CN113888716B - 一种面向数字孪生的场景轻量化方法 - Google Patents
一种面向数字孪生的场景轻量化方法 Download PDFInfo
- Publication number
- CN113888716B CN113888716B CN202111172746.7A CN202111172746A CN113888716B CN 113888716 B CN113888716 B CN 113888716B CN 202111172746 A CN202111172746 A CN 202111172746A CN 113888716 B CN113888716 B CN 113888716B
- Authority
- CN
- China
- Prior art keywords
- folding
- model
- point
- edge
- calculating
- 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
- G06T17/205—Re-meshing
-
- 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
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/269—Analysis of motion using gradient-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/18—Details relating to CAD techniques using virtual or augmented reality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20212—Image combination
- G06T2207/20221—Image fusion; Image merging
Abstract
本发明涉及一种面向数字孪生的场景轻量化方法,包括:步骤一:输入模型数据,计算考虑约束的二次型误差度量矩阵,计算最优折叠点和对应的折叠代价,逐次取出折叠代价最小的边进行折叠,生成简化后的三维网络模型;步骤二:计算三维网络模型顶点的表面离散曲率,通过多方向梯度下降方式找出曲率值小于所有相邻点的点作为一个局部最小值点;以局部曲率最小的顶点为基础,对邻域顶点进行区域标号,标记平坦区域,进行区域分割标记,利用区域聚类对过分割的区域进行合并;步骤三:计算分割合并后的各个平面之间的欧氏几何距离,并生成最终的轻量化模型。本发明可以针对数字孪生运行场景优化的全工况自适应三维网格模型轻量化。
Description
技术领域
本发明涉及网络控制技术领域,具体涉及一种面向数字孪生的场景轻量化方法。
背景技术
数字孪生是充分利用物理模型、传感器更新、运行历史等数据,集成多学科、多物理量、多尺度、多概率的仿真过程,在虚拟空间中完成映射,从而反映相对应的实体装备的全生命周期过程,又称“数字镜像”,“数字双胞胎”或“数字化映射”。
数字孪生系统中可进行三维近物理虚拟仿真设计平台上数字化模型往往具有极其庞大的数据量和复杂的组织结构关系,这些数据和结构的存在将给计算机性能带来巨大的挑战,并且无法满足数字孪生中虚实联动的准确性和高效性的要求。
针对三维网格模型的轻量化操作往往采用一些相对简单的模型代替原始模型,但是如何做到既能简化复杂的三角网格模型又不丢失模型的显著原始特征,成为近些年数字孪生应用过程中亟需解决的重大问题。针对三维网格模型的简化操作,就是在系统允许的误差范围内,采用某种合理快速的几何拓扑操作,以期减少三维网格模型内的几何元素数量(顶点、边、面片),同时在外观上尽可能地保持模型主要原始特征。
数字孪生场景下各种组合体模型在相互垂直的离散平面交界处,通过定义重复顶点来储存不同相互垂直的折角平面的法线向量和UV坐标信息,从而使渲染引擎得以正确计算每个平面的计算光照、纹理、凹凸情况等表面效果,即数字孪生组合体模型具有离散折角平面特性;与此同时,在特定场景下的虚拟设备模型可以划分为动件与不动件,不动件中存在大量可以忽略的组合体之间的接触面。这些内容的存在浪费了大量的计算机渲染性能。
发明内容
本发明的目的在于针对现有技术中的不足之处,提供一种解决数字孪生组合体模型在运维过程中的可视化动态显示效率问题的面向数字孪生的场景轻量化方法。
为达此目的,本发明采用以下技术方案:
一种面向数字孪生的场景轻量化方法,包括如下步骤:
步骤一:输入模型数据,为模型中各个网格顶点计算考虑约束的二次型误差度量矩阵,计算每个边对象的最优折叠点和对应的折叠代价,并使用三角形正则度作为惩罚函数对折叠代价进行校正,按照折叠代价的大小,将模型的边对象压入堆栈中,逐次从堆栈中取出折叠代价最小的边对象进行折叠,生成简化后的三维网络模型;
步骤二:计算三维网络模型顶点的表面离散曲率,通过多方向梯度下降方式搜索出曲率值小于所有相邻点的点作为局部最小值点,并将它们标记出来;遍历局部最小值点,将局部曲率最小的顶点进行区域标号,随机选取多个局部曲率最小的顶点并从这些顶点同时出发,沿这些顶点的一阶邻域顶点前进直到遇到标记有区域标号的点为止,将下降路径上的所有点的集合标记为平坦区域,即对这些顶点进行区域分割标记,其中区域分割标记为区域标号的集合,利用区域聚类对过分割的区域进行合并;
步骤三:计算分割合并后的各个平面之间的欧氏几何距离,若该距离小于用户设定的距离阈值,则将其认定为可能接触面关系,并在接触面指定UI界面上标识出来,由用户决定是否简化该接触面,并生成最终的简化模型。
更进一步的说明,步骤一中使用二次型误差度量矩阵方法计算折叠点的折叠代价时,以[x,y,z,1]T代表网格模型顶点坐标,则网格模型中每个三角形面片的平面方程用ax+by+cz+d=0来表示,其中a2+b2+c2=1,d为常数;网格中某原始顶点v折叠到候选折叠点v’的误差值Δ(υ)为v′与v的一阶邻域三角面片的距离平方和:
其中,Cof=[a,b,c,d]T;NF(v)表示原始顶点v的一阶邻域平面的集合;将上式转换为二次型表达式:
Δ(υ‘)=υ′TQ(υ1)υ′+υ′TQ(υ2)υ′
=υ′T(Q(υ1)+Q(υ2))υ′
其中,Q(υ1)、Q(υ2)为折叠边的两点的二次型误差度量矩阵;通过遍历网格模型的所有顶点,并逐一计算得到其对应的Q(υ);根据凹凸连接性考虑顶点边缘约束、模型边界约束以及平面几何约束,设计并计算得到每个顶点的二次型误差度量矩阵。
更进一步的说明,步骤一中逐一搜索计算三维网格模型中的每个边对象的最优折叠点,根据最优候选折叠点计算边折叠代价,并根据三角形面片正则度惩罚函数对折叠代价予以校正,计算三角网格模型简化后的三角面片的正则度:
并将其作为惩罚函数用于校正最终的候选折叠点;
其中:A表示三角网格的面积;l1、l2、l3分别为三角形三条边的长度;r描述三角网格的质量,该参数值越大,三角形面片的质量越好,对于等边三角形,r=1;对于狭长三角形,r≈0;最终将边对象按照折叠代价从小到大的顺序依次压入折叠代价堆栈中储存;
循环执行模型简化操作,每次操作都从堆栈顶端取出折叠代价最小的边进行边折叠操作,操作后再次逐一搜索计算被折叠边的相邻边的折叠代价和最优候选折叠点并更新折叠代价堆栈,直到模型的有效三角面数量小于等于目标三角面数量,或者边的最小折叠代价小于等于误差阈值时,停止边折叠简化操作。
更进一步的说明,所述步骤一中首先读取模型文件中的顶点、法线和索引数据,然后存入以点线面作为数据结构描述三维网格模型的拓扑结构关系。
更进一步的说明,所述步骤二中使用多方向梯度下降法时,如果给定点沿各个下降方向得到结果区域的信息的交集不为空,则该点的下降结果为该交集;如果给定点沿各个下降方向得到的结果区域的信息交集为空,则该点的下降结果为所有下降方向结果的并集。
更进一步的说明,所述步骤二中采用k-means算法进行区域聚类,以类别数k作为参数,将n个对象分成k个类簇,使类内相似度最高,类间相似度最低;随机选取k个对象作为初始的k个聚类中心,计算剩余各个样本到每个聚类中心的距离,把该样本归到离其最近的聚类中心所在的类。
上述技术方案可以带来以下有益效果:本发明可以针对数字孪生运行场景优化的全工况自适应三维网格模型轻量化。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明的一个实施例的流程图;
图2是本发明的一个实施例的凹凸性连接示意图。
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。
为了实现对三维网格模型的简化操作,常规方案包括:(1)使用边折叠方案,同时利用局部二次误差度量矩阵(Quadric Error Metrics,QEM)确定折叠点的空间坐标,这一算法已经具有了较高的效率、质量以及通用性,但该算法在处理大规模网格模型时会出现累积误差,且在几何细节特征方面还需要进一步考虑;(2)引入顶点曲率的概念,将对应曲率因子加入到QEM中,较好地控制局部特征的细节保持效果,但是仅仅考虑顶点法矢与临近面片面积来计算顶点曲率,只能适用于网格三角形较为均匀的模型;(3)引入三角形法向约束因子,将对应的曲率因子加入到QEM中,通过计算边折叠前后提及的变化量作为局部特征细节变化的度量,其特征保持效果较好,但并未考虑到网格翻转不一致的问题。(4)运用顶点投影法确定了网格每个三角面折叠点的空间坐标,同时由折叠点的位置坐标计算几何误差,确定网格模型的折叠顺序,最后通过均方根误差对简化结果进行评估;但该方法在自适应地控制最优误差控制阈值的方面还有不足之处。以上主流的三维网格模型简化算法由于未考虑数字孪生虚拟设备模型具有的离散折角平面特性以及不可见的冗余接触面的识别简化,上对于生产设备三维模型的简化极易存在特征湮没,误差失控等现象。特别是组合体模型,其中顶点和三角面较少的子类模型中需要保留的特征也会因为算法中的折叠代价低于阈值从而被折叠,导致最终简化后的三角网格模型会出现破面等非预期的简化结果,因此均不能适应智能制造领域常见的复杂组合体模型简化要求。而发明的方案如图1所示,一种面向数字孪生的场景轻量化方法,包括如下步骤:
步骤一:输入模型数据,为模型中各个网格顶点计算考虑约束的二次型误差度量矩阵,计算每个边对象的最优折叠点和对应的折叠代价,并使用三角形正则度作为惩罚函数对折叠代价进行校正,按照折叠代价的大小,将模型的边对象压入堆栈中,逐次从堆栈中取出折叠代价最小的边对象进行折叠,生成简化后的三维网络模型;
步骤二:计算三维网络模型顶点的表面离散曲率,通过多方向梯度下降方式搜索出曲率值小于所有相邻点的点作为局部最小值点,并将它们标记出来;遍历局部最小值点,将局部曲率最小的顶点进行区域标号,随机选取多个局部曲率最小的顶点并从这些顶点同时出发,沿这些顶点的一阶邻域顶点前进直到遇到标记有区域标号的点为止,将下降路径上的所有点的集合标记为平坦区域,即对这些顶点进行区域分割标记,其中区域分割标记为区域标号的集合,利用区域聚类对过分割的区域进行合并;
步骤三:计算分割合并后的各个平面之间的欧氏几何距离,若该距离小于用户设定的距离阈值,则将其认定为可能接触面关系,并在接触面指定UI界面上标识出来,由用户决定是否简化该接触面,并生成最终的简化模型。
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。
步骤一中首先计算最优折叠点,最优意味着当该点所在的边折叠到该点的时候,根据二次型误差度量计算出来的折叠代价最小。由于数字孪生应用场景下三维网格模型需要尽可能地保存模型的所有显著边缘特征,因此本发明选定最优折叠点时,将选定过程约束在每一个即将被折叠的边所在的维度上,从而减少模型显著边缘特征被修改的可能性。步骤二中标记平坦区域的过程,随机选取一个顶点,而且一般会同时选取多个同时进行下降标记,这些点也被称为种子点,从这个点出发,沿局部最小值顶点的一阶邻域顶点前进直到遇到一个标记有区域标记的点为止,将下降路径上的所有点的集合标记为平坦区域。过分割是指平坦区域被划分得过于细致和数量巨大,以至于失去了预期的几何意义,通过区域聚类才能进行步骤三。
更进一步的说明,步骤一中使用二次型误差度量矩阵方法计算折叠点的折叠代价时,以[x,y,z,1]T代表网格模型顶点坐标,则网格模型中每个三角形面片的平面方程用ax+by+cz+d=0来表示,其中a2+b2+c2=1,d为常数;网格中某原始顶点v折叠到候选折叠点v′的误差值Δ(υ)为u′与v的一阶邻域三角面片的距离平方和:
其中,Cof=[a,b,c,d]T;NF(v)表示原始顶点v的一阶邻域平面的集合;将上式转换为二次型表达式:
Δ(υ‘)=υ′TQ(υ1)υ′+υ′TQ(υ2)υ′
=υ′T(Q(υ1)+Q(υ2))υ′
其中,Q(υ1)、Q(υ2)为折叠边的两点的二次型误差度量矩阵;通过遍历网格模型的所有顶点,并逐一计算得到其对应的Q(v);根据凹凸连接性考虑顶点边缘约束、模型边界约束以及平面几何约束,设计并计算得到每个顶点的二次型误差度量矩阵。
如图2所示,从这两个相邻三角面片的法向量与连接它们质心的向量之间的关系可以推断出这两个相邻三角面片之间的连接是凸性还是凹性的。质心之间的连线向量与法向量均已归一化,其之间的夹角计算以及凸性连接(convex)判断公式(凹性连接(concave)反之)如下:
顶点边缘约束是根据字孪生场景下的各类组合体模型所具有离散折角平面特性,在二次型误差度量矩阵需加入针对该特性的约束。所谓离散折角平面特性,即两平面形成折角处的边和顶点重复地由分属于两平面的边和顶点描述,目的是为了避免错误的法线信息。
平面几何约束是根据平面法向量和原点距离,对二次型误差度量矩阵进行约束,目的是避免远离坐标原点的平面被意外简化,从而导致模型显著特征消失。
更进一步的说明,步骤一中逐一搜索计算三维网格模型中的每个边对象的最优折叠点,根据最优候选折叠点计算边折叠代价,并根据三角形面片正则度惩罚函数对折叠代价予以校正,计算三角网格模型简化后的三角面片的正则度:
并将其作为惩罚函数用于校正最终的候选折叠点;
其中:A表示三角网格的面积;l1、l2、l3分别为三角形三条边的长度;r描述三角网格的质量,该参数值越大,三角形面片的质量越好,对于等边三角形,r=1;对于狭长三角形,r≈0;最终将边对象按照折叠代价从小到大的顺序依次压入折叠代价堆栈中储存;
循环执行模型简化操作,每次操作都从堆栈顶端取出折叠代价最小的边进行边折叠操作,操作后再次逐一搜索计算被折叠边的相邻边的折叠代价和最优候选折叠点并更新折叠代价堆栈,直到模型的有效三角面数量小于等于目标三角面数量,或者边的最小折叠代价小于等于误差阈值时,停止边折叠简化操作。
更进一步的说明,所述步骤一中首先读取模型文件中的顶点、法线和索引数据,然后存入以点线面作为数据结构描述三维网格模型的拓扑结构关系。
减小网格模型的数据量,去除网格模型中冗余的顶点、边和面数据,以生成一种低分辨率模型来代替原有的高分辨率模型,降低计算机渲染压力。
更进一步的说明,所述步骤二中使用多方向梯度下降法时,如果给定点沿各个下降方向得到结果区域的信息的交集不为空,则该点的下降结果为该交集;如果给定点沿各个下降方向得到的结果区域的信息交集为空,则该点的下降结果为所有下降方向结果的并集。
梯度下降法是一种求可微函数局部极小值的一阶迭代优化算法。该算法是分水岭算法的重要组成部分。这个算法是在当前点处函数的梯度(或近似梯度)的相反方向上重复步骤,因为这是最陡峭的下降方向。在梯度方向下的步进将导致该函数的局部极小值;这一过程被称为梯度下降。梯度下降是基于这样的结论:如果多元函数F(X)在点a的邻域内定义且可微,则F(X)在a-V(A)的负梯度方向上从a向F的负梯度方向递减最快。采用多方向下降策略,即允许点沿着所有曲率值小于它的点做下降。
更进一步的说明,所述步骤二中采用k-means算法进行区域聚类,以类别数k作为参数,将n个对象分成k个类簇,使类内相似度最高,类间相似度最低;随机选取k个对象作为初始的k个聚类中心,计算剩余各个样本到每个聚类中心的距离,把该样本归到离其最近的聚类中心所在的类。
上述分水岭算法在粒度设置、模型建模或者计算误差等因素下,常常会导致网格过分割的现象,也就是网格中各个区域分割得过于细碎从而无法用于下一步骤的接触面识别中。因此使用k-means算法对分割区域进行聚类是必须的一个后处理操作。
以上内容仅为本发明的较佳实施例,对于本领域的普通技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,本说明书内容不应理解为对本发明的限制。
Claims (6)
1.一种面向数字孪生的场景轻量化方法,其特征在于,包括如下步骤:
步骤一:输入模型数据,为模型中各个网格顶点计算考虑约束的二次型误差度量矩阵,计算每个边对象的最优折叠点和对应的折叠代价,并使用三角形正则度作为惩罚函数对折叠代价进行校正,按照折叠代价的大小,将模型的边对象压入堆栈中,逐次从堆栈中取出折叠代价最小的边对象进行折叠,生成简化后的三维网络模型;
步骤二:计算三维网络模型顶点的表面离散曲率,通过多方向梯度下降方式搜索出曲率值小于所有相邻点的点作为局部最小值点,并将它们标记出来;遍历局部最小值点,将局部曲率最小的顶点进行区域标号,随机选取多个局部曲率最小的顶点并从这些顶点同时出发,沿这些顶点的一阶邻域顶点前进直到遇到标记有区域标号的点为止,将下降路径上的所有点的集合标记为平坦区域,即对这些顶点进行区域分割标记,其中区域分割标记为区域标号的集合,利用区域聚类对过分割的区域进行合并;
步骤三:计算分割合并后的各个平面之间的欧氏几何距离,若该距离小于用户设定的距离阈值,则将其认定为可能接触面关系,并在接触面指定UI界面上标识出来,由用户决定是否简化该接触面,并生成最终的简化模型。
2.根据权利要求1所述的一种面向数字孪生的场景轻量化方法,其特征在于,步骤一中使用二次型误差度量矩阵方法计算折叠点的折叠代价时,以[x,y,z,1]T代表网格模型顶点坐标,则网格模型中每个三角形面片的平面方程用ax+by+cz+d=0来表示,其中a2+b2+c2=1,d为常数;网格中某原始顶点v折叠到候选折叠点v’的误差值Δ(υ)为υ′与v的一阶邻域三角面片的距离平方和:
其中,Cof=[a,b,c,d]T;NF(v)表示原始顶点v的一阶邻域平面的集合;将上式转换为二次型表达式:
Δ(υ‘)=υ′TQ(υ1)υ′+υ′TQ(υ2)υ′
=υ′T(Q(υ1)+Q(υ2))υ′
其中,Q(υ1)、Q(υ2)为折叠边的两点的二次型误差度量矩阵;通过遍历网格模型的所有顶点,并逐一计算得到其对应的Q(v);根据凹凸连接性考虑顶点边缘约束、模型边界约束以及平面几何约束,设计并计算得到每个顶点的二次型误差度量矩阵。
3.根据权利要求1所述的一种面向数字孪生的场景轻量化方法,其特征在于,步骤一中逐一搜索计算三维网格模型中的每个边对象的最优折叠点,根据最优候选折叠点计算边折叠代价,并根据三角形面片正则度惩罚函数对折叠代价予以校正,计算三角网格模型简化后的三角面片的正则度:
并将其作为惩罚函数用于校正最终的候选折叠点;
其中:A表示三角网格的面积;l1、l2、l3分别为三角形三条边的长度;r描述三角网格的质量,该参数值越大,三角形面片的质量越好,对于等边三角形,r=1;对于狭长三角形,r≈0;最终将边对象按照折叠代价从小到大的顺序依次压入折叠代价堆栈中储存;
循环执行模型简化操作,每次操作都从堆栈顶端取出折叠代价最小的边进行边折叠操作,操作后再次逐一搜索计算被折叠边的相邻边的折叠代价和最优候选折叠点并更新折叠代价堆栈,直到模型的有效三角面数量小于等于目标三角面数量,或者边的最小折叠代价小于等于误差阈值时,停止边折叠简化操作。
4.根据权利要求1所述的一种面向数字孪生的场景轻量化方法,其特征在于,所述步骤一中首先读取模型文件中的顶点、法线和索引数据,然后存入以点线面作为数据结构描述三维网格模型的拓扑结构关系。
5.根据权利要求1所述的一种面向数字孪生的场景轻量化方法,其特征在于,所述步骤二中使用多方向梯度下降法时,如果给定点沿各个下降方向得到结果区域的信息的交集不为空,则该点的下降结果为该交集;如果给定点沿各个下降方向得到的结果区域的信息交集为空,则该点的下降结果为所有下降方向结果的并集。
6.根据权利要求1所述的一种面向数字孪生的场景轻量化方法,其特征在于,所述步骤二中采用k-means算法进行区域聚类,以类别数k作为参数,将n个对象分成k个类簇,使类内相似度最高,类间相似度最低;随机选取k个对象作为初始的k个聚类中心,计算剩余各个样本到每个聚类中心的距离,把该样本归到离其最近的聚类中心所在的类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111172746.7A CN113888716B (zh) | 2021-10-08 | 2021-10-08 | 一种面向数字孪生的场景轻量化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111172746.7A CN113888716B (zh) | 2021-10-08 | 2021-10-08 | 一种面向数字孪生的场景轻量化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113888716A CN113888716A (zh) | 2022-01-04 |
CN113888716B true CN113888716B (zh) | 2022-04-01 |
Family
ID=79005568
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111172746.7A Active CN113888716B (zh) | 2021-10-08 | 2021-10-08 | 一种面向数字孪生的场景轻量化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113888716B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115205496B (zh) * | 2022-06-14 | 2023-10-24 | 国网河北省电力有限公司电力科学研究院 | 一种数字孪生模型轻量化方法及系统 |
CN116342469B (zh) * | 2022-12-16 | 2023-10-27 | 河北环境工程学院 | 基于Ricci流和QEM算法的环形锻件激光测量点云数据优化方法 |
CN117458699A (zh) * | 2023-10-07 | 2024-01-26 | 国网江苏省电力有限公司南通供电分公司 | 一种自适应场景的电力参数控制方法及系统 |
CN117197396B (zh) * | 2023-11-03 | 2024-03-01 | 北京飞渡科技股份有限公司 | 一种大规模三维场景快速轻量化方法 |
CN117807689B (zh) * | 2024-03-01 | 2024-04-30 | 烟台大学 | 一种基于bim的建筑工程数据处理方法及系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111274671A (zh) * | 2019-12-31 | 2020-06-12 | 东南大学 | 一种基于数字孪生的复杂产品装配过程精准修配方法及其运行系统 |
CN111512249A (zh) * | 2017-12-19 | 2020-08-07 | 西门子股份公司 | 用于结构的增材构造的方法和计算机程序产品 |
CN112668223A (zh) * | 2020-12-25 | 2021-04-16 | 山东大学 | 基于数字孪生轻量化模型的机电装备仿真方法及系统 |
CN112733461A (zh) * | 2021-01-21 | 2021-04-30 | 广东工业大学 | 数字孪生驱动的实时渲染方法、系统和计算机可读介质 |
CN113468286A (zh) * | 2021-09-02 | 2021-10-01 | 速度时空信息科技股份有限公司 | 一种基于三角面片个数划分的三维金字塔构建方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190294975A1 (en) * | 2018-03-21 | 2019-09-26 | Swim.IT Inc | Predicting using digital twins |
-
2021
- 2021-10-08 CN CN202111172746.7A patent/CN113888716B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111512249A (zh) * | 2017-12-19 | 2020-08-07 | 西门子股份公司 | 用于结构的增材构造的方法和计算机程序产品 |
CN111274671A (zh) * | 2019-12-31 | 2020-06-12 | 东南大学 | 一种基于数字孪生的复杂产品装配过程精准修配方法及其运行系统 |
CN112668223A (zh) * | 2020-12-25 | 2021-04-16 | 山东大学 | 基于数字孪生轻量化模型的机电装备仿真方法及系统 |
CN112733461A (zh) * | 2021-01-21 | 2021-04-30 | 广东工业大学 | 数字孪生驱动的实时渲染方法、系统和计算机可读介质 |
CN113468286A (zh) * | 2021-09-02 | 2021-10-01 | 速度时空信息科技股份有限公司 | 一种基于三角面片个数划分的三维金字塔构建方法 |
Non-Patent Citations (4)
Title |
---|
"Digital twins-based remote semi-physical commissioning of flow-type smart manufacturing systems";Jiewu Leng .etc;《Journal of Cleaner Production》;20210426;1-15 * |
"三维模型轻量化技术";陈龙等;《工矿自动化》;20210531;第47卷(第5期);116-120 * |
"数字孪生及其应用探索";陶飞等;《计算机集成制造系统》;20180131;第24卷(第1期);1-18 * |
"智能制造理论体系架构研究";刘强;《中国机械工程》;20200131;第31卷(第1期);24-36 * |
Also Published As
Publication number | Publication date |
---|---|
CN113888716A (zh) | 2022-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113888716B (zh) | 一种面向数字孪生的场景轻量化方法 | |
Orbay et al. | Beautification of design sketches using trainable stroke clustering and curve fitting | |
CN110245368A (zh) | 一种bim数据的结构化处理与存储方法 | |
Liu et al. | Meshing point clouds with predicted intrinsic-extrinsic ratio guidance | |
Zhu et al. | Adafit: Rethinking learning-based normal estimation on point clouds | |
Khan et al. | Surface remeshing: A systematic literature review of methods and research directions | |
CN108073682A (zh) | 基于参数视图函数查询数据库 | |
KR20140139984A (ko) | 3d 모델링된 오브젝트의 압축 및 압축해제 | |
CN101159064A (zh) | 画像生成系统以及按照图像生成画像的方法 | |
Attene et al. | Hierarchical structure recovery of point‐sampled surfaces | |
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 | |
CN115661374B (zh) | 一种基于空间划分和模型体素化的快速检索方法 | |
US11574084B1 (en) | Methods and systems for geometric analysis of a part for manufacture | |
CN112330798B (zh) | 一种基于参数化模型的三维细小物体重建方法 | |
CN108724734B (zh) | 一种基于密集特征的3d打印前处理分层算法 | |
CN101976285A (zh) | 汽轮发电机关键部件的参数化设计方法 | |
Messner | A fast, efficient direct slicing method for slender member structures | |
Liu et al. | Illustration design model with clustering optimization genetic algorithm | |
CN107016732A (zh) | 使用描述符的3d对象定位 | |
CN107066926A (zh) | 使用描述符的3d对象定位 | |
CN107526859A (zh) | 设计复合零件的外表面 | |
CN103597467B (zh) | 网格序列文件格式 | |
Jia | Fitting a parametric model to a cloud of points via optimization methods | |
CN113742856A (zh) | 一种轮胎3d花纹跨节距设计模板的开发方法、应用及设备 | |
WO2021222697A1 (en) | Method and apparatus for structural 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 |