CN111210521B - 面向vr的船舶巨数据模型轻量化方法、系统、终端以及介质 - Google Patents
面向vr的船舶巨数据模型轻量化方法、系统、终端以及介质 Download PDFInfo
- Publication number
- CN111210521B CN111210521B CN202010010619.6A CN202010010619A CN111210521B CN 111210521 B CN111210521 B CN 111210521B CN 202010010619 A CN202010010619 A CN 202010010619A CN 111210521 B CN111210521 B CN 111210521B
- Authority
- CN
- China
- Prior art keywords
- model
- ship
- data model
- giant
- lightweight
- 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
Images
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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/14—Digital output to display device ; Cooperation and interconnection of the display device with other functional units
-
- 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
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/50—Lighting effects
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Graphics (AREA)
- Human Computer Interaction (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Processing Or Creating Images (AREA)
- Image Generation (AREA)
Abstract
本申请提供一种面向VR的船舶巨数据模型轻量化方法、系统、终端以及介质,包括:在导出船舶巨数据模型时对其进行非几何结构化数据的预处理;将经过预处理的船舶巨数据模型转化为能够在VR中显示的网格化模型,并对其中的网格进行剔除;调整经过剔除网格的所述网格化模型的渲染配置参数,以得到符合显示帧率要求的轻量化模型。解决了现有船舶巨数据模型中轻量化程度不够,VR渲染帧率极低不足以满足船舶巨数据模型进行VR轻量化渲染的需求的问题,本申请将船舶巨数据模型导入VR平台后的平均渲染帧率提升,保证了VR体验的流畅度,大幅降低眩晕感,为长时间的VR全船漫游、舱室方案评审、维护维修培训提供了技术性保证,并且本申请具有一定的自由度,可针对不同模型数据量及客户对VR场景的效果要求进行不同程度的轻量化处理。
Description
技术领域
本申请涉及一种于三维模型处理领域,特别是涉及一种面向VR的船舶巨数据模型轻量化方法、系统、终端以及介质。
背景技术
随着船舶制造业进行数字化转型的程度不断加深,行业中越来越多的人意识到利用数字化模型可以覆盖服务船舶设计、生产、售后运维等船舶全生命周期的各个阶段,而利用VR技术在船舶三维模型中进行漫游交互的体验式设计有利于船厂与船东在设计前期进行迭代沟通,减少建造阶段的改单数量并提高船东对最终产品的满意度,另外使用VR技术可替代传统交付的图纸及说明手册,方便船东进行船舶的运维训练。
为实现上述应用,需要首先创建一个基于真实船舶生产设计模型的VR环境,再进行各项需求的针对性开发。而影响VR体验效果最主要的因素之一即是渲染帧率,因原始的船舶生产设计模型数据量巨大,不仅包括VR显示所需的几何信息,还包括生产及管理所需的大量非几何信息,若直接将此种模型用于VR显示,其显示帧率将无法适用于VR体验,如选取某型科考船机舱内全部生产设计模型在不经任何轻量化操作的情况下进行VR显示,其显示帧率只有8FPS左右,远低于VR体验的最低要求——30FPS,这将会造成用户严重眩晕,完全无法开展VR的各类应用。故需要结合VR渲染机理对模型本身以及渲染配置参数进行轻量化的相关优化及调整。
目前针对上述需求,市场主流的处理方式主要有两种:1.将工业用的设计模型进行网格方面的优化;2.重新在动画建模软件中手工重建模型。而对于网格面片在千万级甚至亿级的船舶巨数据模型,仅通过模型网格方面的处理无法在保证模型外观整体正确的前提下进行大幅度的简化,而如此大规模的模型要重新建模需要大量的时间和人力,对于船舶生产企业无疑是不可取的,故目前市面上主流的模型轻量化技术均不足以满足船舶巨数据模型进行VR轻量化渲染的需求。
申请内容
鉴于以上所述现有技术的缺点,本申请的目的在于提供一种面向VR的船舶巨数据模型轻量化方法、系统、终端以及介质,用于解决现有船舶巨数据模型中轻量化程度不够,VR渲染帧率极低不足以满足船舶巨数据模型进行VR轻量化渲染的需求的问题。
为实现上述目的及其他相关目的,本申请提供一种面向VR的船舶巨数据模型轻量化方法,包括:在导出船舶巨数据模型时对其进行非几何结构化数据的预处理;将经过预处理的船舶巨数据模型转化为能够在VR中显示的网格化模型,并对其中的网格进行剔除;调整经过剔除网格的所述网格化模型的渲染配置参数,以得到符合显示帧率要求的轻量化模型。
于本申请的一实施例中,对所述船舶巨数据模型进行非几何结构化数据的预处理的方式包括:通过获取设计所述船舶巨数据模型平台中的接口剔除所述船舶巨数据模型模型非几何信息;其中所述非几何信息包括:工艺信息、尺寸信息及零件属性信息中的一种或多种。
于本申请的一实施例中,对所述船舶巨数据模型进行非几何结构化数据的预处理的方式包括:对所述船舶巨数据模型进行非几何结构树的层级简化;其中所述层级简化方式包括:删除所述结构树中不挂在所述模型的空节点以将无分支的多层级简化。
于本申请的一实施例中,根据经过预处理的船舶巨数据模型转化为能够在VR中显示的网格化模型的方法包括:提取经过预处理的船舶巨数据模型中的B样条曲线控制点,并利用拓扑算法得到所述网格化模型。
于本申请的一实施例中,对所述网格化模型中的网格进行剔除的方式包括:特征剔除方式、不可见面剔除方式以及代理网格方式中的一种或多种;其中,所述特征剔除方式是通过设定尺寸阈值筛选小于某一给定尺寸值的模型特征;所述不可见面剔除方式是删除算法删除场景中大部分不可见的模型面片;所述代理网格方式是使用外形相似但网格数更少的代理模型替换所述网格化模型。
于本申请的一实施例中,所述渲染配置参数包括:视椎体视野范围参数、遮挡物剔除参数、单面显示参数、光照范围参数、拆分场景参数、LOD参数、阴影质量参数、抗锯齿参数、光照烘焙参数、材质贴图整合参数以及合并渲染参数中的一种或多种;其中,所述视椎体视野范围参数是用来控制VR头盔中的锥形视野范围;所述遮挡物剔除参数是用来剔除被其他物体遮挡而不可见的物体;所述单面显示参数是用来使在VR中模型面片仅外表可见一侧的面被显示渲染量;所述光照范围参数是用来调整光源影响半径以控制光纤渲染量;所述拆分场景参数是用来将拥有巨数据模型的单一场景通过拆分成多个较少数据模型场景;所述LOD参数是用来根据物体模型在显示环境中的位置或重要度来决定物体渲染的资源分配,距离用户较远的物体面数及细节度将被替换成网格数较低的模型;所述阴影质量参数是用来改变阴影的长度、精度、分辨率参数以达到平衡VR渲染效果;所述抗锯齿参数是用来对图形边界的像素进行采样以减少物体边缘凹凸锯齿;所述光照烘焙参数是用来根据光源及物体相对位置进行光照效果的预计算,生成一组与模型材质类似的贴图,将此贴图敷设在物体上以达到模拟真实光照的效果;所述材质贴图整合参数是用来通过减少材质种类并提高材质的重复利用率;所述合并渲染参数是用来将同材质物体的网格进行合并提交,使得由CPU提交至GPU的绘制调用命令次数减少。
于本申请的一实施例中,符合显示帧率要求的显示帧率为30FPS。。
为实现上述目的及其他相关目的,本申请提供一种面向VR的船舶巨数据模型轻量化系统,包括:非几何信息轻量化模块,用于在导出船舶巨数据模型时对其进行非几何结构化数据的预处理;几何信息轻量化模块,用于将经过预处理的船舶巨数据模型转化为能够在VR中显示的网格化模型,并对其中的网格进行剔除;渲染轻量化模块,用于调整经过剔除网格的所述网格化模型的渲染配置参数,以得到符合显示帧率要求的轻量化模型。
为实现上述目的及其他相关目的,本申请提供一种面向VR的船舶巨数据模型轻量化终端,包括:存储器,用于存储计算机程序;处理器,运行所述计算机程序,以执行所述面向VR的船舶巨数据模型轻量化方法。
为实现上述目的及其他相关目的,本申请提供一种计算机可读存储介质,存储有计算机程序,所述计算机程序被运行时实现所述面向VR的船舶巨数据模型轻量化方法。
如上所述,本申请的面向VR的船舶巨数据模型轻量化方法、系统、终端以及介质,具有以下有益效果:将船舶巨数据模型导入VR平台后的平均渲染帧率提升,保证了VR体验的流畅度,大幅降低眩晕感,为长时间的VR全船漫游、舱室方案评审、维护维修培训提供了技术性保证,并且本申请具有一定的自由度,可针对不同模型数据量及客户对VR场景的效果要求进行不同程度的轻量化处理。
附图说明
图1显示为本申请一实施例中的面向VR的船舶巨数据模型轻量化方法的流程示意图。
图2显示为本申请一实施例中的面向VR的船舶巨数据模型轻量化系统的结构示意图。
图3显示为本申请一实施例中的面向VR的船舶巨数据模型轻量化终端的结构示意图。
具体实施方式
以下通过特定的具体实例说明本申请的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。本申请还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本申请的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,在下述描述中,参考附图,附图描述了本申请的若干实施例。应当理解,还可使用其他实施例,并且可以在不背离本申请的精神和范围的情况下进行机械组成、结构、电气以及操作上的改变。下面的详细描述不应该被认为是限制性的,并且本申请的实施例的范围仅由公布的专利的权利要求书所限定。这里使用的术语仅是为了描述特定实施例,而并非旨在限制本申请。空间相关的术语,例如“上”、“下”、“左”、“右”、“下面”、“下方”、““下部”、“上方”、“上部”等,可在文中使用以便于说明图中所示的一个元件或特征与另一元件或特征的关系。
再者,如同在本文中所使用的,单数形式“一”、“一个”和“该”旨在也包括复数形式,除非上下文中有相反的指示。应当进一步理解,术语“包含”、“包括”表明存在所述的特征、操作、元件、组件、项目、种类、和/或组,但不排除一个或多个其他特征、操作、元件、组件、项目、种类、和/或组的存在、出现或添加。此处使用的术语“或”和“和/或”被解释为包括性的,或意味着任一个或任何组合。因此,“A、B或C”或者“A、B和/或C”意味着“以下任一个:A;B;C;A和B;A和C;B和C;A、B和C”。仅当元件、功能或操作的组合在某些方式下内在地互相排斥时,才会出现该定义的例外。
目前对于结合VR渲染机理对模型本身以及渲染配置参数进行轻量化的相关优化及调整的市场主流处理方式,主要有两种:1.将工业用的设计模型进行网格方面的优化;2.重新在动画建模软件中手工重建模型。而对于网格面片在千万级甚至亿级的船舶巨数据模型,仅通过模型网格方面的处理无法在保证模型外观整体正确的前提下进行大幅度的简化,而如此大规模的模型要重新建模需要大量的时间和人力,对于船舶生产企业无疑是不可取的,故目前市面上主流的模型轻量化技术均不足以满足船舶巨数据模型进行VR轻量化渲染的需求。
因此,本申请提供一种面向VR的船舶巨数据模型轻量化方法,解决了现有技术中解决现有船舶巨数据模型中轻量化程度不够,VR渲染帧率极低不足以满足船舶巨数据模型进行VR轻量化渲染的需求的问题。本申请将船舶巨数据模型导入VR平台后的平均渲染帧率提升,保证了VR体验的流畅度,大幅降低眩晕感,为长时间的VR全船漫游、舱室方案评审、维护维修培训提供了技术性保证,并且本申请具有一定的自由度,可针对不同模型数据量及客户对VR场景的效果要求进行不同程度的轻量化处理。
所述方法包括:
在导出船舶巨数据模型时对其进行非几何结构化数据的预处理;
将经过预处理的船舶巨数据模型转化为能够在VR中显示的网格化模型,并对其中的网格进行剔除;
调整经过剔除网格的所述网格化模型的渲染配置参数,以得到符合显示帧率要求的轻量化模型。
下面以附图1为参考,针对本申请得实施例进行详细说明,以便本申请所述技术领域的技术人员能够容易地实施。本申请可以以多种不同形态体现,并不限于此处说明的实施例。
如图1所示,展示一实施例中面向VR的船舶巨数据模型轻量化方法的流程示意图,即经过以下步骤;
步骤S11:在导出船舶巨数据模型时对其进行非几何结构化数据的预处理。
可选的,在导出船舶巨数据模型时对所述模型进行非几何类结构化数据的简化、剔除。
可选的,在从工业设计软件导出船舶巨数据模型时对所述模型进行非几何类结构化数据的简化、剔除。
可选的,获取原生产设计模型平台中的接口并开发实现所述模型外观数据等基本信息的导出,如此导出的文件剔除了原模型中的材质、装配约束及标注等对VR无用的信息,仅包含模型的几何信息及基本的结构树信息。
可选的,对所述船舶巨数据模型进行非几何结构化数据的预处理的方式包括:剔除处理,通过获取设计所述船舶巨数据模型平台中的接口剔除所述船舶巨数据模型模型非几何信息;其中所述非几何信息包括:工艺信息、尺寸信息及零件属性信息中的一种或多种。
可选的,通过获取设计所述船舶巨数据模型平台中的接口剔除所述船舶巨数据模型模型非几何信息,只导出模型外观数据等基本信息的功能。
可选的,对所述船舶巨数据模型进行非几何结构化数据的预处理的方式包括:简化处理,对所述船舶巨数据模型进行非几何结构树的层级简化;其中所述层级简化方式包括:删除所述结构树中不挂在所述模型的空节点以将无分支的多层级简化。
可选的,所述船舶巨数据模型为stp,3dxml,cgr等三维模型中间格式模型。
S12:将经过预处理的船舶巨数据模型转化为能够在VR中显示的网格化模型,并对其中的网格进行剔除。
可选的,将由B-Rep方式构建的经过预处理的船舶巨数据模型通过网格镶嵌功能转化为多边形网格模型可供VR显示。
可选的,根据经过预处理的船舶巨数据模型转化为能够在VR中显示的网格化模型的方法包括:提取经过预处理的船舶巨数据模型中的B样条曲线控制点,并利用拓扑算法得到所述网格化模型。
可选的,将经过预处理的船舶巨数据模型进行网格拓扑层面的轻量化,即为在保证所述模型整体外观效果变化不大的情况下减少网格数目。
可选的,对所述网格化模型中的网格进行剔除的方式包括:特征剔除方式、不可见面剔除方式以及代理网格方式中的一种或多种;其中,所述特征剔除方式是通过设定尺寸阈值筛选小于某一给定尺寸值的模型特征;所述不可见面剔除方式是删除算法删除场景中大部分不可见的模型面片;所述代理网格方式是使用外形相似但网格数更少的代理模型替换所述网格化模型。
可选的,所述特征剔除方式包括删除场景中对模型外观影响不大的小突出体、孔洞以及小零件。其中对于上述小特征及小零件的可以通过数值调节来筛选小特征及小零件的尺寸范围。
可选的,所述不可见面剔除方式包括删除所述模型的内表面等不可见面,其具体原理是从场景模型的外围某球面平均分布若干点,从这些点向模型发出若干条射线,其中无法被射线命中的网格被认定为不可见面。
可选的,所述代理网格方式包括使用代理网格模型替代VR场景中对外观精细程度要求及重要度不高的模型。其中需要被代理的模型需要人工选择,代理网格的原理是通过对在阈值范围内的相邻网格顶点进行差值顶点融合,从减少顶点数上来减少各模型的网格数目。
S13:调整经过剔除网格的所述网格化模型的渲染配置参数,以得到符合显示帧率要求的轻量化模型。
可选的,调整经过剔除网格的所述网格化模型的渲染配置参数,根据不同场景的要求,通过VR渲染机理的相关参数调整来实现渲染帧数的提升,以得到符合显示帧率要求的轻量化模型。
可选的,所述渲染配置参数包括:视椎体视野范围参数、遮挡物剔除参数、单面显示参数、光照范围参数、拆分场景参数、LOD参数、阴影质量参数、抗锯齿参数、光照烘焙参数、材质贴图整合参数以及合并渲染参数中的一种或多种。
其中,所述视椎体视野范围参数是用来控制VR头盔中的锥形视野范围,即是指仅对VR头盔所看到的锥形视野范围内的模型显示,通过调节VR头显中由视野角度范围以及视线距离所决定的四棱锥形的视椎体空间大小来控制头显中需要进行渲染的网格数量。
所述遮挡物剔除参数是用来剔除被其他物体遮挡而不可见的物体,即是指虽在视椎体内但被其他物体遮挡而不可见的物体将不被渲染。
所述光照范围参数是用来调整光源影响半径以控制光纤渲染量;
所述单面显示参数是用来使在VR中模型面片仅外表可见一侧的面被显示渲染量;优选的,使VR场景中所有网格面片只有朝向观察者一侧的网格被渲染显示。
所述拆分场景参数是用来将拥有巨数据模型的单一场景通过拆分成多个较少数据模型场景;具体的,根据场景实际需要布置完虚拟光源的位置后对其所影响的范围进行调整。其中虚拟光源包括点光源、聚光灯源等,如点光源是向空间所有方向平均发散光线的光源,在VR中因为考虑到渲染算力,光源照射的距离是一个有限值,故点光源可照射的范围为一个球体,而聚光灯源照射的范围为一个圆锥体,场景中超出上述范围的模型将不会接收到此光源的照射。
所述LOD参数是用来根据物体模型在显示环境中的位置或重要度来决定物体渲染的资源分配,距离用户较远的物体面数及细节度将被替换成网格数较低的模型;其中LOD是Level of Detail的缩写,即根据物体模型在显示环境中的位置或重要度来决定物体渲染的资源分配,距离用户较远的物体面数及细节度将被替换成网格数较低的模型,从而实现距离近、重要度高的物体的高效率渲染运算。
所述阴影质量参数是用来改变阴影的长度、精度、分辨率参数以达到平衡VR渲染效果。
所述抗锯齿参数是用来对图形边界的像素进行采样以减少物体边缘凹凸锯齿,即通过对图形边界的像素进行采样以减少物体边缘凹凸锯齿的技术,抗锯齿性能越好,其需要对各像素点渲染前采集更多相邻点的数据,这将加大运算单元的负担从而降低整体渲染帧率,故在VR交互中应权衡渲染帧率及效果以选择合适的采样数量。
所述光照烘焙参数是用来根据光源及物体相对位置进行光照效果的预计算,生成一组与模型材质类似的贴图,将此贴图敷设在物体上以达到模拟真实光照的效果,如此可降低在VR体验过程中实时渲染计算量和次数,具体的,所述光照烘焙是CPU根据光源与场景中各模型物体相对位置进行光照效果的预计算而生成的一组与模型材质类似的贴图的过程,光照贴图虽然本质为贴图,但此贴图通过敷设在物体上以达到模拟真实光照的效果,如此可降低在VR体验中实时渲染的计算量。
所述材质贴图整合参数是用来通过减少材质种类并提高材质的重复利用率以减少VR渲染负担。
所述合并渲染参数是用来将同材质物体的网格进行合并提交,使得由CPU提交至GPU的绘制调用命令次数减少以减轻VR渲染端的负担,其中合并渲染也成为渲染批处理,是将同材质物体的网格进行合并提交以减少绘制调用(Draw Call)的方式来减轻渲染端的负担,这一技术会有更高的内存占用,但不会造成CPU损耗。
可选的,符合显示帧率要求的显示帧率为30FPS。
可选的,测试VR场景的平均显示帧率是否达到30FPS。若是,则输出所述轻量化模型。
可选的,若测试VR场景的平均显示帧率没达到30FPS,拆分场景为多个小场景,使各场景中的模型网格数大幅降低,据效果及帧率要求调整VR场景中的光照覆盖范围进行迭代设置。
为配合实现上述方法,以下提供面向VR的船舶巨数据模型轻量化方法的实施例:
实施例1:一种面向VR的船舶巨数据模型轻量化方法。
步骤S1,在船舶巨数据模型从原工业设计平台导出时即通过接口开发实现大部分非几何信息的自动剔除并输出。其中可剔除的大部分非几何信息包括工艺信息、尺寸信息及零件属性信息;输出的模型可为stp,3dxml,cgr等三维模型中间格式。
将所述模型在本系统中打开,对结构树进行层级简化。其中层级简化主要是删除结构树中不挂在模型的空节点,并将无分支的多层级简化为一个层极。
步骤S2,将原来由B样条曲线构建的工业模型通过网格镶嵌功能转化为VR中可显示的网格模型。其中网格镶嵌的具体原理是提取原工业设计模型的B样条曲线控制点等信息后,以较优的拓扑算法对模型进行网格化。
删除场景中对模型外观影响不大的小突出体、孔洞以及小零件。其中对于上述小特征及小零件的可以通过数值调节来筛选小特征及小零件的尺寸范围。
删除场景中从各个视角观察都不可见的网格面。
使用代理网格模型替代VR场景中对外观精细程度要求及重要度不高的模型。其中需要被代理的模型需要人工选择,代理网格的原理是通过对在阈值范围内的相邻网格顶点进行差值顶点融合,从减少顶点数上来减少各模型的网格数目。
再次使用网格镶嵌功能对场景内所有模型进行网格重生成。
步骤S3,此步骤进入到渲染环节,通过调节VR头显中由视野角度范围以及视线距离所决定的四棱锥形的视椎体空间大小来控制头显中需要进行渲染的网格数量。
通过CPU预先计算不同物体之间在场景中的遮挡关系,在VR体验过程中自动剔除当前视角中场景内被遮挡的模型网格。
使VR场景中所有网格面片只有朝向观察者一侧的网格被渲染显示。
根据场景实际需要布置完虚拟光源的位置后对其所影响的范围进行调整。
将场景中颜色相近的材质或贴图进行统一,尽可能减少单一场景中使用的材质贴图数量。
对场景进行光照烘焙。
调节场景内的阴影质量相关参数,包括阴影长度、精度、分辨率等。
抗锯齿相关参数设置。其中抗锯齿是通过对图形边界的像素进行采样以减少物体边缘凹凸锯齿的技术,其可以减少多边形结合处像素点的凹凸错位现象,降低图像的失真度。但抗锯齿性能越好,其需要对各像素点渲染前采集更多相邻点的数据,这将加大运算单元的负担从而降低整体渲染帧率,故在VR交互中应权衡渲染帧率及效果以选择合适的采样数量。
根据模型物体在显示环境中的位置或重要度来决定物体渲染的资源分配,距离用户较远的物体面数及细节度将被替换成网格数较低的模型生成LOD模型。
对当前场景的模型进行网格数据的合并渲染。
运行测试上述步骤处理后的模型,若运行平均帧率在30FPS以上,则输出轻量化模型;
若运行平均帧率在30FPS以下,需要将场景进行拆分以减少单一场景模型数据量,之后再次根据场景实际需要布置完虚拟光源的位置后对其所影响的范围进行调整。
与上述实施例原理相似的是,本申请提供一种面向VR的船舶巨数据模型轻量化系统,所述系统包括:
非几何信息轻量化模块,用于在导出船舶巨数据模型时对其进行非几何结构化数据的预处理;
几何信息轻量化模块,用于将经过预处理的船舶巨数据模型转化为能够在VR中显示的网格化模型,并对其中的网格进行剔除;
渲染轻量化模块,用于调整经过剔除网格的所述网格化模型的渲染配置参数,以得到符合显示帧率要求的轻量化模型。
以下结合附图提供具体实施例:
如图2所示展示本申请实施例中的一种面向VR的船舶巨数据模型轻量化系统的结构示意图。
所述系统包括:
所述非几何信息轻量化模块21,用于在导出船舶巨数据模型时对其进行非几何结构化数据的预处理;
所述几何信息轻量化模块22,用于将经过预处理的船舶巨数据模型转化为能够在VR中显示的网格化模型,并对其中的网格进行剔除;
所述渲染轻量化模块23,用于调整经过剔除网格的所述网格化模型的渲染配置参数,以得到符合显示帧率要求的轻量化模型。
可选的,所述非几何信息轻量化模块21在导出船舶巨数据模型时对所述模型进行非几何类结构化数据的简化、剔除。
可选的,所述非几何信息轻量化模块21在从工业设计软件导出船舶巨数据模型时对所述模型进行非几何类结构化数据的简化、剔除。
可选的,所述非几何信息轻量化模块21获取原生产设计模型平台中的接口并开发实现所述模型外观数据等基本信息的导出,如此导出的文件剔除了原模型中的材质、装配约束及标注等对VR无用的信息,仅包含模型的几何信息及基本的结构树信息。
可选的,所述非几何信息轻量化模块21对所述船舶巨数据模型进行非几何结构化数据的预处理的方式包括:剔除处理,通过获取设计所述船舶巨数据模型平台中的接口剔除所述船舶巨数据模型模型非几何信息;其中所述非几何信息包括:工艺信息、尺寸信息及零件属性信息中的一种或多种。
可选的,所述非几何信息轻量化模块21通过获取设计所述船舶巨数据模型平台中的接口剔除所述船舶巨数据模型模型非几何信息,只导出模型外观数据等基本信息的功能。
可选的,所述非几何信息轻量化模块21对所述船舶巨数据模型进行非几何结构化数据的预处理的方式包括:简化处理,对所述船舶巨数据模型进行非几何结构树的层级简化;其中所述层级简化方式包括:删除所述结构树中不挂在所述模型的空节点以将无分支的多层级简化。
可选的,所述船舶巨数据模型为stp,3dxml,cgr等三维模型中间格式模型。
可选的,所述几何信息轻量化模块22将由B-Rep方式构建的经过预处理的船舶巨数据模型通过网格镶嵌功能转化为多边形网格模型可供VR显示。
可选的,所述几何信息轻量化模块22根据经过预处理的船舶巨数据模型转化为能够在VR中显示的网格化模型的方法包括:提取经过预处理的船舶巨数据模型中的B样条曲线控制点,并利用拓扑算法得到所述网格化模型。
可选的,所述几何信息轻量化模块22将经过预处理的船舶巨数据模型进行网格拓扑层面的轻量化,即为在保证所述模型整体外观效果变化不大的情况下减少网格数目。
可选的,所述几何信息轻量化模块22对所述网格化模型中的网格进行剔除的方式包括:特征剔除方式、不可见面剔除方式以及代理网格方式中的一种或多种;其中,所述特征剔除方式是通过设定尺寸阈值筛选小于某一给定尺寸值的模型特征;所述不可见面剔除方式是删除算法删除场景中大部分不可见的模型面片;所述代理网格方式是使用外形相似但网格数更少的代理模型替换所述网格化模型。
可选的,所述特征剔除方式包括删除场景中对模型外观影响不大的小突出体、孔洞以及小零件。其中对于上述小特征及小零件的可以通过数值调节来筛选小特征及小零件的尺寸范围。
可选的,所述不可见面剔除方式包括删除所述模型的内表面等不可见面,其具体原理是从场景模型的外围某球面平均分布若干点,从这些点向模型发出若干条射线,其中无法被射线命中的网格被认定为不可见面。
可选的,所述代理网格方式包括使用代理网格模型替代VR场景中对外观精细程度要求及重要度不高的模型。其中需要被代理的模型需要人工选择,代理网格的原理是通过对在阈值范围内的相邻网格顶点进行差值顶点融合,从减少顶点数上来减少各模型的网格数目。
可选的,所述渲染轻量化模块23调整经过剔除网格的所述网格化模型的渲染配置参数,根据不同场景的要求,通过VR渲染机理的相关参数调整来实现渲染帧数的提升,以得到符合显示帧率要求的轻量化模型。
可选的,所述渲染配置参数包括:视椎体视野范围参数、遮挡物剔除参数、单面显示参数、光照范围参数、拆分场景参数、LOD参数、阴影质量参数、抗锯齿参数、光照烘焙参数、材质贴图整合参数以及合并渲染参数中的一种或多种。
其中,所述视椎体视野范围参数是用来控制VR头盔中的锥形视野范围,即是指仅对VR头盔所看到的锥形视野范围内的模型显示,通过调节VR头显中由视野角度范围以及视线距离所决定的四棱锥形的视椎体空间大小来控制头显中需要进行渲染的网格数量。
所述遮挡物剔除参数是用来剔除被其他物体遮挡而不可见的物体,即是指虽在视椎体内但被其他物体遮挡而不可见的物体将不被渲染。
所述光照范围参数是用来调整光源影响半径以控制光纤渲染量;
所述单面显示参数是用来使在VR中模型面片仅外表可见一侧的面被显示渲染量;优选的,使VR场景中所有网格面片只有朝向观察者一侧的网格被渲染显示。
所述拆分场景参数是用来将拥有巨数据模型的单一场景通过拆分成多个较少数据模型场景;具体的,根据场景实际需要布置完虚拟光源的位置后对其所影响的范围进行调整。其中虚拟光源包括点光源、聚光灯源等,如点光源是向空间所有方向平均发散光线的光源,在VR中因为考虑到渲染算力,光源照射的距离是一个有限值,故点光源可照射的范围为一个球体,而聚光灯源照射的范围为一个圆锥体,场景中超出上述范围的模型将不会接收到此光源的照射。
所述LOD参数是用来根据物体模型在显示环境中的位置或重要度来决定物体渲染的资源分配,距离用户较远的物体面数及细节度将被替换成网格数较低的模型;其中LOD是Level of Detail的缩写,即根据物体模型在显示环境中的位置或重要度来决定物体渲染的资源分配,距离用户较远的物体面数及细节度将被替换成网格数较低的模型,从而实现距离近、重要度高的物体的高效率渲染运算。
所述阴影质量参数是用来改变阴影的长度、精度、分辨率参数以达到平衡VR渲染效果。
所述抗锯齿参数是用来对图形边界的像素进行采样以减少物体边缘凹凸锯齿,即通过对图形边界的像素进行采样以减少物体边缘凹凸锯齿的技术,抗锯齿性能越好,其需要对各像素点渲染前采集更多相邻点的数据,这将加大运算单元的负担从而降低整体渲染帧率,故在VR交互中应权衡渲染帧率及效果以选择合适的采样数量。
所述光照烘焙参数是用来根据光源及物体相对位置进行光照效果的预计算,生成一组与模型材质类似的贴图,将此贴图敷设在物体上以达到模拟真实光照的效果,如此可降低在VR体验过程中实时渲染计算量和次数,具体的,所述光照烘焙是CPU根据光源与场景中各模型物体相对位置进行光照效果的预计算而生成的一组与模型材质类似的贴图的过程,光照贴图虽然本质为贴图,但此贴图通过敷设在物体上以达到模拟真实光照的效果,如此可降低在VR体验中实时渲染的计算量。
所述材质贴图整合参数是用来通过减少材质种类并提高材质的重复利用率以减少VR渲染负担。
所述合并渲染参数是用来将同材质物体的网格进行合并提交,使得由CPU提交至GPU的绘制调用命令次数减少以减轻VR渲染端的负担,其中合并渲染也成为渲染批处理,是将同材质物体的网格进行合并提交以减少绘制调用(Draw Call)的方式来减轻渲染端的负担,这一技术会有更高的内存占用,但不会造成CPU损耗。
可选的,符合显示帧率要求的显示帧率为30FPS。
可选的,所述渲染轻量化模块23测试VR场景的平均显示帧率是否达到30FPS。若是,则输出所述轻量化模型。
可选的,所述渲染轻量化模块23若测试VR场景的平均显示帧率没达到30FPS,拆分场景为多个小场景,使各场景中的模型网格数大幅降低,据效果及帧率要求调整VR场景中的光照覆盖范围进行迭代设置。
如图3所示,展示本申请实施例中的面向VR的船舶巨数据模型轻量化终端30的结构示意图。
所述电子装置30包括:存储器31及处理器32所述存储器31用于存储计算机程序;所述处理器32运行计算机程序实现如图1所述的面向VR的船舶巨数据模型轻量化方法。
可选的,所述存储器31的数量均可以是一或多个,所述处理器32的数量均可以是一或多个,所而图3中均以一个为例。
可选的,所述电子装置30中的处理器32会按照如图1述的步骤,将一个或多个以应用程序的进程对应的指令加载到存储器31中,并由处理器32来运行存储在存储器31中的应用程序,从而实现如图1所述面向VR的船舶巨数据模型轻量化方法中的各种功能。
可选的,所述存储器31,可能包括但不限于高速随机存取存储器、非易失性存储器。例如一个或多个磁盘存储设备、闪存设备或其他非易失性固态存储设备;所述处理器31,可能包括但不限于中央处理器(Central Processing Unit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital SignalProcessing,简称DSP)、专用集成电路(Application Specific Integrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
可选的,所述处理器32可以是通用处理器,包括中央处理器(Central ProcessingUnit,简称CPU)、网络处理器(Network Processor,简称NP)等;还可以是数字信号处理器(Digital Signal Processing,简称DSP)、专用集成电路(Application SpecificIntegrated Circuit,简称ASIC)、现场可编程门阵列(Field-Programmable Gate Array,简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
本申请还提供计算机可读存储介质,存储有计算机程序,所述计算机程序运行时实现如图1所示的面向VR的船舶巨数据模型轻量化方法。所述计算机可读存储介质可包括,但不限于,软盘、光盘、CD-ROM(只读光盘存储器)、磁光盘、ROM(只读存储器)、RAM(随机存取存储器)、EPROM(可擦除可编程只读存储器)、EEPROM(电可擦除可编程只读存储器)、磁卡或光卡、闪存、或适于存储机器可执行指令的其他类型的介质/机器可读介质。所述计算机可读存储介质可以是未接入计算机设备的产品,也可以是已接入计算机设备使用的部件。
综上所述,本申请面向VR的船舶巨数据模型轻量化方法、系统、终端以及介质,解决了现有技术中解决现有船舶巨数据模型中轻量化程度不够,VR渲染帧率极低不足以满足船舶巨数据模型进行VR轻量化渲染的需求的问题。本申请将船舶巨数据模型导入VR平台后的平均渲染帧率提升,保证了VR体验的流畅度,大幅降低眩晕感,为长时间的VR全船漫游、舱室方案评审、维护维修培训提供了技术性保证,并且本申请具有一定的自由度,可针对不同模型数据量及客户对VR场景的效果要求进行不同程度的轻量化处理。所以,本申请有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本申请的原理及其功效,而非用于限制本申请。任何熟悉此技术的人士皆可在不违背本申请的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本申请所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本申请的权利要求所涵盖。
Claims (7)
1.一种面向VR的船舶巨数据模型轻量化方法,其特征在于,所述方法包括:
在导出船舶巨数据模型时对其进行非几何结构化数据的预处理;
将经过预处理的船舶巨数据模型转化为能够在VR中显示的网格化模型,并对其中的网格进行剔除;
调整经过剔除网格的所述网格化模型的渲染配置参数,以得到符合显示帧率要求的轻量化模型;
其中,根据经过预处理的船舶巨数据模型转化为能够在VR中显示的网格化模型的方法包括:提取经过预处理的船舶巨数据模型中的B样条曲线控制点,并利用拓扑算法得到所述网格化模型。
2.根据权利要求1所述的方法,其特征在于,对所述船舶巨数据模型进行非几何结构化数据的预处理的方式包括:通过获取设计所述船舶巨数据模型平台中的接口剔除所述船舶巨数据模型的非几何信息;其中所述非几何信息包括:工艺信息、尺寸信息及零件属性信息中的一种或多种。
3.根据权利要求1或2所述的方法,其特征在于,对所述船舶巨数据模型进行非几何结构化数据的预处理的方式包括:对所述船舶巨数据模型进行非几何结构树的层级简化;其中所述层级简化方式包括:删除所述结构树中不挂在所述模型的空节点以将无分支的多层级简化。
4.根据权利要求1所述的方法,其特征在于,符合显示帧率要求的显示帧率为30FPS。
5.一种面向VR的船舶巨数据模型轻量化系统,其特征在于,包括:
非几何信息轻量化模块,用于在导出船舶巨数据模型时对其进行非几何结构化数据的预处理;
几何信息轻量化模块,用于将经过预处理的船舶巨数据模型转化为能够在VR中显示的网格化模型,并对其中的网格进行剔除;
渲染轻量化模块,用于调整经过剔除网格的所述网格化模型的渲染配置参数,以得到符合显示帧率要求的轻量化模型;
其中,根据经过预处理的船舶巨数据模型转化为能够在VR中显示的网格化模型的方法包括:提取经过预处理的船舶巨数据模型中的B样条曲线控制点,并利用拓扑算法得到所述网格化模型。
6.一种面向VR的船舶巨数据模型轻量化终端,其特征在于,包括:
存储器,用于存储计算机程序;
处理器,用于运行所述计算机程序,以执行如权利要求1至4中任一项所述的面向VR的船舶巨数据模型轻量化方法。
7.一种计算机存储介质,其特征在于,存储有计算机程序,所述计算机程序运行时实现如权利要求1至4中任一项所述的面向VR的船舶巨数据模型轻量化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010010619.6A CN111210521B (zh) | 2020-01-06 | 2020-01-06 | 面向vr的船舶巨数据模型轻量化方法、系统、终端以及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010010619.6A CN111210521B (zh) | 2020-01-06 | 2020-01-06 | 面向vr的船舶巨数据模型轻量化方法、系统、终端以及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111210521A CN111210521A (zh) | 2020-05-29 |
CN111210521B true CN111210521B (zh) | 2022-09-16 |
Family
ID=70788621
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010010619.6A Active CN111210521B (zh) | 2020-01-06 | 2020-01-06 | 面向vr的船舶巨数据模型轻量化方法、系统、终端以及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111210521B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112435322A (zh) * | 2020-12-10 | 2021-03-02 | 深圳市大富网络技术有限公司 | 一种3d模型的渲染方法、装置、设备及存储介质 |
CN112734930A (zh) * | 2020-12-30 | 2021-04-30 | 长沙眸瑞网络科技有限公司 | 三维模型轻量化方法、系统、存储介质及图像处理装置 |
CN113012270A (zh) * | 2021-03-24 | 2021-06-22 | 纵深视觉科技(南京)有限责任公司 | 一种立体显示的方法、装置、电子设备及存储介质 |
CN113591208B (zh) * | 2021-07-14 | 2023-10-20 | 中国舰船研究设计中心 | 一种基于舰船特征提取的超大模型轻量化方法及电子设备 |
CN114548432A (zh) * | 2022-01-14 | 2022-05-27 | 江苏扬子江船舶研究所有限公司 | 船舶安全设备检修维保vr智能管理平台及管理方法 |
CN116991795B (zh) * | 2023-06-27 | 2024-05-17 | 中国船舶集团有限公司第七一九研究所 | 一种三维模型自动轻量化处理方法和系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101840565A (zh) * | 2010-04-19 | 2010-09-22 | 浙江大学 | 一种基于gpu的八叉树并行构建方法 |
CN102496082A (zh) * | 2011-11-16 | 2012-06-13 | 北京航空航天大学 | 基于可视化技术的飞机产品研制进度监控方法 |
CN105718643A (zh) * | 2016-01-19 | 2016-06-29 | 武汉理工大学 | 一种基于最优化视角的船舶生产设计审图器实现方法 |
WO2017134275A1 (en) * | 2016-02-05 | 2017-08-10 | Eidgenossische Technische Hochschule Zurich | Methods and systems for determining an optical axis and/or physical properties of a lens and use of the same in virtual imaging and head-mounted displays |
CN107103638A (zh) * | 2017-05-27 | 2017-08-29 | 杭州万维镜像科技有限公司 | 一种虚拟场景与模型的快速渲染方法 |
CN108595858A (zh) * | 2018-04-28 | 2018-09-28 | 成都希盟科技有限公司 | 基于bim的轻量化深度处理工作方法 |
CN109658515A (zh) * | 2017-10-11 | 2019-04-19 | 阿里巴巴集团控股有限公司 | 点云网格化方法、装置、设备及计算机存储介质 |
CN109785422A (zh) * | 2018-12-19 | 2019-05-21 | 全球能源互联网研究院有限公司 | 三维电网场景的构建方法及装置 |
CN110299042A (zh) * | 2019-06-04 | 2019-10-01 | 中广核工程有限公司 | 一种沉浸式核电厂主设备工艺仿真推演方法及系统 |
CN110443893A (zh) * | 2019-08-02 | 2019-11-12 | 广联达科技股份有限公司 | 大规模建筑场景渲染加速方法、系统、装置和存储介质 |
-
2020
- 2020-01-06 CN CN202010010619.6A patent/CN111210521B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101840565A (zh) * | 2010-04-19 | 2010-09-22 | 浙江大学 | 一种基于gpu的八叉树并行构建方法 |
CN102496082A (zh) * | 2011-11-16 | 2012-06-13 | 北京航空航天大学 | 基于可视化技术的飞机产品研制进度监控方法 |
CN105718643A (zh) * | 2016-01-19 | 2016-06-29 | 武汉理工大学 | 一种基于最优化视角的船舶生产设计审图器实现方法 |
WO2017134275A1 (en) * | 2016-02-05 | 2017-08-10 | Eidgenossische Technische Hochschule Zurich | Methods and systems for determining an optical axis and/or physical properties of a lens and use of the same in virtual imaging and head-mounted displays |
CN107103638A (zh) * | 2017-05-27 | 2017-08-29 | 杭州万维镜像科技有限公司 | 一种虚拟场景与模型的快速渲染方法 |
CN109658515A (zh) * | 2017-10-11 | 2019-04-19 | 阿里巴巴集团控股有限公司 | 点云网格化方法、装置、设备及计算机存储介质 |
CN108595858A (zh) * | 2018-04-28 | 2018-09-28 | 成都希盟科技有限公司 | 基于bim的轻量化深度处理工作方法 |
CN109785422A (zh) * | 2018-12-19 | 2019-05-21 | 全球能源互联网研究院有限公司 | 三维电网场景的构建方法及装置 |
CN110299042A (zh) * | 2019-06-04 | 2019-10-01 | 中广核工程有限公司 | 一种沉浸式核电厂主设备工艺仿真推演方法及系统 |
CN110443893A (zh) * | 2019-08-02 | 2019-11-12 | 广联达科技股份有限公司 | 大规模建筑场景渲染加速方法、系统、装置和存储介质 |
Non-Patent Citations (1)
Title |
---|
一种精度可控的CAD网格模型及轻量化算法的研究;刘云华等;《计算机应用研究》;20141031;第31卷(第10期);第3148-3151页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111210521A (zh) | 2020-05-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111210521B (zh) | 面向vr的船舶巨数据模型轻量化方法、系统、终端以及介质 | |
CN113178014B (zh) | 场景模型渲染方法、装置、电子设备和存储介质 | |
CN112270756B (zh) | 一种应用于bim模型文件的数据渲染方法 | |
US11954790B2 (en) | Web-side real-time hybrid rendering method, device and computer equipment combined with ray tracing | |
US9053582B2 (en) | Streaming light propagation | |
CN108986195B (zh) | 一种结合环境映射和全局光照渲染的单镜头混合现实实现方法 | |
CN111275802B (zh) | 一种基于vray的pbr材质渲染方法和系统 | |
CN107330964B (zh) | 一种复杂三维物体的显示方法及系统 | |
CN107452048A (zh) | 全局光照的计算方法及装置 | |
CN106485776A (zh) | 一种3d游戏实时渲染大规模场景的方法及系统 | |
CN101119485A (zh) | 一种基于特征保留的三维模型递进传输方法 | |
CN111915726B (zh) | 一种架空输电线路三维场景的构建方法 | |
CN113034656B (zh) | 游戏场景中光照信息的渲染方法、装置及设备 | |
Yee et al. | Segmentation and adaptive assimilation for detail-preserving display of high-dynamic range images | |
CN110298135A (zh) | 基于bim技术的园林景观数字建模的方法和系统 | |
CN114820906A (zh) | 图像渲染方法、装置、电子设备及存储介质 | |
CN113034657B (zh) | 游戏场景中光照信息的渲染方法、装置及设备 | |
CN110634178A (zh) | 面向数字博物馆的三维场景精细化重建方法 | |
CN112001993A (zh) | 一种面向大场景的多gpu城市仿真系统 | |
CN114241159A (zh) | 基于近景摄影测量法的三维重建与pbr贴图的制作方法 | |
CN117132699A (zh) | 一种基于计算机的云渲染系统及方法 | |
CN115100337A (zh) | 一种基于卷积神经网络的全身人像视频重照明方法和装置 | |
CN109858059B (zh) | 基于cad超大模型的虚拟现实技术在水电站仿真的应用方法 | |
CN114155337A (zh) | 一种基于Unity平台大规模数字车间渲染系统及方法 | |
Wang et al. | Factorized point based global illumination |
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 | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20221103 Address after: 201913 No. 988 Changxing Jiangnan Avenue, Chongming District, Shanghai Patentee after: JIANGNAN SHIPYARD (GROUP) Co.,Ltd. Patentee after: China Shipbuilding Group Haizhou System Technology Co.,Ltd. Address before: 201913 No. 988 Changxing Jiangnan Avenue, Chongming District, Shanghai Patentee before: JIANGNAN SHIPYARD (GROUP) Co.,Ltd. |