CN110853152A - 一种三维超大场景的细分切割加载方法 - Google Patents
一种三维超大场景的细分切割加载方法 Download PDFInfo
- Publication number
- CN110853152A CN110853152A CN201911110892.XA CN201911110892A CN110853152A CN 110853152 A CN110853152 A CN 110853152A CN 201911110892 A CN201911110892 A CN 201911110892A CN 110853152 A CN110853152 A CN 110853152A
- Authority
- CN
- China
- Prior art keywords
- layer
- information
- dimensional
- data
- space
- 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.)
- Granted
Links
- 238000011068 loading method Methods 0.000 title claims abstract description 34
- 239000013598 vector Substances 0.000 claims abstract description 58
- 230000000007 visual effect Effects 0.000 claims abstract description 35
- 238000004364 calculation method Methods 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000008030 elimination Effects 0.000 claims description 3
- 238000003379 elimination reaction Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000007246 mechanism Effects 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000007429 general method Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Graphics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Architecture (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种三维超大场景的细分切割加载方法,本发明采用通用型方法进行编码,可对多终端硬件也可进行良好的支持;解决了常规技术所带来的时间和空间的问题,无需在三维场景加载时进行等待,充分发挥系统资源减少对计算机资源的依赖,大幅减少超大规模三维场景数据的加载时间,提高系统整体运行效率;本发明对三维场景进行矢量空间细分并建立快速索引的方法;基于三维视角为中枢点的偏特化空间计算,高效快速的建立三维资源载入方法;支持对超大三维场景的载入,大幅度提升载入速度以及大大降低对计算机资源的依赖。
Description
技术领域
本发明涉及三维虚拟技术领域,具体为一种三维超大场景的细分切割加载方法。
背景技术
为了更好的通过三维虚拟的技术来表示真实场景的需要,需要通过超大的场景来描述真实世界以满足日益增大的三维大规模数据的应用需要。随着计算机性能的提升,对中、大规模场景的加载支持已达到满意的效果,但超大级别的场景数据加载却没有较好的办法实现,使得超大规模三维场景的加载成为应用的一项瓶颈难点。通过对大规模场景进行矢量空间得切割划分,利用树形结构提取关键索引值信息从而建立快速索引结构信息,并对三维视角进行偏特化输出为中枢点,通过中枢点的可视区域进行索引的提取与三维模型建立,将结构索引信息加入多线程池进行特定化模型数据加载,最终实现三维超大场景的加载。
目前针对三维场景的加载技术通常都会使用结构树的形式进行资源的完全载入后在进入场景,会有载入的等待时间,相对于场景的体量越大则加载时间越长而用户等待的时间也就越长;除了等待时间外,对于计算机资源的消耗也会随着场景体量的增大而增大,由于系统资源又限无法提供更多的资源空间给应用使用,故而三维的场景大小会受到计算机性能的制约。
发明内容
本发明的目的是针对现有技术的缺陷,提供一种三维超大场景的细分切割加载方法,以解决上述背景技术提出的问题。
为实现上述目的,本发明提供如下技术方案:一种三维超大场景的细分切割加载方法,包括以下步骤:
S1:将三维场景矢量空间化,三维场景由坐标系由Right、Up、Target三个互相垂直的向量组成,世界场景中的某一点都可由这三个矢量确定;在三维空间中计算三维场景的边界矢量信息,获得最大化边界信息数据进行矢量空间转换为0-1矢量,并将其矢量信息进行空间的切割与划分;需要对完整的场景空间根据矢量信息划分为若干Layer;
S1a:进行三维场景的矢量空间转换;
S1b:获得每个计算子矢量空间的边界信息;
S1c:将子矢量空间转换为Layer进行存储;
S2:三维场景模型数据空间矢量细分化后,通过建立范围Layer进行子空间的划分,Layer由L、T、R和B的4个三维空间矢量组成,此矩形范围为切割后的子空间的边界范围,且每个切割矩形都不相交,将非结构化数据提取为关键索引的结构化数据,并利用B+树对结构化关键索引值的信息进行存储;
S2a:Layer空间计算,通过Bound边界信息框来存储Layer空间位置信息,并计算边界中心点为CenterPoint;
S2b:提取Layer关键索引信息作为Layer关键ID值,便于检索和计算;
S2c:通过边界相交计算方法来保证每个Layer的边界唯一性,如果存在相交边界需要对新加入的边界进行修正计算;
S2d:引入Distance变量来决定每个Layer的是否可加载性;
S2e:为每个Layer中的模型加入LOD层级数据信息,来优化可见性的消隐剔除性能;
S2f:为以上信息建立Layer结构化数据以关键值ID为索引进行B+树存储;
S3:对三维视角进行偏特化输出为中枢点,偏特化方法为先指定当前观察点位置,根据观察点的视角范围FOV及视角距离的远近面,对所有划分后的子矩形进行求交运算,此中枢点为整个矢量空间的中心点,根据此中心点与结构化的模型数据进行距离空间计算;
S3a:三维视角矩阵信息提取,提取观察点视角位置数据(x,y,z);
S3b:由视角范围FOV及视角距离的远近面用于获取视锥透视平面信息;
S3c:通过方法2获得需要进行进行的所有Layer,对于所有Layer进行求交计算获得可见Layer集合;
S3d:通过上一步方法获得当前可见的所有Layer集合,对此集合进行遍历计算获得其CenterPoint与当前视角进行距离计算,通过距离计算获得变量TD与Layer中的Distance变量计算差值;
S3e:通过差值计算用于进一步在Layer集合中剔除那些不可见部分;
S3f:差值计算的比值用于获取Layer中的LOD信息,取决于装载当前Layer中的哪一部分LOD模型;
S4:将偏特化后计算结果进行索引关系集合的建立,索引关系为中枢点所对应的可载入的模型集合,索引关系为键值对数据结构,其中K中枢点,V数据集合,当观察点发生改变后的中枢点数据索引会进行动态更新,可由索引关系快速获取需要加载的模型集合;因其K值为非线性连续值,若直接存储K值则会导致系统极大的开销,需要对K值进行快速索引的划分;
S4a:当视角发生改变时,重复方法3获得的集合存入待装载的KV数据结构中;
S4b:其中V为待装载待装载的所有Layer集合以及其LOD模型集合索引值,K值当前当前视角中枢点数据索引;
S4c:由当前视角位置信息,通过方法1获得子矢量空间的位置信息,因为当前视角必定会落在某个子矢量空间中,利用其特性获取唯一的K值信息等于子矢量空间唯一ID;
S4d:通过哈希表HashMap数据结构用于存储信息,便于视角改变后的快速Layer索引;
S4e:将模型集合加入多线程池进行模型数据加载;
S4f:根据计算机内核数,建立相同线程数的线程池方法;
S4g:通过该线程池引入异步机制AsycWork用于异步装载方法4获得的Layer中LOD所对于的模型数据。
本发明的有益效果是:本发明采用通用型方法进行编码,可对多终端硬件也可进行良好的支持;解决了常规技术所带来的时间和空间的问题,无需在三维场景加载时进行等待,充分发挥系统资源减少对计算机资源的依赖,大幅减少超大规模三维场景数据的加载时间,提高系统整体运行效率;本发明对三维场景进行矢量空间细分并建立快速索引的方法;基于三维视角为中枢点的偏特化空间计算,高效快速的建立三维资源载入方法;支持对超大三维场景的载入,大幅度提升载入速度以及大大降低对计算机资源的依赖。
附图说明
图1为本发明的方法流程框图;
图2为本发明的Layer空间计算流程框图;
图3为本发明视锥平面计算流程框图。
具体实施方式
下面结合附图对本发明的较佳实施例进行详细阐述,以使本发明的优点和特征能更易被本领域人员理解,从而对本发明的保护范围做出更为清楚明确的界定。
实施例:请参阅图1-3,本发明提供一种技术方案:一种三维超大场景的细分切割加载方法,包括以下步骤:
S1:将三维场景矢量空间化,三维场景由坐标系由Right、Up、Target三个互相垂直的向量组成,世界场景中的某一点都可由这三个矢量确定;在三维空间中计算三维场景的边界矢量信息,获得最大化边界信息数据进行矢量空间转换为0-1矢量,并将其矢量信息进行空间的切割与划分;需要对完整的场景空间根据矢量信息划分为若干Layer;
S1a:进行三维场景的矢量空间转换;
S1b:获得每个计算子矢量空间的边界信息;
S1c:将子矢量空间转换为Layer进行存储;
S2:三维场景模型数据空间矢量细分化后,通过建立范围Layer进行子空间的划分,Layer由L、T、R和B的4个三维空间矢量组成,此矩形范围为切割后的子空间的边界范围,且每个切割矩形都不相交,将非结构化数据提取为关键索引的结构化数据,并利用B+树对结构化关键索引值的信息进行存储;
S2a:Layer空间计算,通过Bound边界信息框来存储Layer空间位置信息,并计算边界中心点为CenterPoint;
S2b:提取Layer关键索引信息作为Layer关键ID值,便于检索和计算;
S2c:通过边界相交计算方法来保证每个Layer的边界唯一性,如果存在相交边界需要对新加入的边界进行修正计算;
S2d:引入Distance变量来决定每个Layer的是否可加载性;
S2e:为每个Layer中的模型加入LOD层级数据信息,来优化可见性的消隐剔除性能;
S2f:为以上信息建立Layer结构化数据以关键值ID为索引进行B+树存储;
S3:对三维视角进行偏特化输出为中枢点,偏特化方法为先指定当前观察点位置,根据观察点的视角范围FOV及视角距离的远近面,对所有划分后的子矩形进行求交运算,此中枢点为整个矢量空间的中心点,根据此中心点与结构化的模型数据进行距离空间计算;
S3a:三维视角矩阵信息提取,提取观察点视角位置数据(x,y,z);
S3b:由视角范围FOV及视角距离的远近面用于获取视锥透视平面信息;
S3c:通过方法2获得需要进行进行的所有Layer,对于所有Layer进行求交计算获得可见Layer集合;
S3d:通过上一步方法获得当前可见的所有Layer集合,对此集合进行遍历计算获得其CenterPoint与当前视角进行距离计算,通过距离计算获得变量TD与Layer中的Distance变量计算差值;
S3e:通过差值计算用于进一步在Layer集合中剔除那些不可见部分;
S3f:差值计算的比值用于获取Layer中的LOD信息,取决于装载当前Layer中的哪一部分LOD模型;
S4:将偏特化后计算结果进行索引关系集合的建立,索引关系为中枢点所对应的可载入的模型集合,索引关系为键值对数据结构,其中K中枢点,V数据集合,当观察点发生改变后的中枢点数据索引会进行动态更新,可由索引关系快速获取需要加载的模型集合;因其K值为非线性连续值,若直接存储K值则会导致系统极大的开销,需要对K值进行快速索引的划分;
S4a:当视角发生改变时,重复方法3获得的集合存入待装载的KV数据结构中;
S4b:其中V为待装载待装载的所有Layer集合以及其LOD模型集合索引值,K值当前当前视角中枢点数据索引;
S4c:由当前视角位置信息,通过方法1获得子矢量空间的位置信息,因为当前视角必定会落在某个子矢量空间中,利用其特性获取唯一的K值信息等于子矢量空间唯一ID;
S4d:通过哈希表HashMap数据结构用于存储信息,便于视角改变后的快速Layer索引;
S4e:将模型集合加入多线程池进行模型数据加载;
S4f:根据计算机内核数,建立相同线程数的线程池方法;
S4g:通过该线程池引入异步机制AsycWork用于异步装载方法4获得的Layer中LOD所对于的模型数据。
本发明采用通用型方法进行编码,可对多终端硬件也可进行良好的支持;解决了常规技术所带来的时间和空间的问题,无需在三维场景加载时进行等待,充分发挥系统资源减少对计算机资源的依赖,大幅减少超大规模三维场景数据的加载时间,提高系统整体运行效率;本发明对三维场景进行矢量空间细分并建立快速索引的方法;基于三维视角为中枢点的偏特化空间计算,高效快速的建立三维资源载入方法;支持对超大三维场景的载入,大幅度提升载入速度以及大大降低对计算机资源的依赖。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。
Claims (1)
1.一种三维超大场景的细分切割加载方法,其特征在于,包括以下步骤:
S1:将三维场景矢量空间化,三维场景由坐标系由Right、Up、Target三个互相垂直的向量组成,世界场景中的某一点都可由这三个矢量确定;在三维空间中计算三维场景的边界矢量信息,获得最大化边界信息数据进行矢量空间转换为0-1矢量,并将其矢量信息进行空间的切割与划分;需要对完整的场景空间根据矢量信息划分为若干Layer;
S1a:进行三维场景的矢量空间转换;
S1b:获得每个计算子矢量空间的边界信息;
S1c:将子矢量空间转换为Layer进行存储;
S2:三维场景模型数据空间矢量细分化后,通过建立范围Layer进行子空间的划分,Layer由L、T、R和B的4个三维空间矢量组成,此矩形范围为切割后的子空间的边界范围,且每个切割矩形都不相交,将非结构化数据提取为关键索引的结构化数据,并利用B+树对结构化关键索引值的信息进行存储;
S2a:Layer空间计算,通过Bound边界信息框来存储Layer空间位置信息,并计算边界中心点为CenterPoint;
S2b:提取Layer关键索引信息作为Layer关键ID值,便于检索和计算;
S2c:通过边界相交计算方法来保证每个Layer的边界唯一性,如果存在相交边界需要对新加入的边界进行修正计算;
S2d:引入Distance变量来决定每个Layer的是否可加载性;
S2e:为每个Layer中的模型加入LOD层级数据信息,来优化可见性的消隐剔除性能;
S2f:为以上信息建立Layer结构化数据以关键值ID为索引进行B+树存储;
S3:对三维视角进行偏特化输出为中枢点,偏特化方法为先指定当前观察点位置,根据观察点的视角范围FOV及视角距离的远近面,对所有划分后的子矩形进行求交运算,此中枢点为整个矢量空间的中心点,根据此中心点与结构化的模型数据进行距离空间计算;
S3a:三维视角矩阵信息提取,提取观察点视角位置数据(x,y,z);
S3b:由视角范围FOV及视角距离的远近面用于获取视锥透视平面信息;
S3c:通过方法2获得需要进行进行的所有Layer,对于所有Layer进行求交计算获得可见Layer集合;
S3d:通过上一步方法获得当前可见的所有Layer集合,对此集合进行遍历计算获得其CenterPoint与当前视角进行距离计算,通过距离计算获得变量TD与Layer中的Distance变量计算差值;
S3e:通过差值计算用于进一步在Layer集合中剔除那些不可见部分;
S3f:差值计算的比值用于获取Layer中的LOD信息,取决于装载当前Layer中的哪一部分LOD模型;
S4:将偏特化后计算结果进行索引关系集合的建立,索引关系为中枢点所对应的可载入的模型集合,索引关系为键值对数据结构,其中K中枢点,V数据集合,当观察点发生改变后的中枢点数据索引会进行动态更新,可由索引关系快速获取需要加载的模型集合;因其K值为非线性连续值,若直接存储K值则会导致系统极大的开销,需要对K值进行快速索引的划分;
S4a:当视角发生改变时,重复方法3获得的集合存入待装载的KV数据结构中;
S4b:其中V为待装载待装载的所有Layer集合以及其LOD模型集合索引值,K值当前当前视角中枢点数据索引;
S4c:由当前视角位置信息,通过方法1获得子矢量空间的位置信息,因为当前视角必定会落在某个子矢量空间中,利用其特性获取唯一的K值信息等于子矢量空间唯一ID;
S4d:通过哈希表HashMap数据结构用于存储信息,便于视角改变后的快速Layer索引;
S4e:将模型集合加入多线程池进行模型数据加载;
S4f:根据计算机内核数,建立相同线程数的线程池方法;
S4g:通过该线程池引入异步机制AsycWork用于异步装载方法4获得的Layer中LOD所对于的模型数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911110892.XA CN110853152B (zh) | 2019-11-14 | 2019-11-14 | 一种三维超大场景的细分切割加载方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911110892.XA CN110853152B (zh) | 2019-11-14 | 2019-11-14 | 一种三维超大场景的细分切割加载方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110853152A true CN110853152A (zh) | 2020-02-28 |
CN110853152B CN110853152B (zh) | 2024-01-30 |
Family
ID=69601871
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911110892.XA Active CN110853152B (zh) | 2019-11-14 | 2019-11-14 | 一种三维超大场景的细分切割加载方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110853152B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007041692A (ja) * | 2005-08-01 | 2007-02-15 | Mitsubishi Electric Corp | 三次元地形データ制御装置及び三次元地形データ制御方法 |
US20080074416A1 (en) * | 2006-09-27 | 2008-03-27 | Brown Jeffrey D | Multiple Spacial Indexes for Dynamic Scene Management in Graphics Rendering |
CN102609990A (zh) * | 2012-01-05 | 2012-07-25 | 中国海洋大学 | 面向复杂三维cad模型的海量场景渐进式更新算法 |
US20130009950A1 (en) * | 2009-12-01 | 2013-01-10 | Rafael Advanced Defense Systems Ltd. | Method and system of generating a three-dimensional view of a real scene for military planning and operations |
US8970583B1 (en) * | 2012-10-01 | 2015-03-03 | Google Inc. | Image space stylization of level of detail artifacts in a real-time rendering engine |
CN104599315A (zh) * | 2014-12-09 | 2015-05-06 | 深圳市腾讯计算机系统有限公司 | 一种三维场景的构建方法及系统 |
CN104751505A (zh) * | 2013-06-19 | 2015-07-01 | 国家电网公司 | 基于lod模型和四叉树层次结构的三维场景渲染算法 |
US20170018111A1 (en) * | 2015-07-14 | 2017-01-19 | Alvaro Collet Romea | Context-adaptive allocation of render model resources |
FR3039028A1 (fr) * | 2015-07-17 | 2017-01-20 | Univ Nantes | Procede et dispositif d'affichage de scene tridimensionnelle sur une surface d'affichage de forme arbitraire non plane |
CN107291223A (zh) * | 2017-06-07 | 2017-10-24 | 武汉大学 | 一种超大数据量虚拟现实空间信息可视化系统及方法 |
CN107341846A (zh) * | 2017-06-21 | 2017-11-10 | 华中科技大学 | 一种实时显示大规模三维重建场景的方法及设备 |
-
2019
- 2019-11-14 CN CN201911110892.XA patent/CN110853152B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007041692A (ja) * | 2005-08-01 | 2007-02-15 | Mitsubishi Electric Corp | 三次元地形データ制御装置及び三次元地形データ制御方法 |
US20080074416A1 (en) * | 2006-09-27 | 2008-03-27 | Brown Jeffrey D | Multiple Spacial Indexes for Dynamic Scene Management in Graphics Rendering |
US20130009950A1 (en) * | 2009-12-01 | 2013-01-10 | Rafael Advanced Defense Systems Ltd. | Method and system of generating a three-dimensional view of a real scene for military planning and operations |
CN102609990A (zh) * | 2012-01-05 | 2012-07-25 | 中国海洋大学 | 面向复杂三维cad模型的海量场景渐进式更新算法 |
US8970583B1 (en) * | 2012-10-01 | 2015-03-03 | Google Inc. | Image space stylization of level of detail artifacts in a real-time rendering engine |
CN104751505A (zh) * | 2013-06-19 | 2015-07-01 | 国家电网公司 | 基于lod模型和四叉树层次结构的三维场景渲染算法 |
CN104599315A (zh) * | 2014-12-09 | 2015-05-06 | 深圳市腾讯计算机系统有限公司 | 一种三维场景的构建方法及系统 |
US20170018111A1 (en) * | 2015-07-14 | 2017-01-19 | Alvaro Collet Romea | Context-adaptive allocation of render model resources |
FR3039028A1 (fr) * | 2015-07-17 | 2017-01-20 | Univ Nantes | Procede et dispositif d'affichage de scene tridimensionnelle sur une surface d'affichage de forme arbitraire non plane |
CN107291223A (zh) * | 2017-06-07 | 2017-10-24 | 武汉大学 | 一种超大数据量虚拟现实空间信息可视化系统及方法 |
CN107341846A (zh) * | 2017-06-21 | 2017-11-10 | 华中科技大学 | 一种实时显示大规模三维重建场景的方法及设备 |
Non-Patent Citations (7)
Title |
---|
GONG JUN,ET AL: "A method for LOD generation of 3D city model based on extended 3D R-tree index", 《2011 EIGHTH INTERNATIONAL CONFERENCE ON FUZZY SYSTEMS AND KNOWLEDGE DISCOVERY (FSKD)》 * |
VERDIE YANNICK,ET AL: "LOD Generation for Urban Scenes", 《ACM TRANSACTIONS ON GRAPHICS》 * |
宋娟等: "基于海量存储的三维地理信息系统应用与研究", 《计算机技术与发展》, vol. 28, no. 5 * |
程宏宇: "面向实体的三维空间数据模型及其应用研究", 《中国优秀硕士学位论文全文数据库 基础科学辑》, no. 2 * |
胡晨希: "面向大场景3维可视化的矢量数据组织研究", 《测绘与空间地理信息》, vol. 36, no. 6 * |
费红辉等: "大规模场景分割及LOD结构生成算法研究", 《计算机应用与软件》, vol. 29, no. 7 * |
龚俊等: "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》, vol. 40, no. 4 * |
Also Published As
Publication number | Publication date |
---|---|
CN110853152B (zh) | 2024-01-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102476343B1 (ko) | 자리수가 비교적 적은 고정 소수점 수치의 신경망 연산에 대한 지원 장치와 방법 | |
CN111127610B (zh) | 一种点云数据三维可视化渲染方法与计算方法 | |
CN102289839A (zh) | 一种面向三维数字城市的高效多细节层次渲染方法 | |
CN111127615A (zh) | 一种三维模型的数据调度方法、装置及电子设备 | |
CN110070616A (zh) | 存储器、基于gis平台的统计数据呈现方法、装置和设备 | |
CN105513099A (zh) | 一种骨骼动画数据的压缩方法及装置 | |
CN106649782A (zh) | 一种图片检索方法和系统 | |
CN104361625A (zh) | 一种基于射线原理的带边界保留的云数据精简算法 | |
CN116227209A (zh) | 一种点云数据多维线性差值方法、终端设备及存储介质 | |
CN110853152A (zh) | 一种三维超大场景的细分切割加载方法 | |
CN110368693B (zh) | 一种基于多四叉树的mmo游戏元素裁减方法及其装置 | |
CN104715422A (zh) | 一种基于对称稀疏矩阵技术的因子表法求取电力系统节点阻抗矩阵的方法 | |
CN107920252B (zh) | 一种全景视频数据处理方法、装置及系统 | |
CN113496543A (zh) | 一种点云数据筛选方法、装置、电子设备和存储介质 | |
CN114925627B (zh) | 一种基于图形处理器的直升机流场数值模拟系统及方法 | |
CN110457499A (zh) | 一种对大型点云数据的索引方法、装置、终端设备和介质 | |
CN112734625B (zh) | 一种基于3d场景设计的硬件加速系统及方法 | |
CN111241204B (zh) | 一种梯度数据的同步方法、装置、设备及存储介质 | |
CN104794747A (zh) | 一种基于射线原理的三维点云数据精简算法 | |
CN109614587B (zh) | 一种智能人脉关系分析建模方法、终端设备及存储介质 | |
CN110908800A (zh) | 边云协同环境中基于调度熵的调度优化方法 | |
CN110021059B (zh) | 一种无冗余计算的高效Marching Cubes等值面提取方法与系统 | |
Yuan et al. | Research on BIM model lightweighting methods and IoT technology application in the context of WebGL | |
CN114445535A (zh) | 一种粒子特效处理方法、装置、设备、介质及产品 | |
CN107784674A (zh) | 一种三维模型简化的方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |