CN111080735A - 基于定量控制器和显示优先级队列的渲染引擎方法和系统 - Google Patents
基于定量控制器和显示优先级队列的渲染引擎方法和系统 Download PDFInfo
- Publication number
- CN111080735A CN111080735A CN201911169571.7A CN201911169571A CN111080735A CN 111080735 A CN111080735 A CN 111080735A CN 201911169571 A CN201911169571 A CN 201911169571A CN 111080735 A CN111080735 A CN 111080735A
- Authority
- CN
- China
- Prior art keywords
- priority queue
- module
- display priority
- model
- scene
- 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
- 238000009877 rendering Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000012216 screening Methods 0.000 claims abstract description 45
- 235000013399 edible fruits Nutrition 0.000 claims abstract description 16
- 238000001914 filtration Methods 0.000 claims description 7
- 238000004806 packaging method and process Methods 0.000 claims description 3
- 241001522296 Erithacus rubecula Species 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T1/00—General purpose image data processing
- G06T1/0007—Image acquisition
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Generation (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明公开了一种基于定量控制器和显示优先级队列的渲染引擎系统，该系统包括场景树模块、场景筛选器模块、筛选结果树模块，场景筛选器模块包括资源管理器模块，资源管理器模块包括显示优先级队列模块，优先级队列模块包括分析画面影响度值模块，筛选结果树模块包括渲染模块。通过采用广度优先遍历遍历场景树，从优先级队列中挑选对最终画面影响度最大的模型进行渲染，从而实现了以模型对最终画面的贡献度作为筛选的原则，同时每筛选择一个模型显示，就对应的资源加1，当资源达到限制的时候，删除掉了后续对画面贡献度较低的所有模型，既能够精确的控制模型资源的占用，保证渲染流畅度，同时又能够在固定的资源下达到最好的模型完整性。
Description
技术领域
本发明涉及渲染引擎方法的技术领域，具体来说，涉及一种基于定量控制器和显示优先级队列的渲染引擎方法和系统。
背景技术
随着渲染引擎技术的发展与更新，渲染引擎在工业、游戏、设计等行业取得了巨大的成功，同时，渲染引擎也面临着更多更大的压力。其中一项压力来自于要求渲染的模型量越来越大，从几栋房子到一座城市的模型承载量要求渲染引擎在有限的硬件资源下需尽可能的为用户提供更好的展示效果。
作为展示效果的重要影响因素，渲染画面内看到的模型是否完整严重影响了用户体验，因此如何挑选对完整度体验影响更大的模型显示变得特别重要。
一种挑选模型的方法是整体的降低模型的显示距离，让一部分小模型隐藏起来。一个典型的城市树模型结构，城市为根节点，房屋、街道、桥梁等为子节点组成，房屋的子节点为窗户、门等结构组成，模型之间形成一颗场景树，场景树上的每个模型（如城市、房屋等）被称为节点。
场景树具有如下特点：
1.父节点模型比较大，其子节点为比它更小的一些有距离它很近的模型组成，如地面和房屋、街道、桥梁的关系，表示看到地面的时候才会看到房屋，同样看到房屋后才会看到围墙、信箱那些房屋周围更小的模型。
2.每个节点自定义自己的显示距离，如地面（0-1万米）表示当视角距离城市至一万米之内的时候可以看到地面的模型，房屋（0-5千米）表示视角距离房屋五千米以内的时候可以看到房屋，而围墙（0-50米）表示视角距离围墙50米的时候可以看到。
渲染时候，渲染过程挑选必要的模型显示从根节点开始，如从地面开始，计算视角位置到模型中心的实时位置，得到当前视角到模型的距离，当距离超过模型自定义的显示距离时候该模型及其子树都被裁减掉；父节点遍历完成，继续筛选其子节点直到叶节点为止；依次遍历完整个场景便完成了场景内模型的挑选，然后渲染到窗口显示。
传统的遍历方式是采用深度优先遍历顺序，因此遍历的顺序是“地面-房屋-围墙-信箱-街道-桥梁”。
当资源占用受限制需要保证流畅度的情况下，用户需筛选掉更多的模型，传统的做法是给筛选的过程设置一个模型显示距离比例如0.5，遍历过程中，将模型自身的显示距离乘以该比例，相当于将模型整体的显示距离缩小一半，此时模型较小的部分会被筛选掉的更多。
上述方式具有如下缺点：
1.在筛选掉模型的时候只考虑到了模型的大小，即省略掉的是模型较小的部分，没有考虑到模型本身跟视角的关系，对最终画面的影响度。举例如省略掉了就在眼前的围墙，而显示了在较远部分的街道，街道虽然大但是由于距视角挺远，因此最终形成的画面里其占得图像像素数并非一定大于近处的围墙，也就是说围墙的缺失所带来的模型完整度的损失要大于省略掉远处的街道。
2.无法定量的控制模型的显示以保证渲染流畅度，由于模型大小的分布情况随应用场景而不定，因此完全通过对整体模型的一个显示距离的放缩很容易出现剪裁的模型不够或者剪裁的过多导致渲染流畅度得不到保证。
发明内容
针对相关技术中的上述技术问题，本发明提出一种基于定量控制器和显示优先级队列的渲染引擎方法和系统，能够克服现有技术的上述不足。
为实现上述技术目的，本发明的技术方案是这样实现的：
一种基于定量控制器和显示优先级队列的渲染引擎方法，该方法包括以下步骤：
场景筛选器获取用户发送的一帧渲染请求，构建资源管理器，资源管理器创建显示优先级队列；
场景筛选器获取场景树根节点信息，发送根节点信息到显示优先级队列；
显示优先级队列获取根节点信息，并将根节点加入优先级队列，判断资源管理器中资源占用情况和节点数量，将根节点作为最优模型；
如果资源管理器中资源满了或节点数量达到，停止筛选；
场景筛选器发送根节点模型到筛选结果树，显示优先级队列移除根节点；
筛选结果树获取所述根节点模型；
如果资源管理器中资源未满或节点数量未达到，继续筛选；
资源管理器采用广度优先遍历场景树节点，场景筛选器和所述资源管理器循环筛选；
占满所述资源管理器资源，退出循环，结束筛选，形成筛选结果树，渲染筛选结果树中的模型。
进一步的，场景筛选器和所述资源管理器循环筛选中的步骤包括以下步骤：
显示优先级队列获取节点信息，并将节点加入优先级队列；
判断资源占用情况和节点数量，如果资源管理器中资源满了或节点数量达到，停止筛选，比较、挑选所述显示优先级队列中画面影响度最大的节点，作为最优模型；
资源管理器发送最优模型信息到筛选结果树；
筛选结果树获取最优模型信息，并将最优模型加入到筛选结果树；
显示优先级队列移除画面影响度最大的节点；
如果资源管理器中资源未满或节点数量未达到，继续筛选。
根据本发明的另一方面，提供了一种基于定量控制器和显示优先级队列的渲染引擎系统，该系统包括场景树模块、场景筛选器模块、筛选结果树模块，其中，
所述场景树模块用于封装待筛选的场景树结构；
所述场景筛选器模块用于构建资源管理器，还用于筛选场景树，包括资源管理器模块；
所述资源管理器模块用于创建显示优先级队列，还用于广度优先的方式遍历节点，判断资源占用情况，发送最优模型信息给筛选结果树，包括显示优先级队列模块；
所述显示优先级队列模块包括分析画面影响度值模块；
所述筛选结果树模块用于获取最优模型信息，并保存最优模型信息，包括渲染模型模块。
进一步的，所述显示优先级队列模块用于保存节点信息，分析、筛选节点信息并根据其显示的优先级排序。
进一步的，所述分析画面影响度值模块用于计算和保存最终画面影响度的值。
进一步的，所述渲染模型模块用于渲染所述筛选结果树中画面影响度最大的模型。
本发明的有益效果：通过采用广度优先遍历遍历场景树，从优先级队列中挑选对最终画面影响度最大的模型进行渲染，从而实现了以模型对最终画面的贡献度作为筛选的原则，同时每筛选择一个模型显示，就对应的资源加1，当资源达到限制的时候，删除掉了后续对画面贡献度较低的所有模型，既能够精确的控制模型资源的占用，保证渲染流畅度，同时又能够在固定的资源下达到最好的模型完整性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是根据本发明实施例所述的基于定量控制器和显示优先级队列的渲染引擎方法的流程图；
图2是根据本发明实施例所述的基于定量控制器和显示优先级队列的渲染引擎系统的原理框图；
图 3 是遍历地面节点框图；
图 4 是遍历地面子节点框图；
图 5 是遍历房屋子节点框图；
图 6 是最优节点框图。
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所获得的所有其他实施例，都属于本发明保护的范围。
如图1所示，根据本发明实施例所述的基于定量控制器和显示优先级队列的渲染引擎方法，包括以下步骤：
步骤S1，场景筛选器获取用户发送的一帧渲染请求，构建资源管理器，资源管理器创建显示优先级队列；
步骤S2，场景筛选器获取场景树根节点信息，发送根节点信息到显示优先级队列；
步骤S3，显示优先级队列获取根节点信息，并将根节点加入优先级队列，判断资源管理器中资源占用情况和节点数量，将根节点作为最优模型；
步骤S4，如果资源管理器中资源满了或节点数量达到，停止筛选；
步骤S5，场景筛选器发送根节点模型到筛选结果树，显示优先级队列移除根节点；
步骤S6，筛选结果树获取所述根节点模型；
步骤S7，如果资源管理器中资源未满或节点数量未达到，继续筛选；
步骤S8，资源管理器采用广度优先遍历场景树节点，场景筛选器和所述资源管理器循环筛选；
步骤S9，占满所述资源管理器资源，退出循环，结束筛选，形成筛选结果树，渲染筛选结果树中的模型。
步骤S8中，场景筛选器和所述资源管理器循环筛选中的步骤包括以下步骤：
步骤S81，显示优先级队列获取节点信息，并将节点加入优先级队列；
步骤S82，判断资源占用情况和节点数量，如果资源管理器中资源满了或节点数量达到，停止筛选，比较、挑选所述显示优先级队列中画面影响度最大的节点，作为最优模型；
步骤S83，资源管理器发送最优模型信息到筛选结果树；
步骤S84，筛选结果树获取最优模型信息，并将最优模型加入到筛选结果树；
步骤S85，显示优先级队列移除画面影响度最大的节点；
步骤S86，如果资源管理器中资源未满或节点数量未达到，继续筛选。
如图2所示，根据本发明实施例所述的基于定量控制器和显示优先级队列的渲染引擎系统，包括场景树模块、场景筛选器模块、筛选结果树模块，其中，
所述场景树模块用于封装待筛选的场景树结构；
所述场景筛选器模块用于构建资源管理器，还用于筛选场景树，包括资源管理器模块；
所述资源管理器模块用于创建显示优先级队列，还用于广度优先的方式遍历节点，判断资源占用情况，发送最优模型信息给筛选结果树，包括显示优先级队列模块；
所述显示优先级队列模块包括分析画面影响度值模块；
所述筛选结果树模块用于获取最优模型信息，并保存最优模型信息，包括渲染模型模块。
在本发明的一个具体实施例中，所述显示优先级队列模块用于保存节点信息，分析、筛选节点信息并根据其显示的优先级排序。
在本发明的一个具体实施例中，所述分析画面影响度值模块用于计算和保存最终画面影响度的值。
在本发明的一个具体实施例中，所述渲染模型模块用于渲染所述筛选结果树中画面影响度最大的模型。
为了方便理解本发明的上述技术方案，以下通过具体使用方式上对本发明的上述技术方案进行详细说明。
在具体使用时，如图3所示一个典型的城市模型结构，城市由房屋、街道、桥梁等模型组成，房屋由窗户、门等结构组成，模型之间形成一颗场景树，场景树上的每个模型（如城市、房屋等）被称为节点。
遍历到地面节点，现将地面节点加入到显示优先级队列。
如图4所示由于优先级队列中只存在地面，因此地面为最优节点，此时已选择模型节点数为0个，没有超过最大资源限制，因此采用广度优先遍历地面的子节点，并将子节点加入到显示优先级队列，将已选择的节点地面从显示优先级队列内移除。
由于资源选择任然没有超过限制，因此从房屋、街道、桥梁中挑选对最终画面影响度最高的模型显示，具体方法是将房屋，街道，桥梁的最小包围盒投影到屏幕，看谁占得像素数最多，作为最优模型。例如，挑选到了房屋。
如图5所示将房屋设置为被挑选模型，然后将房屋从显示优先级队列移除，继续广度优先遍历房屋的子节点，围墙信箱加入到显示优先级队列。
如图6所示同样方式从显示优先级列表中选择最优节点，如围墙，将围墙设置为被挑选状态并从显示优先级队列中移除，由于围墙没有子节点，因此继续从显示优先级列表中挑选最优模型，但由于资源已经达到上限，因此，将显示优先级队列中的剩余节点（信箱、街道、桥梁）设置为被筛选掉，整个场景遍历结束。
具体方案如下：
S1.定义显示优先级列表：优先级列表可以是用任何编程语言实现的一个类；
S2.定义资源控制器，并将优先级队列对象作为其成员：资源控制器可以使用任何编程语言实现的一个类；
S3.将场景树根节点加入到显示优先级列表；
S4.此时启动资源控制器的筛选函数；
S5.资源控制器根据资源占用情况决定是否挑选最优节点显示，如果资源占用超过限额，则退出，否则，挑选最优节点显示，其中挑选最优的方法可根据用户场景自由制定，典型的做法是将显示优先级列表中的节点都计算出一个实时到屏幕的投影像素数，为了提高效率，可以选择用模型的包围盒等近似计算投影值，具体算法是对模型做视图变换、投影变换；
S6.资源控制器选择了最优节点，调用筛选器的筛选函数广度优先遍历其子节点；
S7.筛选器将子节点加入到显示优先级列表；
S8.资源控制器继续循环，选择最优，继续筛选，直到资源超过限额或者场景遍历完全为止退出，结束筛选。
综上所述，借助于本发明的上述技术方案，通过采用广度优先遍历遍历场景树，从优先级队列中挑选对最终画面影响度最大的模型进行渲染，从而实现了以模型对最终画面的贡献度作为筛选的原则，同时每筛选择一个模型显示，就对应的资源加1，当资源达到限制的时候，删除掉了后续对画面贡献度较低的所有模型，既能够精确的控制模型资源的占用，保证渲染流畅度，同时又能够在固定的资源下达到最好的模型完整性。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于定量控制器和显示优先级队列的渲染引擎方法，其特征在于，包括以下步骤：
场景筛选器获取用户发送的一帧渲染请求，构建资源管理器，所述资源管理器创建显示优先级队列；
所述场景筛选器获取场景树根节点信息，发送根节点信息到所述显示优先级队列；
所述显示优先级队列获取根节点信息，并将根节点加入所述显示优先级队列，判断所述资源管理器中资源占用情况和节点数量，将根节点作为最优模型；
所述场景筛选器发送根节点模型到筛选结果树，所述显示优先级队列移除所述根节点；
所述筛选结果树获取所述根节点模型；
所述资源管理器采用广度优先遍历所述场景树节点，所述场景筛选器和所述资源管理器循环筛选；
占满所述资源管理器资源，退出循环，结束筛选，形成所述筛选结果树，渲染所述筛选结果树中的模型。
2.根据权利要求1所述的基于定量控制器和显示优先级队列的渲染引擎方法，其特征在于，所述场景筛选器和所述资源管理器循环筛选中的步骤包括以下步骤：
所述显示优先级队列获取节点信息，并将节点加入所述显示优先级队列；
判断资源占用情况和节点数量，比较、挑选所述显示优先级队列中画面影响度最大的节点，作为最优模型；
所述资源管理器发送最优模型信息到所述筛选结果树；
所述筛选结果树获取最优模型信息，并将最优模型加入到所述筛选结果树；
所述显示优先级队列移除画面影响度最大的节点。
3.一种基于定量控制器和显示优先级队列的渲染引擎系统，其特征在于，包括场景树模块、场景筛选器模块、筛选结果树模块，其中，
所述场景树模块用于封装待筛选的场景树结构；
所述场景筛选器模块用于构建资源管理器，还用于筛选场景树，包括资源管理器模块；
所述资源管理器模块用于创建显示优先级队列，还用于广度优先的方式遍历节点，判断资源占用情况，发送最优模型信息给筛选结果树，包括显示优先级队列模块；
所述显示优先级队列模块包括分析画面影响度值模块；
所述筛选结果树模块用于获取最优模型信息，并保存最优模型信息，包括渲染模型模块。
4.根据权利要求3所述的基于定量控制器和显示优先级队列的渲染引擎系统，其特征在于，所述显示优先级队列模块用于保存节点信息，分析、筛选节点信息并根据其显示的优先级排序。
5.根据权利要求3所述的基于定量控制器和显示优先级队列的渲染引擎系统，其特征在于，所述分析画面影响度值模块用于计算和保存最终画面影响度的值。
6.根据权利要求3所述的基于定量控制器和显示优先级队列的渲染引擎系统，其特征在于，所述渲染模型模块用于渲染所述筛选结果树中画面影响度最大的模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911169571.7A CN111080735B (zh) | 2019-11-26 | 2019-11-26 | 基于定量控制器和显示优先级队列的渲染引擎方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911169571.7A CN111080735B (zh) | 2019-11-26 | 2019-11-26 | 基于定量控制器和显示优先级队列的渲染引擎方法和系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111080735A true CN111080735A (zh) | 2020-04-28 |
| CN111080735B CN111080735B (zh) | 2023-11-24 |
Family
ID=70311620
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911169571.7A Active CN111080735B (zh) | 2019-11-26 | 2019-11-26 | 基于定量控制器和显示优先级队列的渲染引擎方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111080735B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112348935A (zh) * | 2020-11-06 | 2021-02-09 | 芯勍(上海)智能化科技股份有限公司 | 线框渲染方法、终端设备及计算机可读存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101923462A (zh) * | 2009-06-10 | 2010-12-22 | 成都如临其境创意科技有限公司 | 一种基于FlashVR的三维微型场景网络发布引擎 |
| CN103021016A (zh) * | 2012-12-05 | 2013-04-03 | 上海创图网络科技发展有限公司 | 一种渲染过程中海量三维地理信息数据处理方法 |
| US20150170396A1 (en) * | 2011-09-14 | 2015-06-18 | Google Inc. | Prioritizing Node Requests Based On Tile Distance To Reduce Perceptual Scene Time |
| CN105631925A (zh) * | 2015-12-29 | 2016-06-01 | 北京航天测控技术有限公司 | 基于osg三维渲染引擎预处理的三维场景生成方法及装置 |
| US9754405B1 (en) * | 2015-08-10 | 2017-09-05 | Ngrain (Canada) Corporation | System, method and computer-readable medium for organizing and rendering 3D voxel models in a tree structure |
| US20180137597A1 (en) * | 2016-11-11 | 2018-05-17 | Facebook, Inc. | Systems and methods for providing reduced complexity rendering of user interface elements |
| CN108874393A (zh) * | 2018-06-06 | 2018-11-23 | 腾讯科技（深圳）有限公司 | 渲染方法、装置、存储介质和计算机设备 |
| CN109461212A (zh) * | 2018-11-13 | 2019-03-12 | 浙江科澜信息技术有限公司 | 一种三维场景刷新方法、装置、设备及可读存储介质 |
| CN110119270A (zh) * | 2018-02-07 | 2019-08-13 | 阿里巴巴集团控股有限公司 | 网页搭建方法、装置、设备和框架 |
-
2019
- 2019-11-26 CN CN201911169571.7A patent/CN111080735B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101923462A (zh) * | 2009-06-10 | 2010-12-22 | 成都如临其境创意科技有限公司 | 一种基于FlashVR的三维微型场景网络发布引擎 |
| US20150170396A1 (en) * | 2011-09-14 | 2015-06-18 | Google Inc. | Prioritizing Node Requests Based On Tile Distance To Reduce Perceptual Scene Time |
| CN103021016A (zh) * | 2012-12-05 | 2013-04-03 | 上海创图网络科技发展有限公司 | 一种渲染过程中海量三维地理信息数据处理方法 |
| US9754405B1 (en) * | 2015-08-10 | 2017-09-05 | Ngrain (Canada) Corporation | System, method and computer-readable medium for organizing and rendering 3D voxel models in a tree structure |
| CN105631925A (zh) * | 2015-12-29 | 2016-06-01 | 北京航天测控技术有限公司 | 基于osg三维渲染引擎预处理的三维场景生成方法及装置 |
| US20180137597A1 (en) * | 2016-11-11 | 2018-05-17 | Facebook, Inc. | Systems and methods for providing reduced complexity rendering of user interface elements |
| CN110119270A (zh) * | 2018-02-07 | 2019-08-13 | 阿里巴巴集团控股有限公司 | 网页搭建方法、装置、设备和框架 |
| CN108874393A (zh) * | 2018-06-06 | 2018-11-23 | 腾讯科技（深圳）有限公司 | 渲染方法、装置、存储介质和计算机设备 |
| CN109461212A (zh) * | 2018-11-13 | 2019-03-12 | 浙江科澜信息技术有限公司 | 一种三维场景刷新方法、装置、设备及可读存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 张立敏等: "《分布式虚拟集群渲染系统研究》", pages 110 - 113 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112348935A (zh) * | 2020-11-06 | 2021-02-09 | 芯勍(上海)智能化科技股份有限公司 | 线框渲染方法、终端设备及计算机可读存储介质 |
| CN112348935B (zh) * | 2020-11-06 | 2022-09-23 | 芯勍(上海)智能化科技股份有限公司 | 线框渲染方法、终端设备及计算机可读存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111080735B (zh) | 2023-11-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| AU2015229170B2 (en) | Processing and/or transmitting 3D data | |
| CN106445931B (zh) | 数据库节点关联关系展示方法及装置 | |
| US20190286942A1 (en) | Deterministic labeled data generation and artificial intelligence training pipeline | |
| CN109145366A (zh) | 基于Web3D的建筑信息模型轻量级可视化方法 | |
| EP3766005A1 (en) | Real-to-synthetic image domain transfer | |
| CN109308838A (zh) | 一种基于室内地图的室内空间拓扑路网生成方法及装置 | |
| CN108182265B (zh) | 针对关系网络的多层迭代筛选方法及装置 | |
| CN110322694A (zh) | 一种城市交通控制片区划分的方法及装置 | |
| CN112417539B (zh) | 基于语言描述的户型设计方法和装置以及系统 | |
| Bittner et al. | Fast insertion‐based optimization of bounding volume hierarchies | |
| CN105933148B (zh) | 一种sdn化gis网络拓扑模型实现方法 | |
| Yu et al. | Automatic Animation for Time‐Varying Data Visualization | |
| CN101119485A (zh) | 一种基于特征保留的三维模型递进传输方法 | |
| CN109635748A (zh) | 高分辨率影像中道路特征的提取方法 | |
| CN109492070A (zh) | 一种城市宏观场景三维可视化平台系统 | |
| CN111080735A (zh) | 基于定量控制器和显示优先级队列的渲染引擎方法和系统 | |
| CN110264405A (zh) | 基于插值算法的图像处理方法、装置、服务器和存储介质 | |
| CN109754458A (zh) | 三维场景的构建方法、装置及计算机可读存储介质 | |
| CN104935570A (zh) | 基于网络流连接图的网络流连接行为特征分析方法 | |
| Downs et al. | Occlusion horizons for driving through urban scenery | |
| CN110634187B (zh) | 基于户型图的房屋点云模型生成方法及装置 | |
| Besuievsky et al. | Customizable lod for procedural architecture | |
| Lerner et al. | Efficient cells‐and‐portals partitioning | |
| CN112565875B (zh) | 自动生成视频的方法、装置、设备和计算机可读存储介质 | |
| CN112700538A (zh) | Lod生成方法及系统 |
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 | ||
| CB02 | Change of applicant information |
Address after: 102600 Room 302, floor 3, building 5, courtyard 8, KEGU 1st Street, Beijing Economic and Technological Development Zone, Daxing District, Beijing Applicant after: Beijing mutual time Technology Co.,Ltd. Address before: 234, 2nd Floor, Building 8, Zhongguancun Software Park, No. 8 Dongbei Wangxi Road, Haidian District, Beijing, 100193 Applicant before: Beijing Zhongke Fulong Technology Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |