节点的生成过程中,为了保证叶节点的均衡性,规定叶节点的组织粒度范围,基于部件的语义对不符合范围要求的叶节点中的部件进行调整。图4为基于语义的R树索引粒度组织流程图。具体步骤如下:
步骤5.1,设叶节点的组织粒度取值范围为[Imin,Imax]。
步骤5.2,计算部件的最小包围盒(Minumum Bounding Box,MBB),随机选取一个部件作为节点的聚集中心。
步骤5.2,利用公式d=sqrt((x1-x2)^2+(y1-y2)^2+(z1-z2)^2)计算聚集中心MBB的几何中心到各部件MBB的几何中心的欧氏距离,将计算得到的距离值按按由小到大的顺序存储为顺序链表,选取距离值最小的部件与聚集中心进行聚集形成节点。
步骤5.3,将节点中部件的组织粒度Gnew=G+G进行加总作为节点的组织粒度,判断节点的组织粒度是否在[Imin,Imax]范围内。如果小于Imin,则计算节点的MBB并作为新的聚类中心执行步骤5.2;如果大于Imax范围,则将新加入的部件从顺序链表中剔除,执行步骤5.2;如果组织粒度在[Imin,Imax]范围内,则将节点以叶节点的方式插入R树索引。
步骤5.4,判断是否有未加入叶节点的部件,如果有,在未加入节点的部件中随机选取一个部件作为聚集中心N Ncentor,执行步骤5.2至步骤5.3;如果没有,则执行步骤6。
步骤6,面向三维建筑物模型的粒度均衡的R树索引构建完毕,退出算法。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (6)
1.一种复杂三维建筑物模型的粒度均衡数据组织方法,其特征在于:包括以下步骤:
步骤1,打开三维城市建筑物数据模型文件,获取三维城市建筑物数据模型的几何数据和纹理数据;
步骤2,基于语义分类信息解析模型各种类型的部件,实现对三维城市建筑物数据模型中部件语义信息的提取;
步骤3,以几何数据和纹理数据在内存中所占的存储空间代表数据量,采用几何数据与纹理数据自动配准算法统一部件的几何数据与纹理数据,分别计算部件的几何数据量g和纹理数据量p;
步骤4,基于部件的语义、几何和纹理进行部件组织粒度的计算;
步骤5,采用自上而下建立R树索引的方法实现对三维建筑物模型数据的组织,规定叶节点的组织粒度范围以保证叶节点的均衡性,基于部件的语义对不符合范围要求的叶节点中的部件进行调整,所有部件都聚集成为叶节点后,把最终生成的符合组织粒度的叶节点插入R树;
步骤6,面向三维建筑物模型的粒度均衡的R树索引构建完毕,退出算法。
2.根据权利要求1所述的一种复杂三维建筑物模型的粒度均衡数据组织方法,其特征在于:所述步骤3中几何数据包括点数据和面数据。
3.根据权利要求1所述的一种复杂三维建筑物模型的粒度均衡数据组织方法,其特征在于:所述步骤3中纹理数据以图片格式进行存储,在内存中所占的存储空间与图片大小和像素有关。
4.根据权利要求1所述的一种复杂三维建筑物模型的粒度均衡数据组织方法,其特征在于:所述步骤3中部件的几何数据量g和纹理数据量p的计算方法包括以下步骤:
步骤3.1,采用几何数据与纹理数据自动配准算法,在三角网格模型的基础上,根据每个三角面片的三个顶点所对应的纹理值,利用坐标重心加权的方法实现三角面片纹理的配准与显示;
步骤3.2,计算部件的几何数据量,三维模型的几何数据包括点数据(x,y,z,u,v)和面数据(p1,p2,p3),其中x、y和z为点的三维坐标,u和v是点的纹理坐标,每个值在内存中占两个字节,则部件点数据的几何数据量g1=点的数量*5*2Byte;三维模型的三角面片是由点按一定顺序构成的,为了避免数据冗余,面数据用p1、p2和p3三个点索引来表示,每个索引在内存中占8个字节,则面数据的几何数据量g2=面的数量*3*8Byte,几何数据量g=g1+g2;
步骤3.3,计算部件的纹理数据量;纹理数据是以图片格式进行存储,在内存中所占的存储空间与图片大小和像素有关,纹理数据量p=纹理图片宽度*纹理图片长度*8Byte/像素值。
5.根据权利要求4所述的一种复杂三维建筑物模型的粒度均衡数据组织方法,其特征在于:所述步骤4中部件组织粒度的具体计算步骤如下:
步骤4.1,以几何数据和纹理数据在内存中所占存储空间为基准,计算基于绘制压力情况下几何数据和纹理数据对部件组织粒度的贡献比重;几何数据在计算组织粒度时的贡献比重Wi=g/(g+p),纹理数据贡献比重Wj=p/(g+p);
步骤4.2,步骤2中将空间部件划分为普通对象和连接对象两种,普通对象是构成三维建筑物模型的基本部件,相对连接对象来说比较重要,假设V是体现部件重要性定量值,设定普通对象的V值为1.2,连接对象的V值为1,则定义部件组织粒度G的计算公式为:G=(g*Wi+p*Wj)*V。
6.根据权利要求5所述的一种复杂三维建筑物模型的粒度均衡数据组织方法,其特征在于:所述步骤5中自上而下建立R树索引的方法包括以下步骤:
步骤5.1,设叶节点的组织粒度取值范围为[Imin,Imax];
步骤5.2,计算部件的最小包围盒MBB,随机选取一个部件作为节点的聚集中心;
步骤5.3 ,利用公式d=sqrt((x1-x2)^2+(y1-y2)^2+(z1-z2)^2)计算聚集中心MBB的几何中心到各部件MBB的几何中心的欧氏距离,将计算得到的距离值按由小到大的顺序存储为顺序链表,选取距离值最小的部件与聚集中心进行聚集形成节点;
步骤5.4 ,将节点中部件的组织粒度Gnew=G+G进行相加后作为节点的组织粒度,判断节点的组织粒度是否在[Imin,Imax]范围内,如果小于Imin,则计算节点的MBB并作为新的聚类中心执行步骤5.3 ;如果大于Imax,则将新加入的部件从顺序链表中剔除,执行步骤5.3 ;如果组织粒度在[Imin,Imax]范围内,则将节点以叶节点的方式插入R树索引;
步骤5.5 ,判断是否有未加入叶节点的部件,如果有,在未加入节点的部件中随机选取一个部件作为聚集中心Ncentor,执行步骤5.3 至步骤5.4 ;如果没有,则执行步骤6。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610336196.0A CN105957148B (zh) | 2016-05-20 | 2016-05-20 | 一种复杂三维建筑物模型的粒度均衡数据组织方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610336196.0A CN105957148B (zh) | 2016-05-20 | 2016-05-20 | 一种复杂三维建筑物模型的粒度均衡数据组织方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105957148A CN105957148A (zh) | 2016-09-21 |
CN105957148B true CN105957148B (zh) | 2018-07-20 |
Family
ID=56913263
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610336196.0A Active CN105957148B (zh) | 2016-05-20 | 2016-05-20 | 一种复杂三维建筑物模型的粒度均衡数据组织方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105957148B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106600684B (zh) * | 2016-11-29 | 2019-11-29 | 浙江科澜信息技术有限公司 | 一种倾斜模型组织构建方法 |
CN107818338B (zh) * | 2017-10-16 | 2021-04-06 | 辛秦川 | 一种面向地图综合的建筑物群组模式识别的方法及系统 |
CN109683858B (zh) * | 2018-11-27 | 2022-05-27 | 四川隧唐科技股份有限公司 | 数据处理方法及装置 |
CN110009738B (zh) * | 2019-03-28 | 2023-04-11 | 电子科技大学 | 一种面向火灾应急疏散的室内三维表达模型 |
CN110083720B (zh) * | 2019-04-03 | 2021-07-06 | 泰瑞数创科技(北京)有限公司 | 实景语义结构模型的构建方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101916299A (zh) * | 2010-09-01 | 2010-12-15 | 中国地质大学(武汉) | 一种基于文件系统的三维空间数据存储管理方法 |
US8200715B1 (en) * | 2006-06-30 | 2012-06-12 | Sap Ag | Using status models with adaptable process steps in a computer system |
CN102651020A (zh) * | 2012-03-31 | 2012-08-29 | 中国科学院软件研究所 | 一种海量传感器数据存储与查询方法 |
CN105357201A (zh) * | 2015-11-12 | 2016-02-24 | 中国科学院信息工程研究所 | 一种对象云存储访问控制方法和系统 |
-
2016
- 2016-05-20 CN CN201610336196.0A patent/CN105957148B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8200715B1 (en) * | 2006-06-30 | 2012-06-12 | Sap Ag | Using status models with adaptable process steps in a computer system |
CN101916299A (zh) * | 2010-09-01 | 2010-12-15 | 中国地质大学(武汉) | 一种基于文件系统的三维空间数据存储管理方法 |
CN102651020A (zh) * | 2012-03-31 | 2012-08-29 | 中国科学院软件研究所 | 一种海量传感器数据存储与查询方法 |
CN105357201A (zh) * | 2015-11-12 | 2016-02-24 | 中国科学院信息工程研究所 | 一种对象云存储访问控制方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105957148A (zh) | 2016-09-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105957148B (zh) | 一种复杂三维建筑物模型的粒度均衡数据组织方法 | |
CN109145366B (zh) | 基于Web3D的建筑信息模型轻量级可视化方法 | |
CN108595858B (zh) | 基于bim的轻量化深度处理工作方法 | |
CN101763656B (zh) | 三维城市建筑分层分户模型的构建与显示控制方法 | |
CN111008422B (zh) | 一种建筑物实景地图制作方法及系统 | |
CN105261066B (zh) | 一种三维地理信息系统实时绘制多线程分配与控制方法 | |
US20100277481A1 (en) | Method and apparatus of animation planning for a dynamic graph | |
CN110433495A (zh) | 游戏中虚拟场景的配置方法及装置、存储介质及电子设备 | |
CN103942306A (zh) | 三维城市模型自适应调度方法 | |
Akase et al. | Automatic 3D furniture layout based on interactive evolutionary computation | |
CN105718643A (zh) | 一种基于最优化视角的船舶生产设计审图器实现方法 | |
CN104318513A (zh) | 建筑物三维图像显示平台及其应用系统 | |
CN112287913B (zh) | 一种鱼类视频识别的智能监管系统 | |
CN102156776A (zh) | 一种利用关系型数据库构建电缆桥架网络的方法 | |
Majerowicz et al. | Filling your shelves: Synthesizing diverse style-preserving artifact arrangements | |
CN113468286A (zh) | 一种基于三角面片个数划分的三维金字塔构建方法 | |
CN109073753A (zh) | 用于生成能量模型并跟踪能量模型演进的系统和方法 | |
She et al. | 3D building model simplification method considering both model mesh and building structure | |
CN107408139A (zh) | 空间信息生成装置、空间信息生成方法、程序 | |
CN110942280A (zh) | 一种设计师协同参与的交互方法 | |
Zhang | The D-FCM partitioned D-BSP tree for massive point cloud data access and rendering | |
Abdelmohsen et al. | A heuristic approach for the automated generation of furniture layout schemes in residential spaces | |
CN109872386A (zh) | 一种基于stl模型精确体素化的产品物性建模方法 | |
Song et al. | Web3D-based automatic furniture layout system using recursive case-based reasoning and floor field | |
CN114169058A (zh) | 一种基于家装行业的施工节点质检管理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |