CN112733461A - 数字孪生驱动的实时渲染方法、系统和计算机可读介质 - Google Patents

数字孪生驱动的实时渲染方法、系统和计算机可读介质 Download PDF

Info

Publication number
CN112733461A
CN112733461A CN202110081246.6A CN202110081246A CN112733461A CN 112733461 A CN112733461 A CN 112733461A CN 202110081246 A CN202110081246 A CN 202110081246A CN 112733461 A CN112733461 A CN 112733461A
Authority
CN
China
Prior art keywords
rendering
real
information
time
parameters
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
Application number
CN202110081246.6A
Other languages
English (en)
Other versions
CN112733461B (zh
Inventor
刘强
方洛
魏丽军
苏倩怡
张�浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangdong University of Technology
Original Assignee
Guangdong University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangdong University of Technology filed Critical Guangdong University of Technology
Priority to CN202110081246.6A priority Critical patent/CN112733461B/zh
Publication of CN112733461A publication Critical patent/CN112733461A/zh
Application granted granted Critical
Publication of CN112733461B publication Critical patent/CN112733461B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/25—Design optimisation, verification or simulation using particle-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/254—Extract, transform and load [ETL] procedures, e.g. ETL data flows in data warehouses
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
    • G06F16/367—Ontology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • G06T15/06—Ray-tracing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/08—Probabilistic or stochastic CAD

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computer Graphics (AREA)
  • Geometry (AREA)
  • Computational Linguistics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Probability & Statistics with Applications (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Image Generation (AREA)

Abstract

本发明公开了数字孪生驱动的实时渲染方法、系统和计算机可读介质。通过利用数字孪生技术，针对不同产线工艺的差异化需求，实时动态获取正在被观察的工序过程的工艺参数、渲染参数以及其他相关信息参数，通过相似性计算推送并提取最相近的典型工艺知识，从而精准快速地将对应工艺的物理特征用PBR实时渲染方法予以快速渲染呈现到数字孪生系统中的数字化模型上，使数字孪生系统的数字化模型在各个工序的运维过程中可以更加逼真准确地动态可视化地表征各种工艺特征，也更加贴近实物设备和在制品在物理空间中的真实形态，辅助进行各类工艺的工序流程控制；同时也可以作为工艺相关视觉检测等领域的高逼真基准参考，辅助提高其识别精度和准确性。

Description

数字孪生驱动的实时渲染方法、系统和计算机可读介质
技术领域
本发明涉及图像渲染技术领域，尤其涉及数字孪生驱动的实时渲染方法、系统和计算机可读介质。
背景技术
渲染是指将三维场景中的模型，按照设定好的环境、灯光、材质及渲染参数，二维投影成数字图像的过程。随着数字孪生技术的发展，需要渲染的场景规模在不断增大的同时也变得更加复杂，对渲染效果与正式场景的相似程度以及对于工艺特征的表征准确程度提出了更高的要求。与此同时，3D计算机图形学也得到了迅速的发展，特别是近些年来，在GPU半导体工艺和各种3D应用的推动下，图形学中的一个重要分支--实时图形学发展尤为迅速。因此，实时渲染技术得到了广泛应用。其中，基于物理的渲染方法(Physically-BasedRendering,PBR)是近年来广泛使用的一种实时渲染方法，与之对应的材质体系被称为PBR材质体系，该PBR材质体系包括base color,metallic,roughness,specular等参数。
典型工艺是指企业为了生产典型零件而制定的较为普遍的工艺，只需要对典型工艺路线进行部分修改，就能够生产与典型零件相近的零件，从而提高企业的生产效率，但实际生产中却存在着工艺路线过多和典型工艺提取不够精确的问题。
为了实现在渲染引擎中实现实时渲染，常规的方案包括：
(1)直接使用布林-冯光照着色模型对数字化模型进行实时渲染，从而在大致的效果上表达这个材质在近物理PBR渲染中的表现形态，从而更加贴近实物设备和在制品在物理空间中的真实形态。这种渲染方法存在的问题是，由于材质表面只有漫反射效果，材质的表现力非常差，导致渲染效果表现不佳；
(2)目前对于PBR材质渲染的各项相关参数只能通过人工调整或者绘制对应参数的贴图进行调整，使实时渲染效果与实物设备和在制品在物理空间中的真实形态尽可能的逼近，这种渲染方法存在的问题是，操作较为复杂，需要大量的人工操作或者专业的贴图绘制人员，无法从工艺知识库中实时获取到相关参数进行动态绘制，并且得到的渲染结果也并不能在效果上完全的与实物设备和在制品在物理空间中的真实形态对应上；
(3)使用烘焙的方法，将物体受到的光照信息预先烘焙到固定的位置上，从而跳过实时渲染所需的材质参数的限制，直接将最终结果预计算好，保存在烘焙贴图上，最终在实时渲染展示的时候，直接从这张烘焙贴图中读取所需的数据进行展示。这种烘焙方法的缺陷是，使用成本高，非常耗时，并且生成的烘焙贴图受场景的光照条件以及物体位置的限制，一旦场景灯光的位置、方向或是强度，物体位置发生移动或是旋转，或是材质属性发生改变，烘焙贴图就失去了物理真实的意义，需要重新进行烘焙，才能展现出具有物理意义的道染结果。
发明内容
本发明的目的在于提出数字孪生驱动的实时渲染方法、系统和计算机可读介质，以解决上述问题。
为达此目的，本发明采用以下技术方案：
数字孪生驱动的实时渲染方法，包括以下步骤：
S1：建立工艺特征模型，所述工艺特征模型用于存储各种经典工艺的加工特征信息、工艺渲染信息和工艺设计背景信息，然后利用图数据库技术对工艺特征模型进行储存归纳，形成工艺知识图谱网络；
S2：MES系统订单投放，基于数字孪生技术，实时获取生产线的工艺信息数据，并进行数据整合和清洗分析，建立管控系统的数据库，管控系统的数据库用于实时动态地存储经数据整合和清洗分析的工艺信息数据；
S3：管控系统的数据库从工艺信息数据提取出实时的工艺加工特征信息、工艺渲染信息和工艺设计背景信息进行工艺相似性计算，从工艺知识图谱网络之中选定最相近的工艺对象实体；
S4：在三维近物理虚拟仿真设计的开放式信息集成平台上，将正在或者即将进行加工的在制品数字化模型的加工表面独立分割成为一个三维网格对象，并根据生产线的工艺信息数据，得到加工刀具的运行路线以及加工位置，实时动态地将三维网格对象进行UV展开，然后对已经展开的UV图的各个加工区域进行参数化；
S5：通过管控系统的数据库获取在制品上正在进行的工艺的进度、加工刀具的种类位置速度，实时动态地从选定最相近的工艺对象实体之中获取对应工艺进度的表面形状、颜色、粗糙度、光泽度信息，同时获取场景中各个光源的光照信息、环境参数以及标准离线渲染效果图，进行实时PBR渲染，得到各个工艺区域的实时渲染图；
S6：将各个工艺区域的实时渲染图与工艺特征模型中储存的对应标准工艺离线渲染图一起输入SSIM算法之中进行相似度匹配，同时将该SSIM算法表达式作为粒子群算法的适应度函数表达式，迭代执行实时渲染操作、SSIM算法的相似度匹配操作以及粒子群算法操作，以进行渲染效果的比对验证和渲染参数的迭代优化，得到对应工艺的实时渲染和离线渲染图之间的匹配度；
S7：实时对比在迭代过程中该工艺的实时渲染图和储存在工艺特征模型中的离线渲染图之间的匹配度，选出匹配度最大的渲染参数作为目前状态下该工艺的最优PBR渲染参数，将最优PBR渲染参数上传到管控系统之中的数据库之中进行存储，并更新工艺特征模型中对应工艺的PBR渲染参数数据；结合最相近的工艺对象实体，利用后处理Post-Processing的方式，向渲染引擎提交多次针对在制品的数字化模型的渲染信息，最终该工艺区域用最优PBR渲染参数将在制品数字化模型在直接光照条件下的工艺加工特征以近物理的方式渲染表征出来；
S8：向第三方开源预渲染库传入间接光照参数，实时将环境光照渲染成辐照度图作为环境贴图传入渲染引擎的着色器，再利用双向反射率分布函数在环境贴图上进行像素级遍历并计算对应的间接光照计算因子，将间接光照计算因子与对应的PBR渲染参数进行向量乘法计算，得到在制品数字化模型上反映出其所处环境的变化效果；
S9：将步骤S7得到的直接光照结果和步骤S8得到的间接光照结果进行向量加法计算，得到实时PBR渲染加工工艺效果。
进一步，所述步骤S1中，建立工艺特征模型的过程为：
S11：收集经典工艺相关知识，形成工艺知识库；
S12：归纳各种工艺的加工特征、工艺渲染信息以及工艺设计背景，形成以工艺特征向量为基础储存各种信息的工艺特征模型＝{PC，PDB，PRI}，其中PC代表工艺加工特征；PDB代表工艺设计背景信息；PRI代表工艺渲染信息。
进一步，所述步骤S3的过程为：
S31：从管控系统的数据库中提取的工艺特征信息、工艺渲染信息以及工艺设计背景信息，并以特征向量的形式组织起来；
S32：按照离散化时间为单位组织形成工艺相似性表格，纵列为从特征向量组织中的各项工艺信息属性，横行为工艺知识图谱网络中的各个工艺对象实体；
S33：利用余弦相似性公式，计算出各项工艺信息属性与工艺知识图谱网络中各个工艺对象实体对应的工艺信息属性匹配度，完成工艺相似性表格；
S34：通过加权均值计算得到各个工艺对象实体与正在进行的工艺之间的相似度，相似度最高的工艺对象实体选定为最相近的工艺对象实体。
进一步，所述余弦相似性公式为：
Figure BDA0002909200240000051
公式(1)中，
Figure BDA0002909200240000052
为实时从管控系统的数据库中获取到的工艺信息属性向量；
Figure BDA0002909200240000053
为工艺知识图谱网络中的各个工艺对象实体的工艺信息属性向量；Si，j代表最终计算出的工艺信息属性匹配度；n为工艺特征模型中工艺对象实体的总数量；c＝1，2，3…n。
进一步，所述步骤S5的过程为：
S51：通过实时动态获取加工刀具历史位置信息以及对应工艺特征模型中的对应造型函数，从而得到工艺下的各个形状绘制的位置、路线并将其转换到平面UV坐标系下，融合距离场绘制方案，计算各个工艺区域与刀具历史位置的距离，结合工艺特征模型中对应的造型函数，以参数化的方式将其绘制出来并实时更新；
S52：将不同工艺区域各自的PBR渲染参数、直接光照参数以及间接光照参数传入渲染模块；
S53：渲染模块首先遍历传入的直接光照参数中的各个光源信息，然后将直接光照参数传入基于双向反射率分布函数的渲染方程，利用蒙特卡罗积分法近似计算得到漫反射和高光的直接光照计算因子，然后将直接光照计算因子与对应的PBR渲染参数进行向量乘法计算，最终输出各个工艺区域的实时渲染图。
进一步，双向反射率分布函数为：
Figure BDA0002909200240000061
公式(2)中，fr为双向反射率分布函数，sr为立体角度单位，ωi为入射光线单位三维向量，ωr为反射光线单位三维向量，Lr为反射光线的辐射亮度，Li为入射光线的辐射亮度，Ei为入射光纤的辐照度，θi为入射光线与着色平面的法线向量之间的夹角；
渲染方程为：
Lo(p，ωo)＝Le(p，ωo)+∫Ω+Li(p，ωi)fr(p，ωi，ωo)(n·ωi)dωi (3)
公式(3)中，p为着色表面的某个点，即着色点，Lo为出射光线的辐射照度，Li为入射光线的辐射亮度，Lε为自身发出的光线的辐射亮度，Ω+为上半球面对应的立体角度，即2π，fr为双向反射率分布函数，ωi为入射光线单位三维向量，ωr为反射光线单位三维向量，n为着色平面的法线向量；
蒙特卡罗积分法变换后的渲染方程为：
Figure BDA0002909200240000062
公式(4)中，p为着色表面的某个点，即着色点，Lo为出射光线的辐射照度，Li为入射光线的辐射亮度，Lε为自身发出的光线的辐射亮度，Ω+为上半球面对应的立体角度，即2π，fr为双向反射率分布函数，ωi为入射光线单位三维向量，ωr为反射光线单位三维向量，n为着色平面的法线向量，p(ωi)为光线按ωi方向入射到着色平面的概率密度。
进一步，所述步骤S6中，SSIM算法表达式为：
Figure BDA0002909200240000071
公式(5)中，μx、μy对应表示为图像X和图像Y的均值，σx、σy对应表示为图像X和图像Y的标准差，σ2 x、σ2 y对应表示为图像X和图像Y的方差，σxy表示为图像X和图像Y的协方差，c1、c2为常数，是为了避免分母为0而维持稳定。
进一步，所述步骤S6中，得到对应工艺的实时渲染和离线渲染图之间的匹配度过程是：
把最初储存在工艺特征模型的各项PBR渲染参数作为算法的初始解，即粒子初始位置，代入下面公式(6)和(7)得到粒子初始速度，
Figure BDA0002909200240000072
Figure BDA0002909200240000073
公式(6)和(7)中，Vk id为第k次迭代粒子i飞行速度矢量的第d维分量，Xk id为第k次迭代粒子i位置矢量的第d维分量，c1、c2为学习因子，调节学习的最大步长，r1、r2为两个随机函数，取值范围[0,1]，以增加搜索随机性；ω为惯性权重，调节对解空间的搜索能力；Pid表示为粒子i经历过的历史最好位置；Pgd表示为群体内或领域内所有粒子所经历过的最好位置；
将粒子初始位置和初始速度代入粒子群算法的适应度函数表达式中得到相应的适应值，取适应值最好的粒子的位置来更新Pid和Pgd；
然后根据公式(6)和(7)迭代更新粒子的位置和速度，以及在迭代过程中将粒子位置参数作为渲染参数执行PBR渲染算法输出实时渲染图，然后对应输入适应度函数计算得到的适应值，直到迭代次数达到所设定最大迭代次数或全局最优位置满足最小界限，此时适应值最好的粒子即为适应度最好的一组PBR渲染参数，并得到对应的适应值，即对应工艺的实时渲染和离线渲染图之间的匹配度。
本发明还公开了数字孪生驱动的实时渲染系统，包括存储器和处理器；
所述存储器用于存储可由处理器执行的指令；
所述处理器用于执行所述指令以实现上述数字孪生驱动的实时渲染方法。
本发明还公开了一种存储有计算机程序代码的计算机可读介质，所述计算机程序代码在由处理器执行时实现上述数字孪生驱动的实时渲染方法。
本发明提供了基于数字孪生技术驱动的、全流程的、全集成的、近物理的、渲染过程与执行过程与运维过程动态互动优化的工艺知识推送、表征和实时渲染方法、系统和计算机可读介质，通过利用数字孪生技术，针对不同产线工艺的差异化需求，实时动态获取正在被观察的工序过程的工艺参数、渲染参数以及其他相关信息参数，通过相似性计算推送并提取最相近的典型工艺知识，从而精准快速地将对应工艺的物理特征用PBR实时渲染方法予以快速渲染呈现到数字孪生系统中的数字化模型上，使数字孪生系统的数字化模型在各个工序的运维过程中可以更加逼真准确地动态可视化地表征各种工艺特征，也更加贴近实物设备和在制品在物理空间中的真实形态。辅助进行各类工艺的工序流程控制；同时也可以作为工艺相关视觉检测等领域的高逼真基准参考，辅助提高其识别精度和准确性。
附图说明
附图对本发明做进一步说明，但附图中的内容不构成对本发明的任何限制。
图1是本发明其中一个实施例的流程示意图。
具体实施方式
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
本发明立足于如下前提：
(1)完成了工艺设备与相应生产线的三维数字化建模工作，建立了工艺设备与相应生产线的数字化模型，其中工艺设备为通用三维CAD模型，具有清晰的产品结构，工艺设备的运动部件可独立表示与标识。
(2)构建可进行三维近物理虚拟仿真设计的开放式信息集成平台，已经装载工艺设备和相应生产线的虚拟装备，可以通过脚本控制设备的动作或在制品的运动，具备软PLC功能。
(3)搭建虚拟控制网络(车间物联)，运用数字孪生技术构建虚实同步的实物仿真平台，使得单机实物可以与数字化整线上对应的单机数字化模型实现动作同步化，实现以工艺为核心的生产线的虚实同步。
(4)已集成上层MES系统或其执行引擎，实现整线在生成MES指令下运行，同时也将整线数字孪生模型执行情况(工单完成信息、随机故障等)反馈回MES，实现在线模拟运行。
(5)已将传统的串行化生产线定制设计过程转变成并行化过程，首先，以车间的虚拟设计过程取代传统的整体方案设计，这一过程将形成车间的三维数字孪生模型，包括车间布局、设备动作、在制品运动方式等，并完成了初步的设计优化；然后，各类设计师以该车间的三维数字孪生模型为蓝本，同时进行单机装备、控制系统、执行系统的研发，并通过虚拟控制网络与三维数字孪生模型进行集成与同步，同步进行联机调试，以此实现并行化的研发过程，减少设计物产品，缩短设计周期。
本实施例的数字孪生驱动的工艺知识推送、表征和实时渲染方法，包括以下步骤：
S1：建立工艺特征模型，所述工艺特征模型用于存储各种经典工艺的加工特征信息、工艺渲染信息和工艺设计背景信息，然后利用图数据库技术对工艺特征模型进行储存归纳，形成工艺知识图谱网络。
S2：MES系统订单投放，基于数字孪生技术，实时获取生产线的工艺信息数据，并进行数据整合和清洗分析，建立管控系统的数据库，管控系统的数据库用于实时动态地存储经数据整合和清洗分析的工艺信息数据。具体地，工艺信息数据包括根据工序先后顺序获取在制品的材质、面积、高度、质量、速度等物理数据，生产线上各个设备的工作状态数据、即将实施的工艺数据和工艺背景信息以及生产车间环境光照数据。上述数据利用ETL(数据仓库技术)工具完成数据整合和清洗分析。
S3：管控系统的数据库从工艺信息数据提取出实时的工艺加工特征信息、工艺渲染信息和工艺设计背景信息进行工艺相似性计算，从工艺知识图谱网络之中选定最相近的工艺对象实体。
S4：在三维近物理虚拟仿真设计的开放式信息集成平台上，将正在或者即将进行加工的在制品数字化模型的加工表面独立分割成为一个三维网格对象，并根据生产线的工艺信息数据，得到加工刀具的运行路线以及加工位置，实时动态地将三维网格对象进行UV展开，然后对已经展开的UV图的各个加工区域进行参数化。
S5：通过管控系统的数据库获取在制品上正在进行的工艺的进度、加工刀具的种类位置速度，实时动态地从选定最相近的工艺对象实体之中获取对应工艺进度的表面形状、颜色、粗糙度、光泽度信息，同时获取场景中各个光源的光照信息、环境参数以及标准离线渲染效果图，进行实时PBR渲染，得到各个工艺区域的实时渲染图。
S6：将各个工艺区域的实时渲染图与工艺特征模型中储存的对应标准工艺离线渲染图一起输入SSIM(Structural SIMilarity，结构相似性，是一种衡量两幅图像相似度的指标)算法之中进行相似度匹配，同时将该SSIM算法表达式作为粒子群算法的适应度函数表达式，迭代执行实时渲染操作、SSIM算法的相似度匹配操作以及粒子群算法操作，以进行渲染效果的比对验证和渲染参数的迭代优化，得到对应工艺的实时渲染和离线渲染图之间的匹配度。
S7：实时对比在迭代过程中该工艺的实时渲染图和储存在工艺特征模型中的离线渲染图之间的匹配度，选出匹配度最大的渲染参数作为目前状态下该工艺的最优PBR渲染参数，将最优PBR渲染参数上传到管控系统之中的数据库之中进行存储，并更新工艺特征模型中对应工艺的PBR渲染参数数据；结合最相近的工艺对象实体，利用后处理Post-Processing的方式，向渲染引擎提交多次针对在制品的数字化模型的渲染信息，最终该工艺区域用最优PBR渲染参数将在制品数字化模型在直接光照条件下的工艺加工特征以近物理的方式渲染表征出来。
S8：向第三方开源预渲染库传入间接光照参数，实时将环境光照渲染成辐照度图作为环境贴图传入渲染引擎的着色器，再利用双向反射率分布函数在环境贴图上进行像素级遍历并计算对应的间接光照计算因子，将间接光照计算因子与对应的PBR渲染参数进行向量乘法计算，得到在制品数字化模型上反映出其所处环境的变化效果。
S9：将步骤S7得到的直接光照结果和步骤S8得到的间接光照结果进行向量加法计算，得到实时PBR渲染加工工艺效果。
本发明提供了基于数字孪生技术驱动的、全流程的、全集成的、近物理的、渲染过程与执行过程与运维过程动态互动优化的工艺知识推送、表征和实时渲染方法，通过利用数字孪生技术，针对不同产线工艺的差异化需求，实时动态获取正在被观察的工序过程的工艺参数、渲染参数以及其他相关信息参数，通过相似性计算推送并提取最相近的典型工艺知识，从而精准快速地将对应工艺的物理特征用PBR实时渲染方法予以快速渲染呈现到数字孪生系统中的数字化模型上，使数字孪生系统的数字化模型在各个工序的运维过程中可以更加逼真准确地动态可视化地表征各种工艺特征，也更加贴近实物设备和在制品在物理空间中的真实形态。辅助进行各类工艺的工序流程控制；同时也可以作为工艺相关视觉检测等领域的高逼真基准参考，辅助提高其识别精度和准确性。
优选地，所述步骤S1中，建立工艺特征模型的过程为：
S11：收集经典工艺相关知识，如工艺加工特征信息、工艺各个层次各个部分的渲染参数信息、工艺所需资源以及加工需求等，形成工艺知识库；
S12：归纳各种工艺的加工特征、工艺渲染信息以及工艺设计背景，形成以工艺特征向量为基础储存各种信息的工艺特征模型＝{PC，PDB，PRI}，其中PC代表工艺加工特征，包括加工特征类型、刀具进给方向、具体尺寸信息等；PDB代表工艺设计背景信息，包括零件类型、毛坯类型、材料属性和加工类型等；PRI代表工艺渲染信息，包括基本颜色、金属光泽度、粗糙度、光照参数、环境参数以及标准离线渲染效果图等。
如此，通过广泛收集经典工艺的相关知识拓展工艺知识库，使工艺特征模型选定的工艺对象与生产线上的工艺的相似度更高，同时，实现从工艺知识库中实时获取到相关参数进行动态绘制，进而实现得到的渲染结果能在效果上完全的与实物设备和在制品在物理空间中的真实形态对应上，大大提高渲染效果的真实性。
优选地，所述步骤S3的过程为：
S31：从管控系统的数据库中提取的工艺特征信息、工艺渲染信息以及工艺设计背景信息，并以特征向量的形式组织起来。
S32：按照离散化时间为单位组织形成工艺相似性表格，纵列为特征向量组织中的各项工艺信息属性，横行为工艺知识图谱网络中的各个工艺对象实体。
具体地，工艺相似性表格如下表(1)所示：
表(1)
项目1 项目2 项目3 …… 项目n
工艺特征信息
工艺渲染参数信息
工艺设计背景信息
S33：利用余弦相似性公式，计算出各项工艺信息属性与工艺知识图谱网络中各个工艺对象实体对应的工艺信息属性匹配度，完成工艺相似性表格。
S34：通过加权均值计算得到各个工艺对象实体与正在进行的工艺之间的相似度，相似度最高的工艺对象实体选定为最相近的工艺对象实体。
如此，利用计算出各项工艺信息属性与工艺特征模型中各个工艺对象对应的工艺信息属性匹配度，完成工艺相似性表格，再通过加权均值计算从工艺特征模型之中选定最相近的工艺对象，利于最后得到的渲染结果能在效果上完全的与实物设备和在制品在物理空间中的真实形态对应上，以提高渲染效果的真实性。
具体地，所述余弦相似性公式为：
Figure BDA0002909200240000131
公式(1)中，
Figure BDA0002909200240000141
为实时从管控系统的数据库中获取到的工艺信息属性向量；
Figure BDA0002909200240000142
为工艺知识图谱网络中的各个工艺对象的工艺信息属性向量；Si，j代表最终计算出的工艺信息属性匹配度；n为工艺特征模型中工艺对象的总数量；c＝1，2，3…n。
具体地，完成工艺相似性表格如下表(2)所示：
表(2)
项目1 项目2 项目3 …… 项目n
工艺特征信息 S<sub>1，1</sub> S<sub>1，2</sub> S<sub>1，3</sub> …… S<sub>1，n</sub>
工艺渲染参数信息 S<sub>2，1</sub> S<sub>2，2</sub> S<sub>2，3</sub> …… S<sub>2，n</sub>
工艺设计背景信息 S<sub>3，1</sub> S<sub>3，2</sub> S<sub>3，3</sub> …… S<sub>3，n</sub>
优选地，所述步骤S5的过程为：
S51：通过实时动态获取加工刀具历史位置信息以及对应工艺特征模型中的对应造型函数，从而得到工艺下的各个形状绘制的位置、路线并将其转换到平面UV坐标系下，融合距离场绘制方案，计算各个工艺区域与刀具历史位置的距离，结合工艺特征模型中对应的造型函数，以参数化的方式将其绘制出来并实时更新。
S52：将不同工艺区域各自的PBR渲染参数、直接光照参数以及间接光照参数传入渲染模块。
S53：渲染模块首先遍历传入的直接光照参数中的各个光源信息，然后将直接光照参数传入基于双向反射率分布函数的渲染方程，利用蒙特卡罗积分法近似计算得到漫反射和高光的直接光照计算因子，然后将直接光照计算因子与对应的PBR渲染参数进行向量乘法计算，最终输出各个工艺区域的实时渲染图。
其中：双向反射率分布函数为
Figure BDA0002909200240000151
公式(2)中，fr为双向反射率分布函数，sr为立体角度单位，ωi为入射光线单位三维向量，ωr为反射光线单位三维向量，Lr为反射光线的辐射亮度，Li为入射光线的辐射亮度，Ei为入射光纤的辐照度，θi为入射光线与着色平面的法线向量之间的夹角。
渲染方程为：
Lo(p，ωo)＝Le(p，ωo)+∫Ω+Li(p，ωi)fr(p，ωi，ωo)(n·ωi)dωi (3)
公式(3)中，p为着色表面的某个点，即着色点，Lo为出射光线的辐射照度，Li为入射光线的辐射亮度，Lε为自身发出的光线的辐射亮度，Ω+为上半球面对应的立体角度，即2π，fr为双向反射率分布函数，ωi为入射光线单位三维向量，ωr为反射光线单位三维向量，n为着色平面的法线向量。
蒙特卡罗积分法变换后的渲染方程：
Figure BDA0002909200240000152
公式(4)中，p为着色表面的某个点，即着色点，Lo为出射光线的辐射照度，Li为入射光线的辐射亮度，Lε为自身发出的光线的辐射亮度，Ω+为上半球面对应的立体角度，即2π，fr为双向反射率分布函数，ωi为入射光线单位三维向量，ωr为反射光线单位三维向量，n为着色平面的法线向量，p(ωi)为光线按ωi方向入射到着色平面的概率密度。
优选地，所述步骤S6中，SSIM算法表达式为：
Figure BDA0002909200240000161
公式(5)中，μx、μy对应表示为图像X和图像Y的均值，σx、σy对应表示为图像X和图像Y的标准差，σ2 x、σ2 y对应表示为图像X和图像Y的方差，σxy表示为图像X和图像Y的协方差，c1、c2为常数，是为了避免分母为0而维持稳定。
优选地，所述步骤S6中，得到对应工艺的实时渲染和离线渲染图之间的匹配度过程是：
把最初储存在工艺特征模型的各项PBR渲染参数作为算法的初始解，即粒子初始位置，代入下面公式(6)和(7)得到粒子初始速度，
Figure BDA0002909200240000162
Figure BDA0002909200240000163
公式(6)和(7)中，Vk id为第k次迭代粒子i飞行速度矢量的第d维分量，Xk id为第k次迭代粒子i位置矢量的第d维分量，c1、c2为学习因子，调节学习的最大步长，r1、r2为两个随机函数，取值范围[0,1]，以增加搜索随机性；ω为惯性权重，调节对解空间的搜索能力；Pid表示为粒子i经历过的历史最好位置；Pgd表示为群体内或领域内所有粒子所经历过的最好位置；
将粒子初始位置和初始速度代入粒子群算法的适应度函数表达式中得到相应的适应值，取适应值最好的粒子的位置来更新Pid和Pgd；
然后根据公式(6)和(7)迭代更新粒子的位置和速度，以及在迭代过程中将粒子位置参数作为渲染参数执行PBR渲染算法输出实时渲染图，然后对应输入适应度函数计算得到的适应值，直到迭代次数达到所设定最大迭代次数或全局最优位置满足最小界限，此时适应值最好的粒子即为适应度最好的一组PBR渲染参数，并得到对应的适应值，即对应工艺的实时渲染和离线渲染图之间的匹配度。
如此，通过迭代计算得到最优PBR渲染参数，根据最优PBR渲染参数将工艺加工特征以近物理的方式渲染表征出来，得到直接光照的渲染结果。再计算得到在制品数字化模型上反映出其所处环境的变化效果，最后将直接光照和间接光照的渲染结果进行综合计算，实现实时PBR渲染加工工艺效果，使数字孪生系统的数字化模型可以更加逼真准确的表征各种经典工艺特征，也更加贴近实物设备和在制品在物理空间中的真实形态。
本发明还公开了数字孪生驱动的实时渲染系统，包括存储器和处理器；所述存储器用于存储可由处理器执行的指令；所述处理器用于执行所述指令以实现上述数字孪生驱动的实时渲染方法。
本发明还公开了一种存储有计算机程序代码的计算机可读介质，所述计算机程序代码在由处理器执行时实现上述数字孪生驱动的实时渲染方法。
就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(控制方法)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
以上结合具体实施例描述了本发明的技术原理。这些描述只是为了解释本发明的原理，而不能以任何方式解释为对本发明保护范围的限制。基于此处的解释，本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式，这些等同的变型或替换均包含在本申请权利要求所限定的范围内。

Claims (10)

1.数字孪生驱动的实时渲染方法，其特征在于：包括以下步骤：
S1：建立工艺特征模型，所述工艺特征模型用于存储各种经典工艺的加工特征信息、工艺渲染信息和工艺设计背景信息，然后利用图数据库技术对工艺特征模型进行储存归纳，形成工艺知识图谱网络；
S2：MES系统订单投放，基于数字孪生技术，实时获取生产线的工艺信息数据，并进行数据整合和清洗分析，建立管控系统的数据库，管控系统的数据库用于实时动态地存储经数据整合和清洗分析的工艺信息数据；
S3：管控系统的数据库从工艺信息数据提取出实时的工艺加工特征信息、工艺渲染信息和工艺设计背景信息进行工艺相似性计算，从工艺知识图谱网络之中选定最相近的工艺对象实体；
S4：在三维近物理虚拟仿真设计的开放式信息集成平台上，将正在或者即将进行加工的在制品数字化模型的加工表面独立分割成为一个三维网格对象，并根据生产线的工艺信息数据，得到加工刀具的运行路线以及加工位置，实时动态地将三维网格对象进行UV展开，然后对已经展开的UV图的各个加工区域进行参数化；
S5：通过管控系统的数据库获取在制品上正在进行的工艺的进度、加工刀具的种类位置速度，实时动态地从选定最相近的工艺对象实体之中获取对应工艺进度的表面形状、颜色、粗糙度、光泽度信息，同时获取场景中各个光源的光照信息、环境参数以及标准离线渲染效果图，进行实时PBR渲染，得到各个工艺区域的实时渲染图；
S6：将各个工艺区域的实时渲染图与工艺特征模型中储存的对应标准工艺离线渲染图一起输入SSIM算法之中进行相似度匹配，同时将该SSIM算法表达式作为粒子群算法的适应度函数表达式，迭代执行实时渲染操作、SSIM算法的相似度匹配操作以及粒子群算法操作，以进行渲染效果的比对验证和渲染参数的迭代优化，得到对应工艺的实时渲染和离线渲染图之间的匹配度；
S7：实时对比在迭代过程中该工艺的实时渲染图和储存在工艺特征模型中的离线渲染图之间的匹配度，选出匹配度最大的渲染参数作为目前状态下该工艺的最优PBR渲染参数，将最优PBR渲染参数上传到管控系统之中的数据库之中进行存储，并更新工艺特征模型中对应工艺的PBR渲染参数数据；结合最相近的工艺对象实体，利用后处理Post-Processing的方式，向渲染引擎提交多次针对在制品的数字化模型的渲染信息，最终该工艺区域用最优PBR渲染参数将在制品数字化模型在直接光照条件下的工艺加工特征以近物理的方式渲染表征出来；
S8：向第三方开源预渲染库传入间接光照参数，实时将环境光照渲染成辐照度图作为环境贴图传入渲染引擎的着色器，再利用双向反射率分布函数在环境贴图上进行像素级遍历并计算对应的间接光照计算因子，将间接光照计算因子与对应的PBR渲染参数进行向量乘法计算，得到在制品数字化模型上反映出其所处环境的变化效果；
S9：将步骤S7得到的直接光照结果和步骤S8得到的间接光照结果进行向量加法计算，得到实时PBR渲染加工工艺效果。
2.根据权利要求1所述的数字孪生驱动的实时渲染方法，其特征在于，所述步骤S1中，建立工艺特征模型的过程为：
S11：收集经典工艺相关知识，形成工艺知识库；
S12：归纳各种工艺的加工特征、工艺渲染信息以及工艺设计背景，形成以工艺特征向量为基础储存各种信息的工艺特征模型＝{PC，PDB，PRI}，其中PC代表工艺加工特征；PDB代表工艺设计背景信息；PRI代表工艺渲染信息。
3.根据权利要求1所述的数字孪生驱动的实时渲染方法，其特征在于，所述步骤S3的过程为：
S31：从管控系统的数据库中提取的工艺特征信息、工艺渲染信息以及工艺设计背景信息，并以特征向量的形式组织起来；
S32：按照离散化时间为单位组织形成工艺相似性表格，纵列为从特征向量组织中的各项工艺信息属性，横行为工艺知识图谱网络中的各个工艺对象实体；
S33：利用余弦相似性公式，计算出各项工艺信息属性与工艺知识图谱网络中各个工艺对象实体对应的工艺信息属性匹配度，完成工艺相似性表格；
S34：通过加权均值计算得到各个工艺对象实体与正在进行的工艺之间的相似度，相似度最高的工艺对象实体选定为最相近的工艺对象实体。
4.根据权利要求3所述的数字孪生驱动的实时渲染方法，其特征在于，所述余弦相似性公式为：
Figure FDA0002909200230000031
公式(1)中，
Figure FDA0002909200230000032
为实时从管控系统的数据库中获取到的工艺信息属性向量；
Figure FDA0002909200230000033
为工艺知识图谱网络中的各个工艺对象实体的工艺信息属性向量；Si，j代表最终计算出的工艺信息属性匹配度；n为工艺特征模型中工艺对象实体的总数量；c＝1，2，3…n。
5.根据权利要求1所述的数字孪生驱动的实时渲染方法，其特征在于，所述步骤S5的过程为：
S51：通过实时动态获取加工刀具历史位置信息以及对应工艺特征模型中的对应造型函数，从而得到工艺下的各个形状绘制的位置、路线并将其转换到平面UV坐标系下，融合距离场绘制方案，计算各个工艺区域与刀具历史位置的距离，结合工艺特征模型中对应的造型函数，以参数化的方式将其绘制出来并实时更新；
S52：将不同工艺区域各自的PBR渲染参数、直接光照参数以及间接光照参数传入渲染模块；
S53：渲染模块首先遍历传入的直接光照参数中的各个光源信息，然后将直接光照参数传入基于双向反射率分布函数的渲染方程，利用蒙特卡罗积分法近似计算得到漫反射和高光的直接光照计算因子，然后将直接光照计算因子与对应的PBR渲染参数进行向量乘法计算，最终输出各个工艺区域的实时渲染图。
6.根据权利要求5所述的数字孪生驱动的实时渲染方法，其特征在于，双向反射率分布函数为：
Figure FDA0002909200230000041
公式(2)中，fr为双向反射率分布函数，sr为立体角度单位，ωi为入射光线单位三维向量，ωr为反射光线单位三维向量，Lr为反射光线的辐射亮度，Li为入射光线的辐射亮度，Ei为入射光纤的辐照度，θi为入射光线与着色平面的法线向量之间的夹角；
渲染方程为：
Lo(p，ωo)＝Le(p，ω。)+∫Ω+Li(p，ωi)fr(p，ωi，ωo)(n·ωi)dωi (3)
公式(3)中，p为着色表面的某个点，即着色点，Lo为出射光线的辐射照度，Li为入射光线的辐射亮度，Lε为自身发出的光线的辐射亮度，Ω+为上半球面对应的立体角度，即2π，fr为双向反射率分布函数，ωi为入射光线单位三维向量，ωr为反射光线单位三维向量，n为着色平面的法线向量；
蒙特卡罗积分法变换后的渲染方程为：
Figure FDA0002909200230000051
公式(4)中，p为着色表面的某个点，即着色点，Lo为出射光线的辐射照度，Li为入射光线的辐射亮度，Lε为自身发出的光线的辐射亮度，Ω+为上半球面对应的立体角度，即2π，fr为双向反射率分布函数，ωi为入射光线单位三维向量，ωr为反射光线单位三维向量，n为着色平面的法线向量，p(ωi)为光线按ωi方向入射到着色平面的概率密度。
7.根据权利要求1所述的数字孪生驱动的实时渲染方法，其特征在于，所述步骤S6中，SSIM算法表达式为：
Figure FDA0002909200230000052
公式(5)中，μx、μy对应表示为图像X和图像Y的均值，σx、σy对应表示为图像X和图像Y的标准差，σ2 x、σ2 y对应表示为图像X和图像Y的方差，σxy表示为图像X和图像Y的协方差，c1、c2为常数，是为了避免分母为0而维持稳定。
8.根据权利要求7所述的数字孪生驱动的实时渲染方法，其特征在于，所述步骤S6中，得到对应工艺的实时渲染和离线渲染图之间的匹配度过程是：
把最初储存在工艺特征模型的各项PBR渲染参数作为算法的初始解，即粒子初始位置，代入下面公式(6)和(7)得到粒子初始速度，
Figure FDA0002909200230000053
Figure FDA0002909200230000054
公式(6)和(7)中，Vk id为第k次迭代粒子i飞行速度矢量的第d维分量，Xk id为第k次迭代粒子i位置矢量的第d维分量，c1、c2为学习因子，调节学习的最大步长，r1、r2为两个随机函数，取值范围[0,1]，以增加搜索随机性；ω为惯性权重，调节对解空间的搜索能力；Pid表示为粒子i经历过的历史最好位置；Pgd表示为群体内或领域内所有粒子所经历过的最好位置；
将粒子初始位置和初始速度代入粒子群算法的适应度函数表达式中得到相应的适应值，取适应值最好的粒子的位置来更新Pid和Pgd；
然后根据公式(6)和(7)迭代更新粒子的位置和速度，以及在迭代过程中将粒子位置参数作为渲染参数执行PBR渲染算法输出实时渲染图，然后对应输入适应度函数计算得到的适应值，直到迭代次数达到所设定最大迭代次数或全局最优位置满足最小界限，此时适应值最好的粒子即为适应度最好的一组PBR渲染参数，并得到对应的适应值，即对应工艺的实时渲染和离线渲染图之间的匹配度。
9.数字孪生驱动的实时渲染系统，其特征在于，包括存储器和处理器；
所述存储器用于存储可由处理器执行的指令；
所述处理器用于执行所述指令以实现如权利要求1-8任一项所述的方法。
10.一种存储有计算机程序代码的计算机可读介质，其特征在于，所述计算机程序代码在由处理器执行时实现如权利要求1-8任一项所述的方法。
CN202110081246.6A 2021-01-21 2021-01-21 数字孪生驱动的实时渲染方法、系统和计算机可读介质 Active CN112733461B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110081246.6A CN112733461B (zh) 2021-01-21 2021-01-21 数字孪生驱动的实时渲染方法、系统和计算机可读介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110081246.6A CN112733461B (zh) 2021-01-21 2021-01-21 数字孪生驱动的实时渲染方法、系统和计算机可读介质

Publications (2)

Publication Number Publication Date
CN112733461A true CN112733461A (zh) 2021-04-30
CN112733461B CN112733461B (zh) 2021-07-27

Family

ID=75594566

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110081246.6A Active CN112733461B (zh) 2021-01-21 2021-01-21 数字孪生驱动的实时渲染方法、系统和计算机可读介质

Country Status (1)

Country Link
CN (1) CN112733461B (zh)

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113626902A (zh) * 2021-08-18 2021-11-09 杭州群核信息技术有限公司 基于pbr材质的材质建模系统
CN113888716A (zh) * 2021-10-08 2022-01-04 广东工业大学 一种面向数字孪生的场景轻量化方法
CN113901648A (zh) * 2021-09-24 2022-01-07 成都飞机工业（集团）有限责任公司 一种编制零件工艺规程的方法及装置
CN113963100A (zh) * 2021-10-25 2022-01-21 广东工业大学 一种数字孪生仿真场景的三维模型渲染方法及系统
CN113987850A (zh) * 2021-12-28 2022-01-28 湖南视觉伟业智能科技有限公司 基于多源多模态数据的数字孪生模型更新维护方法及系统
CN114089705A (zh) * 2021-11-16 2022-02-25 紫罗兰家纺科技股份有限公司 一种无纺布加工工艺控制方法及系统
CN114140566A (zh) * 2021-11-23 2022-03-04 武汉墨间设计有限公司 一种建筑图纸设计效果实时渲染方法
CN116416386A (zh) * 2023-06-12 2023-07-11 深圳星寻科技有限公司 一种基于数字孪生l5级仿真高清渲染还原系统
WO2023151566A1 (zh) * 2022-02-08 2023-08-17 中兴通讯股份有限公司 数字孪生体系的构建方法、终端设备及存储介质
CN117435294A (zh) * 2023-12-20 2024-01-23 南京扬子信息技术有限责任公司 一种智慧石化生产的可视化展示方法及系统

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180340411A1 (en) * 2017-05-29 2018-11-29 Ge Inspection Technologies, Lp Oil and gas industrial machine monitoring
CN109102187A (zh) * 2018-08-09 2018-12-28 广东工业大学 一种配置参数化输入与方案可视化输出的虚拟换线方法
CN109299550A (zh) * 2018-09-29 2019-02-01 长安大学 一种钢结构桥梁制造决策评价方法
CN110689603A (zh) * 2019-08-27 2020-01-14 杭州群核信息技术有限公司 Pbr实时渲染材质的转换方法、装置、系统及渲染方法
CN110866313A (zh) * 2019-10-22 2020-03-06 温州大学 一种实现断路器自动化检测流水线的数字孪生建模的方法

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20180340411A1 (en) * 2017-05-29 2018-11-29 Ge Inspection Technologies, Lp Oil and gas industrial machine monitoring
CN109102187A (zh) * 2018-08-09 2018-12-28 广东工业大学 一种配置参数化输入与方案可视化输出的虚拟换线方法
CN109299550A (zh) * 2018-09-29 2019-02-01 长安大学 一种钢结构桥梁制造决策评价方法
CN110689603A (zh) * 2019-08-27 2020-01-14 杭州群核信息技术有限公司 Pbr实时渲染材质的转换方法、装置、系统及渲染方法
CN110866313A (zh) * 2019-10-22 2020-03-06 温州大学 一种实现断路器自动化检测流水线的数字孪生建模的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
KAZI MASUDUL ALAM等: "C2PS: A Digital Twin Architecture Reference Model for the Cloud-based Cyber-Physical Systems", 《JOURNAL OF LATEX CLASS FILES》 *
郭飞燕 等: "数字孪生驱动的装配工艺设计现状及关键实现技术研究", 《机械工程学报》 *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113626902B (zh) * 2021-08-18 2024-02-20 杭州群核信息技术有限公司 基于pbr材质的材质建模系统
CN113626902A (zh) * 2021-08-18 2021-11-09 杭州群核信息技术有限公司 基于pbr材质的材质建模系统
CN113901648A (zh) * 2021-09-24 2022-01-07 成都飞机工业（集团）有限责任公司 一种编制零件工艺规程的方法及装置
CN113888716A (zh) * 2021-10-08 2022-01-04 广东工业大学 一种面向数字孪生的场景轻量化方法
CN113888716B (zh) * 2021-10-08 2022-04-01 广东工业大学 一种面向数字孪生的场景轻量化方法
CN113963100A (zh) * 2021-10-25 2022-01-21 广东工业大学 一种数字孪生仿真场景的三维模型渲染方法及系统
CN113963100B (zh) * 2021-10-25 2022-04-29 广东工业大学 一种数字孪生仿真场景的三维模型渲染方法及系统
CN114089705B (zh) * 2021-11-16 2023-09-05 紫罗兰家纺科技股份有限公司 一种无纺布加工工艺控制方法及系统
CN114089705A (zh) * 2021-11-16 2022-02-25 紫罗兰家纺科技股份有限公司 一种无纺布加工工艺控制方法及系统
CN114140566A (zh) * 2021-11-23 2022-03-04 武汉墨间设计有限公司 一种建筑图纸设计效果实时渲染方法
CN113987850A (zh) * 2021-12-28 2022-01-28 湖南视觉伟业智能科技有限公司 基于多源多模态数据的数字孪生模型更新维护方法及系统
WO2023151566A1 (zh) * 2022-02-08 2023-08-17 中兴通讯股份有限公司 数字孪生体系的构建方法、终端设备及存储介质
CN116416386A (zh) * 2023-06-12 2023-07-11 深圳星寻科技有限公司 一种基于数字孪生l5级仿真高清渲染还原系统
CN117435294A (zh) * 2023-12-20 2024-01-23 南京扬子信息技术有限责任公司 一种智慧石化生产的可视化展示方法及系统
CN117435294B (zh) * 2023-12-20 2024-03-15 南京扬子信息技术有限责任公司 一种智慧石化生产的可视化展示方法及系统

Also Published As

Publication number Publication date
CN112733461B (zh) 2021-07-27

Similar Documents

Publication Publication Date Title
CN112733461B (zh) 数字孪生驱动的实时渲染方法、系统和计算机可读介质
CN107067473A (zh) 对3d建模对象进行重构
CN110322564B (zh) 一种适用于vr/ar的变电站运行环境的三维模型构建方法
Zhang et al. Example-guided anthropometric human body modeling
Qin et al. Aura 3D textures
CN110349247A (zh) 一种基于语义理解的室内场景cad三维重建方法
US9519988B2 (en) Subspace clothing simulation using adaptive bases
WO2022076797A1 (en) Computer architecture for generating footwear digital asset
CN110065068A (zh) 一种基于逆向工程的机器人装配作业演示编程方法及装置
Ishikawa et al. Semantic segmentation of 3D point cloud to virtually manipulate real living space
US20220252906A1 (en) Computer-implemented method for individualising a spectacle frame element by determining a parametric substitution model of a spectacle frame element, and device and systems using such a method
Holden et al. Learning inverse rig mappings by nonlinear regression
Hevko et al. Methods building and printing 3D models historical architectural objects
Wu et al. 3D modeling and design effect optimization of ceramics using virtual reality
CN116822159B (zh) 一种人机环境动静融合的数字孪生车间快速建模方法
Huang et al. From bim to pointcloud: automatic generation of labeled indoor pointcloud
Nunes et al. Using dimensionality reduction to create new materials from tabular BRDFs
Bhaumik et al. Recognition techniques in Buddhist iconography and challenges
Vergeest Surface fitting for interactive shape design
CN111210508A (zh) 一种基于三维建模的目标识别装置
Irgenfried et al. CADaVISION: a simulation framework for machine vision prototyping
Zhou et al. Style Conversion of Fine Arts Based on Deep Learning Algorithms and CAD Technology
Mohanty et al. Enhancing titanium spacer defect detection through reinforcement learning-optimized digital twin and synthetic data generation
Frosini et al. Pen2VR: A Smart Pen Tool Interface for Wire Art Design in VR
Pape et al. Virtual Optical Bench: A VR learning tool for optical design

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