CN112819108A - 一种多源异构模型的切片融合方法、系统及存储介质 - Google Patents

一种多源异构模型的切片融合方法、系统及存储介质 Download PDF

Info

Publication number
CN112819108A
CN112819108A CN202110409564.0A CN202110409564A CN112819108A CN 112819108 A CN112819108 A CN 112819108A CN 202110409564 A CN202110409564 A CN 202110409564A CN 112819108 A CN112819108 A CN 112819108A
Authority
CN
China
Prior art keywords
data
slice
model
vertex
slicing
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
CN202110409564.0A
Other languages
English (en)
Other versions
CN112819108B (zh
Inventor
洪勇
晏世武
吴培侗
李江
李先旭
董朝阳
姜益民
闫科
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.)
Information Center Of Hubei Natural Resources Department
Wuhan Optics Valley Information Technology Co ltd
Original Assignee
Information Center Of Hubei Natural Resources Department
Wuhan Optics Valley Information Technology Co ltd
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 Information Center Of Hubei Natural Resources Department, Wuhan Optics Valley Information Technology Co ltd filed Critical Information Center Of Hubei Natural Resources Department
Priority to CN202110409564.0A priority Critical patent/CN112819108B/zh
Publication of CN112819108A publication Critical patent/CN112819108A/zh
Application granted granted Critical
Publication of CN112819108B publication Critical patent/CN112819108B/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
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • 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
    • G06T17/205—Re-meshing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Mathematics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Pure & Applied Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computing Systems (AREA)
  • Geometry (AREA)
  • Computer Graphics (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Image Processing (AREA)

Abstract

本发明提供一种多源异构模型的切片融合方法、系统及存储介质，方法包括：对模型数据进行网格划分或者分块处理；根据任一个网格数据或任一个块数据的顶点密度，确定对任一个网格数据或任一个块数据的切片方式，切片方式包顶点聚类切片方式和边折叠切片方式；进行切片处理，得到倾斜摄影模型数据的多个第一切片数据和BIM模型数据的多个第二切片数据；分别对多个第一切片数据和多个第二切片数据进行合并，输出第一切片模型数据和第二切片模型数据；对第一切片模型数据和第二切片模型数据进行融合。本发明根据网格数据或分块数据中包含的顶点密度，采用不同的方式进行切片，在不改变原始数据模型的同时，也减少了数据切片处理时间。

Description

一种多源异构模型的切片融合方法、系统及存储介质
技术领域
本发明涉及数据切分融合领域，更具体地，涉及一种多源异构模型的切片融合方法、系统及存储介质。
背景技术
随着倾斜摄影模型与BIM（Building Information Modeling，建筑信息模型）技术的不断发展，其产生的模型数据量越来越大，这造成模型数据一起加载时的速度过慢，因此为提升加载效率，普遍的做法是将模型数据进行切片以实现LOD（Levels of Detail，多细节层次）层级的加载机制。
目前对倾斜摄影模型和BIM模型数据进行切片时，是分开进行切片处理的；另外，对于同一种模型数据，比如，对于倾斜摄影模型的所有的数据或者对于BIM模型的所有数据，均采用同一种切片方式进行切片处理，这也增加模型数据预处理的时间。
发明内容
本发明提供一种克服上述问题或者至少部分地解决上述问题的一种多源异构模型的切片融合方法、系统及存储介质。
根据本发明的第一方面，提供了一种多源异构模型的切片融合方法，包括：获取模型数据，并确定所述模型数据的类型；若所述模型数据为倾斜摄影模型数据，则对所述倾斜摄影模型数据进行网格划分，得到多个网格数据；若所述模型数据为BIM模型数据，则对所述BIM模型数据进行分块处理，得到多个块数据；获取每一个网格数据或每一个块数据中的顶点密度，根据任一个网格数据或任一个块数据的顶点密度，确定对所述任一个网格数据或所述任一个块数据的切片方式，所述切片方式包括顶点聚类切片方式和边折叠切片方式；利用所述切片方式对对应的所述任一个网络数据或所述任一个块数据进行切片处理，得到所述倾斜摄影模型数据的多个第一切片数据和所述BIM模型数据的多个第二切片数据；对多个所述第一切片数据进行合并，输出第一切片模型数据，以及对多个所述第二切片数据进行合并，输出第二切片模型数据；对所述第一切片模型数据和所述第二切片模型数据进行融合。
在上述技术方案的基础上，本发明还可以作出如下改进。
可选的，所述根据任一个网格数据或任一个块数据的顶点密度，确定对所述任一个网格数据或所述任一个块数据的切片方式，包括：统计任一个网格数据或任一个块数据包含的顶点密度；若所述任一个网格数据或任一个块数据包含的顶点密度大于设定密度阈值，则确定所述任一个网格数据或所述任一个块数据的切片方式为顶点聚类切片方式；若所述任一个网格数据或任一个块数据包含的顶点密度小于设定密度阈值，则确定所述任一个网格数据或所述任一个块数据的切片方式为边折叠切片方式。
可选的，采用顶点聚类切片方式对所述任一个网格数据或任一个块数据进行切片处理包括：确定体格素的大小，基于所述体格素对所述任一个网格数据或任一个块数据进行划分；将每一个体格素中包含的多个顶点聚类为一个顶点；基于聚类后的顶点进行三角面的重建，输出重建后的任一个网格数据或任一个块数据。
可选的，采用边折叠切片方式对所述任一个网格数据或任一个块数据进行切片处理包括：从所述任一个网格数据或所述任一个块数据中的所有边中确定多个初步有效边；计算每一个初步有效边被折叠的代价，确定代价最小的初步有效边作为折叠边；对所述折叠边进行折叠，计算折叠后的新顶点，并更新与折叠边相关的三角面，得到更新后的任一个网格数据或更新后的任一个块数据；对更新后的任一个网格数据或更新后的任一个块数据再次进行折叠，反复迭代，直到满足迭代结束条件，停止迭代，得到最终的任一个网格数据或任一个块数据。
可选的，所述从所述任一个网格数据或所述任一个块数据中的所有边中确定多个初步有效边，包括：对于同一条边的两个顶点，计算两个顶点之间的欧式距离；确定所述欧式距离小于预设距离阈值的边为初步有效边。
可选的，所述计算每一个初步有效边被折叠的代价，确定代价最小的初步有效边作为折叠边，包括：对于任一个初步有效边的两个顶点，定义每一个顶点的对称误差矩阵；基于每一个顶点的对称误差矩阵，计算每一个顶点的二次误差矩阵；基于任一个初步有效边的两个顶点的二次误差矩阵，计算将所述任一个初步有效边折叠后的新顶点的二次误差矩阵；将最小的所述折叠后的新顶点的二次误差矩阵对应的初步有效边作为折叠边。
可选的，对所述折叠边进行折叠，计算折叠后的新顶点，包括：基于折叠边的两个顶点的二次误差矩阵，计算将所述折叠边折叠后的新顶点的二次误差矩阵；对所述折叠后的新顶点的二次误差矩阵求导，另其一阶导数为0；若折叠后的新顶点的对称误差矩阵可逆，则求解得到折叠后的新顶点；若折叠后的新顶点的对称误差矩阵不可逆，则基于所述折叠边的其中一个顶点v1、另一个顶点v2或(v1+v2)/2，分别计算对应的折叠后的新顶点的二次误差矩阵，将使得二次误差矩阵最小的v1或v2或(v1+v2)/2作为折叠后的新顶点。
可选的，对所述第一切片模型数据和所述第二切片模型数据进行融合，包括：基于3Dtiles格式规范，将所述第一切片模型数据和所述第二切片模型数据处理为分层切片的三维瓦片；对3Dtiles格式的三维瓦片进行融合加载，以实现所述倾斜摄影模型数据和所述BIM模型数据的融合。
根据本发明的第二方面，提供一种多源异构模型的切片融合系统，包括：获取模块，用于获取模型数据，并确定所述模型数据的类型；
划分模块，用于若所述模型数据为倾斜摄影模型数据，则对所述倾斜摄影模型数据进行网格划分，得到多个网格数据；若所述模型数据为BIM模型数据，则对所述BIM模型数据进行分块处理，得到多个块数据；确定模块，用于获取每一个网格数据或每一个块数据中的顶点密度，根据任一个网格数据或任一个块数据的顶点密度，确定对所述任一个网格数据或所述任一个块数据的切片方式，所述切片方式包顶点聚类切片方式和边折叠切片方式；切片模块，用于利用所述切片方式对对应的所述任一个网络数据或所述任一个块数据进行切片处理，得到所述倾斜摄影模型数据的多个第一切片数据和所述BIM模型数据的多个第二切片数据；合并模块，用于对多个所述第一切片数据进行合并，输出第一切片模型数据，以及对多个所述第二切片数据进行合并，输出第二切片模型数据；融合模块，用于对所述第一切片模型数据和所述第二切片模型数据进行融合。
根据本发明的第三方面，提供了一种电子设备，包括存储器、处理器，所述处理器用于执行存储器中存储的计算机管理类程序时实现多源异构模型的切片融合方法的步骤。
根据本发明的第四方面，提供了一种计算机可读存储介质，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现多源异构模型的切片融合方法的步骤。
本发明提供的一种多源异构模型的切片融合方法、系统及存储介质，对模型数据进行网格划分或者分块处理；根据任一个网格数据或任一个块数据的顶点密度，确定对任一个网格数据或任一个块数据的切片方式，切片方式包顶点聚类切片方式和边折叠切片方式；进行切片处理，得到倾斜摄影模型数据的多个第一切片数据和BIM模型数据的多个第二切片数据；分别对多个第一切片数据和多个第二切片数据进行合并，输出第一切片模型数据和第二切片模型数据；对第一切片模型数据和第二切片模型数据进行融合。本发明根据网格数据或分块数据中包含的顶点密度，采用不同的方式进行切片，在不改变原始数据模型的同时，也减少了数据切片处理时间。
附图说明
图1为本发明实施例提供的一种多源异构模型的切片融合方法流程图；
图2为倾斜摄影模型网格划分后的示意图；
图3为BIM模型分块处理后的示意图；
图4为顶点聚类切片算法示意图；
图5为边折叠切片算法的流程图；
图6为边折叠算法示意图；
图7为基于3dtiles数据格式的倾斜摄影模型与BIM 数据的融合组织图；
图8为多源异构模型的切片的整体流程图；
图9为现有技术中多源数据切片与加载流程图；
图10为本发明实施例的切片与加载流程图；
图11为采用多种方式加载效率图对比示意图；
图12是本发明实施例提供的一种多源异构模型的切片融合系统结构图；
图13为本发明提供的一种可能的电子设备的硬件结构示意图；
图14为本发明提供的一种可能的计算机可读存储介质的硬件结构示意图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。
图1为本发明实施例提供的一种多源异构模型的切片融合方法流程图，如图1所示，所述方法包括：101、获取模型数据，并确定所述模型数据的类型；102、若所述模型数据为倾斜摄影模型数据，则对所述倾斜摄影模型数据进行网格划分，得到多个网格数据；若所述模型数据为BIM模型数据，则对所述BIM模型数据进行分块处理，得到多个块数据；103、获取每一个网格数据或每一个块数据中的顶点密度，根据任一个网格数据或任一个块数据的顶点密度，确定对所述任一个网格数据或所述任一个块数据的切片方式，所述切片方式包括顶点聚类切片方式和边折叠切片方式；104、利用所述切片方式对对应的所述任一个网络数据或所述任一个块数据进行切片处理，得到所述倾斜摄影模型数据的多个第一切片数据和所述BIM模型数据的多个第二切片数据；105、对多个所述第一切片数据进行合并，输出第一切片模型数据，以及对多个所述第二切片数据进行合并，输出第二切片模型数据；106、对所述第一切片模型数据和所述第二切片模型数据进行融合。
可以理解的是，基于背景技术中的缺陷，本发明实施例提出了一种基于顶点聚类和边折叠切片方式对倾斜摄影模型数据和BIM模型数据进行融合切片处理的方法。
具体的，对于倾斜摄影模型数据，进行网格划分，得到多个网格数据；对于BIM模型数据，进行分块处理，得到多个分块数据。统计每一个网格数据或每一个分块数据的顶点密度，基于顶点密度来确定对每一个网格数据或分块数据的切片方式，其中，切片方式包括顶点聚类切片方式和边折叠切片方式。利用对应的切片方式对每一个网格数据或分块数据进行切片，得到倾斜摄影模型数据的多个第一切片数据和BIM模型数据的多个第二切片数据。将多个第一切片数据和多个第二切片数据合并，输出切片后的倾斜摄影模型数据和BIM模型数据，对切片后的倾斜摄影模型和BIM模型进行融合。
本发明实施例根据网格数据或分块数据中包含的顶点密度，采用不同的方式进行切片，在不改变原始数据模型的同时，也减少了数据切片处理时间。
在一种可能的实施例方式中，获取模型数据，判断模型数据是倾斜摄影模型数据还是BIM模型数据，如果为倾斜摄影模型数据，就对其进行网格划分，如果是BIM模型数据，对数据进行分块处理，此两种不同的处理方式是由于数据类型不同造成的，倾斜摄影模型为表面模型不具有模型内部结构，而BIM数据为建筑模型其内部也包含模型，其对数据的划分分别如图2、3所示，图2为倾斜摄影模型数据划分后得到的多个网格数据，图3为BIM模型数据分块后得到的多个分块数据。
在一种可能的实施例方式中，根据任一个网格数据或任一个块数据的顶点密度，确定对任一个网格数据或任一个块数据的切片方式，包括：统计任一个网格数据或任一个块数据包含的顶点密度；若所述任一个网格数据或任一个块数据包含的顶点密度大于设定密度阈值，则确定所述任一个网格数据或所述任一个块数据的切片方式为顶点聚类切片方式；若所述任一个网格数据或任一个块数据包含的顶点密度小于设定密度阈值，则确定所述任一个网格数据或任一个块数据的切片方式为边折叠切片方式。
可以理解的是，一个三维模型在计算机中呈现时其基本构成为顶点和三角面，想要展示的三维模型的精度越高，其所包含的点和面也就越多，其模型的复杂度也就越高，计算机在渲染的时候所需要的时间也就越多。但是在实际应用中，通常不需要复杂度高的三维模型，因此就需要对三维模型进行三角网格的切片以减少模型的顶点和三角面，同时近似保持三维模型的几何形状。当前三角网格切片的算法已经十分成熟，主要包含顶点减少、顶点聚类和边折叠这三类算法，当前对倾斜摄影与BIM进行切片运用较为广泛的是顶点聚类和边折叠这两类算法。
在本发明实施例中，在确定切片方式时，对于获取的网格数据或块数据，使用点云密度探测法，统计每一个网格数据或块数据的顶点密度，如果网格数据或者块数据的顶点密度大于设定密度阈值时，则基于顶点聚类切片方式对网格数据或块数据进行切片以加快切片速度。如果网格数据或者块数据的顶点密度小于设定密度阈值时，则基于边折叠切片方式对网格数据或块数据进行切片，以保证模型的几何形状。
在一种可能的实施例方式中，采用顶点聚类切片方式对所述任一个网格数据或任一个块数据进行切片处理包括：确定体格素的大小，基于所述体格素对所述任一个网格数据或任一个块数据进行划分；将每一个体格素中包含的多个顶点聚类为一个顶点；基于聚类后的顶点进行三角面的重建，输出重建后的任一个网格数据或任一个块数据。
可以理解的是，基于顶点聚类的三角网切片算法的思想如图4所示，首先规定体格素的大小，将属于当前体格素的顶点进行聚类，通过取均值的方式获取聚类后的顶点的三维坐标，最后将聚类后的方式进行三角面的重建。具体步骤如下：
(1)根据经验值确定体格素的大小，(2)获取模型数据的包围框，(3)以体格素大小对包围框进行分块，(4)对分块进行遍历，同时将当前体格素中的顶点聚类为一个，(5)对完成聚类操作后的顶点进行三角面的重建,(6)最终输出切片后的模型数据。
在一种可能的实施例方式中，采用边折叠切片方式对所述任一个网格数据或任一个块数据进行切片处理包括：从任一个网格数据或所述任一个块数据中的所有边中确定多个初步有效边；计算每一个初步有效边被折叠的代价，确定代价最小的初步有效边作为折叠边；对所述折叠边进行折叠，计算折叠后的新顶点，并更新与折叠边相关的三角面，得到更新后的任一个网格数据或更新后的任一个块数据；对更新后的任一个网格数据或更新后的任一个块数据再次进行折叠，反复迭代，直到满足迭代结束条件，停止迭代，得到最终的任一个网格数据或任一个块数据。
其中，从任一个网格数据或所述任一个块数据中的所有边中确定多个初步有效边，包括：对于同一条边的两个顶点，计算两个顶点之间的欧式距离；确定欧式距离小于预设距离阈值的边为初步有效边。
其中，计算每一个初步有效边被折叠的代价，确定代价最小的初步有效边作为折叠边，包括：对于任一个初步有效边的两个顶点，定义每一个顶点的对称误差矩阵；基于每一个顶点的对称误差矩阵，计算每一个顶点的二次误差矩阵；基于任一个初步有效边的两个顶点的二次误差矩阵，计算将所述任一个初步有效边折叠后的新顶点的二次误差矩阵；将最小的所述折叠后的新顶点的二次误差矩阵对应的初步有效边作为折叠边。
其中，在一种可能的实施例方式中，对所述折叠边进行折叠，计算折叠后的新顶点，包括：基于折叠边的两个顶点的二次误差矩阵，计算将所述折叠边折叠后的新顶点的二次误差矩阵；对所述折叠后的新顶点的二次误差矩阵求导，另其一阶导数为0；若折叠后的新顶点的对称误差矩阵可逆，则求解得到折叠后的新顶点；若折叠后的新顶点的对称误差矩阵不可逆，则基于所述折叠边的其中一个顶点v1、另一个顶点v2或(v1+v2)/2，分别计算对应的折叠后的新顶点的二次误差矩阵，将使得二次误差矩阵最小的v1或v2或(v1+v2)/2作为折叠后的新顶点。
可以理解的是，基于边折叠切片方式进行切片的整体思路可参见图5，对于三维模型数据，统计原始的三维模型数据的三角面的个数，对于三维模型中的每一个顶点，定义其对称误差矩阵Q。对于三维模型中的每一条边，计算其两个顶点之间的欧式距离，当两个顶点之间的欧式距离小于预设距离，则认为这条边为可以折叠的有效边，称为初步有效边。对于确定出来的初步有效边，计算每一个有效边的二次误差矩阵，选择二次误差矩阵最小的初步有效边为折叠边，对折叠边进行折叠就是将折叠边折叠为一个顶点，基于折叠边的两个顶点，计算该条边被折叠后的新顶点，基于新顶点，更新与折叠边相关的面，得到更新后的数据模型。对于更新后的数据模型，再次进行折叠，直到折叠后的数据模型的三角面的个数大于预设的个数，即满足迭代结束条件，结束对数据模型的折叠。
对模型数据进行边折叠的思想如图6所示，一条边由顶点v1和v2组成，当选择这条 边进行折叠时，折叠后的边用
Figure 742233DEST_PATH_IMAGE001
替代，同时更新之前v1和v2相关的面，确定
Figure 198622DEST_PATH_IMAGE001
的关键在于如 何定义这个代价，而二次误差矩阵能够很好地定义这个代价。设边折叠的代价为
Figure 688509DEST_PATH_IMAGE002
，对于三 维模型中的每个顶点定义一个4*4对称误差矩阵Q，其实质为顶点到其相关平面的距离的平 方和，基于二次误差矩阵的思想，对于任一个顶点
Figure 546744DEST_PATH_IMAGE003
的二次误差矩阵为:
Figure 362253DEST_PATH_IMAGE004
一条边由两个顶点v1和v2组成，因此将该条边收缩为
Figure 804473DEST_PATH_IMAGE001
，那么
Figure 425947DEST_PATH_IMAGE005
Figure 935426DEST_PATH_IMAGE006
；
其中，
Figure 921837DEST_PATH_IMAGE007
代表平面方程ax+by+cz+d=0(a2+b2+c2=0)，Kp为平面p的基 本误差二次型，有：
Figure 854283DEST_PATH_IMAGE008
；
因此当边折叠后，新顶点
Figure 685973DEST_PATH_IMAGE001
的二次误差矩阵为：
Figure 909012DEST_PATH_IMAGE009
其中，
Figure 800745DEST_PATH_IMAGE010
为已知，上述
Figure 217558DEST_PATH_IMAGE011
，根据
Figure 118518DEST_PATH_IMAGE012
对新顶点
Figure 540272DEST_PATH_IMAGE001
进行求解，要求得新顶点
Figure 868485DEST_PATH_IMAGE001
，需要 对
Figure 601955DEST_PATH_IMAGE013
求导，令其一阶导数为0，得到如下：
Figure 808070DEST_PATH_IMAGE014
;
其中左边等式的大矩阵对应的是
Figure 349910DEST_PATH_IMAGE010
，其各个元素如上式所示，于是新顶点
Figure 849024DEST_PATH_IMAGE001
的求 解有两种情况：1)当
Figure 476315DEST_PATH_IMAGE010
可逆时，根据矩阵求解
Figure 453498DEST_PATH_IMAGE015
，2)当
Figure 115424DEST_PATH_IMAGE010
不可逆时， 那么无法根据矩阵求解，此时就从v1、v2和（v1+v2）/2三个点中选择使其
Figure 316598DEST_PATH_IMAGE013
最小的顶点作 为新顶点，即新顶点从v1、v2和（v1+v2）/2三个点中产生。
计算出了对折叠边进行折叠后的新顶点，基于新顶点，对顶点相关的面进行更新，然后再次折叠，反复循环迭代折叠，直到折叠后生成的模型的最终三角面的数量到达设定的数量，即停止折叠，得到折叠后的模型数据。
对于顶点聚类切片或者边折叠切片后的网格数据或分块数据，将倾斜摄影模型的切片后的所有网格数据进行合并，得到切片后的倾斜摄影模型数据，以及将BIM模型的切片后的所有分块数据进行合并，得到切片后的BIM模型数据。
顶点聚类与边折叠为两种三角网切片算法，顶点聚类切片网格的速度十分快，但是无法准确地把握体格素的尺度，当体格素设置过大，则极容易破坏原始模型的几何形状，当体格素设置过小，进行聚类操作后无法大量地减少数据，即达不到三角网切片的目的；边折叠算法在切片速度与模型几何精度具有很好的均衡效果，但是当模型数据过大时，由于它每次迭代需要重新计算每条边的代价并从中选取最小代价的边进行折叠，这会造成模型切片时十分耗时。因此本发明实施例采用点云密度探测法对顶点聚类与边折叠算法进行了融合，以达到对任何大小的数据都能很快地进行切片处理，在保证切片后的模型的几何形状不变的基础上，提高模型数据的切片效率。
在一种可能的实施例方式中，对第一切片模型数据和所述第二切片模型数据进行融合，包括：基于3Dtiles格式规范，将所述第一切片模型数据和所述第二切片模型数据处理为分层切片的三维瓦片；对3Dtiles格式的三维瓦片进行融合加载，以实现所述倾斜摄影模型数据和所述BIM模型数据的融合。
可以理解的是，得到切片后的倾斜摄影模型数据和BIM模型数据，以下对倾斜摄影模型数据和BIM模型数据进行融合。3D Tiles是用于流式传输大规模异构3D地理空间数据集的开放规范。3D Tiles是基于glTF构建的，glTF是用于高效流式传输和渲染3D模型和场景的开放标准。3D地理空间内容（包括摄影测量/大规模模型，BIM/CAD，3D建筑物，实例化要素和点云）可以转换为三维瓦片，并合并为一个数据集，以实现无缝的性能和实时分析，包括测量、可见性分析、样式和过滤。 3D Tiles的基础是一种空间数据结构，该结构启用了详细层次结构（HLOD），因此可以实现仅流式传输和渲染可见的瓦片，从而提高了整体性能。
本发明实施例基于3DTlies格式规范将倾斜摄影模型和BIM模型处理成分层切片的三维瓦片，然后将所有三维瓦片按一定的逻辑关系合并为一个数据集，可以对倾斜摄影模型和BIM模型的三维瓦片数据同时进行加载，以实现对倾斜模型和BIM模型的融合加载，其整个3Dtiles组织结构如图7所示。
参见图8，为本发明实施例提供的一种多源异构模型的切片融合方法的整体流程图，获取模型数据，如果模型数据为倾斜摄影模型数据，则对该模型数据进行网格划分；如果为BIM模型数据，则对该模型数据进行分块处理。统计每一个网格数据或每一个分块数据中的顶点密度，当顶点密度大于预设密度阈值，则基于顶点聚类的切片方式进行切片；当顶点密度小于预设密度阈值，则基于边折叠的切片方式进行切片。将切片后的所有网格数据进行合并，得到切片后的倾斜摄影模型，以及将切片后的所有分块数据进行合并，得到切片后的BIM模型数据。
下面以一个具体的例子来对本发明实施例提供的多源异构模型的切片融合方法进行详细说明。
针对某一地区的倾斜模型和BIM模型进行处理，处理结果如下：
1、对BIM数据分别使用顶点聚类、边折叠、本发明实施例的融合技术进行处理的实际结果如下所示：
顶点聚类：原始文件大小为670M。
表1 某地区BIM数据使用顶点聚类其体格素、模型大小与切片时间关系
Figure 992036DEST_PATH_IMAGE016
从上表1可以看出，随着体格素的增大，切片后的模型文件大小越小，同时切片所需时间也减少。当体格素大小设置为0.1，基本达不到切片的效果，还因为三角网的重建使得其三角面增多，使其文件大小变大，同时切片所需的时间也越多；当体格素设置为10，虽然切片后的模型文件大小仅为原始文件的0.0343%，时间也仅需要2.41s，但是切片后的模型的几何形状已经变形，因此将体格素的大小设置为1，可以在模型大小与切片时间上取得较好的效果。
边折叠：原始文件大小为670M。
表2 某地区BIM使用边折叠其三角面百分比、模型大小与切片时间关系
Figure 976173DEST_PATH_IMAGE017
从上表2可以看出，随着目标模型的三角面数站原始文件的百分比越小，切片后文件大小越小，同时切片所需时间也越多。即使设置目标模型的三角面数仅为原始模型的10%，切片后的模型文件的几何形状也没有发生太大的变化。
本发明实施例的融合切片算法：原始文件大小为670M，同时顶点聚类算法模块采用体格素大小为1，边折叠算法模块设置目标三角面个数为原始的10%。
表3 本技术融合算法与模型文件大小、切片时间表
Figure 492605DEST_PATH_IMAGE018
本发明实施例的融合切片算法对原始文件进行切片后，其切片后模型大小为40.3M，所需时间为30.23s，较仅使用单独的顶点聚类算法其文件大小和切片时间都是增加的，较单独使用边折叠算法其文件大小和切片时间都是减少的。但是在模型细节方面，本发明实施例具有较大的优势，能够体现出模型的细节，表明本发明实施例的融合切片算法是适用和有效的，从整体提升了数据的切片效率和切片精度。
2、传统的多源异构数据的切片与加载流程如图9所示，数据的切片是依次处理，数据的加载也是依次处理，这种顺序处理使得切片与加载效率降低，不利于数据的实时切片与加载显示；而使用本发明实施例后其流程图如图10所示，可以同时对多源异构数据统一切片处理，可以同时对数据进行加载，提升了模型切片与加载效率。将原始的倾斜摄影模型和BIM模型文件分别加载到Cesium、使用本发明实施例的融合切片算法切片数据后，分别加载到Cesuim和将切片后的模型基于3Dtiles进行数据融合一起加载到Cesium加载效率对比表如表4所示。
表4 三种数据在Cesuim中的加载效率
Figure 333522DEST_PATH_IMAGE019
其中T1代表倾斜摄影与BIM数据分开加载总耗时，T2代表进行切片处理后分开加载总耗时，T3代表对切片后的数据进行融合加载总耗时。从上表4中可以看出切片后的倾斜摄影模型数据和BIM模型数据融合在Cesuim加载时间最少，三种方式整体模型的切块对比如图11所示。
图12为本发明实施例提供的一种多源异构模型的切片融合系统结构图，如图12所示，一种多源异构模型的切片融合系统，包括获取模块1201、划分模块1202、确定模块1203、切片模块1204、合并模块1205和融合模块1206，其中：获取模块1201，用于获取模型数据，并确定所述模型数据的类型；划分模块1202，用于若所述模型数据为倾斜摄影模型数据，则对所述倾斜摄影模型数据进行网格划分，得到多个网格数据；若所述模型数据为BIM模型数据，则对所述BIM模型数据进行分块处理，得到多个块数据；确定模块1203，用于获取每一个网格数据或每一个块数据中的顶点密度，根据任一个网格数据或任一个块数据的顶点密度，确定对所述任一个网格数据或所述任一个块数据的切片方式，所述切片方式包顶点聚类切片方式和边折叠切片方式；切片模块1204，用于利用所述切片方式对对应的所述任一个网络数据或所述任一个块数据进行切片处理，得到所述倾斜摄影模型数据的多个第一切片数据和所述BIM模型数据的多个第二切片数据；合并模块1205，用于对多个所述第一切片数据进行合并，输出第一切片模型数据，以及对多个所述第二切片数据进行合并，输出第二切片模型数据；融合模块1206，用于对所述第一切片模型数据和所述第二切片模型数据进行融合。
可以理解的是，本发明实施例提供的一种多源异构模型的切片融合系统与前述各实施例提供的多源异构模型的切片融合方法相对应，多源异构模型的切片融合系统的相关技术特征可参考多源异构模型的切片融合方法的相关技术特征，在此不再赘述。
请参阅图13，图13为本发明实施例提供的电子设备的实施例示意图。如图13所示，本发明实施例提了一种电子设备1300，包括存储器1310、处理器1320及存储在存储器1310上并可在处理器1320上运行的计算机程序1311，处理器1320执行计算机程序1311时实现以下步骤：获取模型数据，并确定所述模型数据的类型；若所述模型数据为倾斜摄影模型数据，则对所述倾斜摄影模型数据进行网格划分，得到多个网格数据；若所述模型数据为BIM模型数据，则对所述BIM模型数据进行分块处理，得到多个块数据；获取每一个网格数据或每一个块数据中的顶点密度，根据任一个网格数据或任一个块数据的顶点密度，确定对所述任一个网格数据或所述任一个块数据的切片方式，所述切片方式包顶点聚类切片方式和边折叠切片方式；利用所述切片方式对对应的所述任一个网络数据或所述任一个块数据进行切片处理，得到所述倾斜摄影模型数据的多个第一切片数据和所述BIM模型数据的多个第二切片数据；对多个所述第一切片数据进行合并，输出第一切片模型数据，以及对多个所述第二切片数据进行合并，输出第二切片模型数据；对所述第一切片模型数据和所述第二切片模型数据进行融合。
请参阅图14，图14为本发明实施例提供的一种计算机可读存储介质的实施例示意图。如图14所示，本实施例提供了一种计算机可读存储介质1400，其上存储有计算机程序1411，该计算机程序1411被处理器执行时实现如下步骤：获取模型数据，并确定所述模型数据的类型；若所述模型数据为倾斜摄影模型数据，则对所述倾斜摄影模型数据进行网格划分，得到多个网格数据；若所述模型数据为BIM模型数据，则对所述BIM模型数据进行分块处理，得到多个块数据；获取每一个网格数据或每一个块数据中的顶点密度，根据任一个网格数据或任一个块数据的顶点密度，确定对所述任一个网格数据或所述任一个块数据的切片方式，所述切片方式包顶点聚类切片方式和边折叠切片方式；利用所述切片方式对对应的所述任一个网络数据或所述任一个块数据进行切片处理，得到所述倾斜摄影模型数据的多个第一切片数据和所述BIM模型数据的多个第二切片数据；对多个所述第一切片数据进行合并，输出第一切片模型数据，以及对多个所述第二切片数据进行合并，输出第二切片模型数据；对所述第一切片模型数据和所述第二切片模型数据进行融合。
本发明实施例提供的一种多源异构模型的切片融合方法、系统及存储介质，基于点云密度探测法对顶点聚类与边折叠算法进行了融合，实现了统一处理倾斜摄影和BIM数据的切片处理，解决了以往单独处理数据切片效率低的问题，同时本技术在保证模型几何精度的情况下提升切片速度和减少了模型文件大小，极大地提高了模型数据的切片处理效率；基于3Dtiles格式规范，实现了倾斜摄影与BIM数据的融合，解决了过往分开加载这两种数据时间过慢的问题，同时配合融合切片后的倾斜摄影与BIM数据，极大地提升整体模型的加载效率。
需要说明的是，在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详细描述的部分，可以参见其它实施例的相关描述。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和/或方框图来描述。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。

Claims (10)

1.一种多源异构模型的切片融合方法，其特征在于，包括：
获取模型数据，并确定所述模型数据的类型；
若所述模型数据为倾斜摄影模型数据，则对所述倾斜摄影模型数据进行网格划分，得到多个网格数据；若所述模型数据为BIM模型数据，则对所述BIM模型数据进行分块处理，得到多个块数据；
获取每一个网格数据或每一个块数据中的顶点密度，根据任一个网格数据或任一个块数据的顶点密度，确定对所述任一个网格数据或所述任一个块数据的切片方式，所述切片方式包括顶点聚类切片方式和边折叠切片方式；
利用所述切片方式对对应的所述任一个网络数据或所述任一个块数据进行切片处理，得到所述倾斜摄影模型数据的多个第一切片数据和所述BIM模型数据的多个第二切片数据；
对多个所述第一切片数据进行合并，输出第一切片模型数据，以及对多个所述第二切片数据进行合并，输出第二切片模型数据；
对所述第一切片模型数据和所述第二切片模型数据进行融合。
2.根据权利要求1所述的方法，其特征在于，所述根据任一个网格数据或任一个块数据的顶点密度，确定对所述任一个网格数据或所述任一个块数据的切片方式，包括：
统计任一个网格数据或任一个块数据包含的顶点密度；
若所述任一个网格数据或任一个块数据包含的顶点密度大于设定密度阈值，则确定所述任一个网格数据或所述任一个块数据的切片方式为顶点聚类切片方式；
若所述任一个网格数据或任一个块数据包含的顶点密度小于设定密度阈值，则确定所述任一个网格数据或所述任一个块数据的切片方式为边折叠切片方式。
3.根据权利要求2所述的方法，其特征在于，
采用顶点聚类切片方式对所述任一个网格数据或任一个块数据进行切片处理包括：
确定体格素的大小，基于所述体格素对所述任一个网格数据或任一个块数据进行划分；
将每一个体格素中包含的多个顶点聚类为一个顶点；
基于聚类后的顶点进行三角面的重建，输出重建后的任一个网格数据或任一个块数据。
4.根据权利要求2所述的方法，其特征在于，
采用边折叠切片方式对所述任一个网格数据或任一个块数据进行切片处理包括：
从所述任一个网格数据或所述任一个块数据中的所有边中确定多个初步有效边；
计算每一个初步有效边被折叠的代价，确定代价最小的初步有效边作为折叠边；
对所述折叠边进行折叠，计算折叠后的新顶点，并更新与折叠边相关的三角面，得到更新后的任一个网格数据或更新后的任一个块数据；
对更新后的任一个网格数据或更新后的任一个块数据再次进行折叠，反复迭代，直到满足迭代结束条件，停止迭代，得到最终的任一个网格数据或任一个块数据。
5.根据权利要求4所述的方法，其特征在于，所述从所述任一个网格数据或所述任一个块数据中的所有边中确定多个初步有效边，包括：
对于同一条边的两个顶点，计算两个顶点之间的欧式距离；
确定所述欧式距离小于预设距离阈值的边为初步有效边。
6.根据权利要求4或5所述的方法，其特征在于，所述计算每一个初步有效边被折叠的代价，确定代价最小的初步有效边作为折叠边，包括：
对于任一个初步有效边的两个顶点，定义每一个顶点的对称误差矩阵；
基于每一个顶点的对称误差矩阵，计算每一个顶点的二次误差矩阵；
基于任一个初步有效边的两个顶点的二次误差矩阵，计算将所述任一个初步有效边折叠后的新顶点的二次误差矩阵；
将最小的所述折叠后的新顶点的二次误差矩阵对应的初步有效边作为折叠边。
7.根据权利要求6所述的方法，其特征在于，对所述折叠边进行折叠，计算折叠后的新顶点，包括：
基于折叠边的两个顶点的二次误差矩阵，计算将所述折叠边折叠后的新顶点的二次误差矩阵；
对所述折叠后的新顶点的二次误差矩阵求导，另其一阶导数为0；
若折叠后的新顶点的对称误差矩阵可逆，则求解得到折叠后的新顶点；
若折叠后的新顶点的对称误差矩阵不可逆，则基于所述折叠边的其中一个顶点v1、另一个顶点v2或(v1+v2)/2，分别计算对应的折叠后的新顶点的二次误差矩阵，将使得二次误差矩阵最小的v1或v2或(v1+v2)/2作为折叠后的新顶点。
8.根据权利要求1所述的方法，其特征在于，对所述第一切片模型数据和所述第二切片模型数据进行融合，包括：
基于3Dtiles格式规范，将所述第一切片模型数据和所述第二切片模型数据处理为分层切片的三维瓦片；
对3Dtiles格式的三维瓦片进行融合加载，以实现所述倾斜摄影模型数据和所述BIM模型数据的融合。
9.一种多源异构模型的切片融合系统，其特征在于，包括：
获取模块，用于获取模型数据，并确定所述模型数据的类型；
划分模块，用于若所述模型数据为倾斜摄影模型数据，则对所述倾斜摄影模型数据进行网格划分，得到多个网格数据；若所述模型数据为BIM模型数据，则对所述BIM模型数据进行分块处理，得到多个块数据；
确定模块，用于获取每一个网格数据或每一个块数据中的顶点密度，根据任一个网格数据或任一个块数据的顶点密度，确定对所述任一个网格数据或所述任一个块数据的切片方式，所述切片方式包顶点聚类切片方式和边折叠切片方式；
切片模块，用于利用所述切片方式对对应的所述任一个网络数据或所述任一个块数据进行切片处理，得到所述倾斜摄影模型数据的多个第一切片数据和所述BIM模型数据的多个第二切片数据；
合并模块，用于对多个所述第一切片数据进行合并，输出第一切片模型数据，以及对多个所述第二切片数据进行合并，输出第二切片模型数据；
融合模块，用于对所述第一切片模型数据和所述第二切片模型数据进行融合。
10.一种计算机可读存储介质，其特征在于，其上存储有计算机管理类程序，所述计算机管理类程序被处理器执行时实现如权利要求1-8任一项所述的多源异构模型的切片融合方法的步骤。
CN202110409564.0A 2021-04-16 2021-04-16 一种多源异构模型的切片融合方法、系统及存储介质 Active CN112819108B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110409564.0A CN112819108B (zh) 2021-04-16 2021-04-16 一种多源异构模型的切片融合方法、系统及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110409564.0A CN112819108B (zh) 2021-04-16 2021-04-16 一种多源异构模型的切片融合方法、系统及存储介质

Publications (2)

Publication Number Publication Date
CN112819108A true CN112819108A (zh) 2021-05-18
CN112819108B CN112819108B (zh) 2021-07-30

Family

ID=75862557

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110409564.0A Active CN112819108B (zh) 2021-04-16 2021-04-16 一种多源异构模型的切片融合方法、系统及存储介质

Country Status (1)

Country Link
CN (1) CN112819108B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114332412A (zh) * 2021-12-30 2022-04-12 中铁二院工程集团有限责任公司 一种顾及比例尺的三维模型数据抽稀简化方法及装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103793937A (zh) * 2013-12-10 2014-05-14 中山大学深圳研究院 一种基于密度聚类的三维几何模型的简化方法及其装置
CN106663333A (zh) * 2014-06-30 2017-05-10 英特尔公司 用于滤波的粗略像素遮蔽的方法和装置
US20180096059A1 (en) * 2016-09-30 2018-04-05 Schlumberger Technology Corporation Unstructured volumetric grid simplification using sub-volume clustering
CN110097624A (zh) * 2019-05-07 2019-08-06 洛阳众智软件科技股份有限公司 生成三维数据lod简化模型的方法及装置
CN110570428A (zh) * 2019-08-09 2019-12-13 浙江合信地理信息技术有限公司 一种从大规模影像密集匹配点云分割建筑物屋顶面片的方法及系统
US20200286261A1 (en) * 2019-03-07 2020-09-10 Samsung Electronics Co., Ltd. Mesh compression
US20200349764A1 (en) * 2019-05-02 2020-11-05 Sony Interactive Entertainment Inc. Apparatus, system and method for data generation
CN112562085A (zh) * 2020-12-22 2021-03-26 广联达科技股份有限公司 一种bim模型简化方法及简化装置
CN112765720A (zh) * 2021-02-26 2021-05-07 黄河勘测规划设计研究院有限公司 基于bim+gis的水利水电工程多源数据融合方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103793937A (zh) * 2013-12-10 2014-05-14 中山大学深圳研究院 一种基于密度聚类的三维几何模型的简化方法及其装置
CN106663333A (zh) * 2014-06-30 2017-05-10 英特尔公司 用于滤波的粗略像素遮蔽的方法和装置
US20180096059A1 (en) * 2016-09-30 2018-04-05 Schlumberger Technology Corporation Unstructured volumetric grid simplification using sub-volume clustering
US20200286261A1 (en) * 2019-03-07 2020-09-10 Samsung Electronics Co., Ltd. Mesh compression
US20200349764A1 (en) * 2019-05-02 2020-11-05 Sony Interactive Entertainment Inc. Apparatus, system and method for data generation
EP3736776A1 (en) * 2019-05-02 2020-11-11 Sony Interactive Entertainment Inc. Apparatus, system and method for the generation of polygonal meshes
CN110097624A (zh) * 2019-05-07 2019-08-06 洛阳众智软件科技股份有限公司 生成三维数据lod简化模型的方法及装置
CN110570428A (zh) * 2019-08-09 2019-12-13 浙江合信地理信息技术有限公司 一种从大规模影像密集匹配点云分割建筑物屋顶面片的方法及系统
CN112562085A (zh) * 2020-12-22 2021-03-26 广联达科技股份有限公司 一种bim模型简化方法及简化装置
CN112765720A (zh) * 2021-02-26 2021-05-07 黄河勘测规划设计研究院有限公司 基于bim+gis的水利水电工程多源数据融合方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
智鹏: "基于BIM的铁路建设管理平台及关键技术研究", 《中国优秀博士学位论文全文数据库工程科技辑》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114332412A (zh) * 2021-12-30 2022-04-12 中铁二院工程集团有限责任公司 一种顾及比例尺的三维模型数据抽稀简化方法及装置
CN114332412B (zh) * 2021-12-30 2023-06-16 中铁二院工程集团有限责任公司 一种顾及比例尺的三维模型数据抽稀简化方法及装置

Also Published As

Publication number Publication date
CN112819108B (zh) 2021-07-30

Similar Documents

Publication Publication Date Title
US11361503B2 (en) Systems and methods for generating volumetric models
US10529126B2 (en) Generating slice data from a voxel representation
Guo et al. Automatic and high-quality surface mesh generation for CAD models
US8175734B2 (en) Methods and system for enabling printing three-dimensional object models
CN112669463B (zh) 三维点云的曲面重建方法、计算机设备和计算机可读存储介质
Di Angelo et al. A new mesh-growing algorithm for fast surface reconstruction
CN110033519B (zh) 基于隐式函数的三维建模方法、装置、系统及存储介质
EP2474930B1 (en) Updating a modeled object
JP6721333B2 (ja) オブジェクトのセットの視点の選択
CN109584357A (zh) 基于多轮廓线的三维建模方法、装置、系统及存储介质
Wang et al. Surface reconstruction from unoriented point clouds by a new triangle selection strategy
CN108171793B (zh) 一种探查层叠区域三角网格的方法
Bronson et al. Lattice cleaving: A multimaterial tetrahedral meshing algorithm with guarantees
Wang et al. Feature-sensitive tetrahedral mesh generation with guaranteed quality
CN115984476A (zh) 一种基于纹理的三维模型裁切方法
CN113724401A (zh) 一种三维模型切割方法、装置、计算机设备和存储介质
CN115758938A (zh) 面向粘性边界流场数值模拟的附面层网格生成方法
CN112819108B (zh) 一种多源异构模型的切片融合方法、系统及存储介质
Li et al. On surface reconstruction: A priority driven approach
CA3037575A1 (en) Geometric modelling for facilitating simulation for manufacturing operations
CN106649992A (zh) 舰船与尾迹的网格模型的融合与优化方法
Pätzold et al. Grid-free out-of-core voxelization to sparse voxel octrees on GPU
CN109983509B (zh) 一种使用几何面的即时布尔运算方法
Sheng et al. Accelerated robust Boolean operations based on hybrid representations
Lai et al. Repairing triangular meshes for reverse engineering applications

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