CN114091271A - 一种设备模型的简化方法、装置、电子设备及存储介质 - Google Patents
一种设备模型的简化方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114091271A CN114091271A CN202111411298.1A CN202111411298A CN114091271A CN 114091271 A CN114091271 A CN 114091271A CN 202111411298 A CN202111411298 A CN 202111411298A CN 114091271 A CN114091271 A CN 114091271A
- Authority
- CN
- China
- Prior art keywords
- vertex
- target
- determining
- model
- pair
- 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.)
- Pending
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种设备模型的简化方法、装置、电子设备及存储介质。其中,该方法包括:确定与目标设备对应的原始模型中的所有顶点对;分别确定各个顶点对对应的目标误差度量;根据目标误差度量从顶点对中确定目标顶点对;基于目标顶点对在原始模型中确定目标顶点,并删除目标顶点对,以更新原始模型,并返回执行确定与目标设备对应的原始模型中的所有顶点对,直至原始模型的模型简化率小于或等于预设阈值,将更新后的原始模型作为目标设备的简化模型。通过执行本发明实施例提供的技术方案,可以实现在保持模型基本拓扑结构的情况下对设备模型进行高效简化,可以提高大规模设备模型数据的简化效率,提高设备模型简化效果。
Description
技术领域
本发明实施例涉及设备模型简化技术领域,尤其涉及一种设备模型的简化方法、装置、电子设备及存储介质。
背景技术
在使用核电设备的大规模数据进行虚拟现实时,由于模拟虚拟现实的硬件环境和水平有限,无法顺利导入和缓冲大规模数据,导致无法实现虚拟现实环境。因此,对设备模型进行简化处理,以满足硬件水平进而实现模拟虚拟现实环境非常必要。
相关技术中的设备模型简化算法过于复杂,效率低,无法高效快速简化数据模型,难以应对大规模数据快速简化处理,不能满足虚拟现实环境对数据处理实时性的要求;模型中的表达网格模型细节的“尖锐部分”通常会被现有简化技术先行简化处理,从而过快的丧失模型细节成分,导致简化效果较差,模型拓扑结构过快改变。
发明内容
本发明实施例提供一种设备模型的简化方法、装置、电子设备及存储介质,可以实现对设备模型进行简化,提高大规模设备模型数据的简化效率,提高设备模型简化效果。
第一方面,本发明实施例提供了一种设备模型的简化方法,该方法包括:
确定与目标设备对应的原始模型中的所有顶点对;
分别确定各个顶点对对应的目标误差度量;
根据所述目标误差度量从所述顶点对中确定目标顶点对;
基于所述目标顶点对在所述原始模型中确定目标顶点,并删除所述目标顶点对,以更新所述原始模型,并返回执行确定与目标设备对应的原始模型中的所有顶点对,直至所述原始模型的模型简化率小于或等于预设阈值,将更新后的原始模型作为所述目标设备的简化模型。
第二方面,本发明实施例还提供了一种设备模型的简化装置,该装置包括:
顶点对确定模块,用于确定与目标设备对应的原始模型中的所有顶点对;
目标误差度量确定模块,用于分别确定各个顶点对对应的目标误差度量;
目标顶点对确定模块,用于根据所述目标误差度量从所述顶点对中确定目标顶点对;
简化模型确定模块,用于基于所述目标顶点对在所述原始模型中确定目标顶点,并删除所述目标顶点对,以更新所述原始模型,并返回执行确定与目标设备对应的原始模型中的所有顶点对,直至所述原始模型的模型简化率小于或等于预设阈值,将更新后的原始模型作为所述目标设备的简化模型。
第三方面,本发明实施例还提供了一种电子设备,该设备包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如本发明实施例中任一项所述的设备模型的简化方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例中任一项所述的设备模型的简化方法。
本发明实施例提供的技术方案,确定与目标设备对应的原始模型中的所有顶点对;分别确定各个顶点对对应的目标误差度量;根据目标误差度量从顶点对中确定目标顶点对;基于目标顶点对在原始模型中确定目标顶点,并删除目标顶点对,以更新原始模型,并返回执行确定与目标设备对应的原始模型中的所有顶点对,直至原始模型的模型简化率小于或等于预设阈值,将更新后的原始模型作为目标设备的简化模型。本发明实施例提供的技术方案,可以实现在保持模型基本拓扑结构的情况下对设备模型进行高效简化,可以提高大规模设备模型数据的简化效率,提高设备模型简化效果。
附图说明
图1是本发明实施例提供的一种设备模型的简化方法的流程图;
图2是本发明实施例提供的轴承模型原始虚拟现实网格填充图;
图3是本发明实施例提供的轴承模型原始虚拟现实网格框图;
图4是本发明实施例提供的通过原始简化算法简化后确定的轴承网格填充图;
图5是本发明实施例提供的通过原始简化算法简化后确定的轴承网格框图;
图6是本发明实施例提供的通过本方案简化后确定的轴承网格填充图;
图7是本发明实施例提供的通过本方案简化后确定的轴承网格框图;
图8是本发明实施例提供的另一种设备模型的简化方法的流程图;
图9是本发明实施例提供的RVI堆芯围筒原始虚拟现实网格填充图;
图10是本发明实施例提供的RVI堆芯围筒原始虚拟现实网格框图;
图11是本发明实施例提供的简化率为64.34%的RVI堆芯围筒虚拟现实网格填充图;
图12是本发明实施例提供的简化率为64.34%的RVI堆芯围筒虚拟现实网格框图;
图13是本发明实施例提供的简化率为94.02%的RVI堆芯围筒虚拟现实网格填充图;
图14是本发明实施例提供的简化率为94.02%的RVI堆芯围筒虚拟现实网格框图;
图15是本发明实施例提供的一种设备模型的简化装置结构示意图;
图16是本发明实施例提供的一种电子设备结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
相关技术中虚拟现实的设备模型简化方法如下:
设备模型的每一个顶点都被给予一个误差值,鉴于模型中各个顶点又为一组三角面片的交点,故考虑顶点时应关联顶点相邻的三角面片,为了计算误差值,假定三角面片所在平面的方程为:
ax+by+cz+d=0
根据平面方程定义可知向量(a,b,c)为平面ax+by+cz+d=0的法向量,STL网格模型中三角面片法向量为单位法矢,故a2+b2+c2=1,由此可计算平面外一顶点v(x,y,z,1)T与ax+by+cz+d=0平面距离平方:
D(v)=|ax+by+cz+d|2
现将平面方程各项系数假定成为一个一维矩阵p=[a,b,c,d]T,则平面外一顶点与平面距离的平方D(v),则可以表示成为:
D(v)=|ax+by+cz+d|2=(pTv)2=(vTp)(pTv)=vT(ppT)v
对于上述公式中的(ppT)一项,为简化表示,可以设定为Kp,则上述公式可以简单的表示为:
D(v)=vTKpv
上述公式中Kp定义为平面ax+by+cz+d=0的二次矩阵,由矩阵定义可以计算出Kp的表达式为:
依此方法可以求得模型中顶点v距离其所有相邻平面的平方和,首先假设顶点v相邻平面集合为:
TriPlane(v)=(TriPlane1,TriPlane2,......TriPlanen)
根据Kp定义可知,模型中顶点v到所有邻近平面距离之平方和为KTriPlane1+KTriPlane2+......KTriPlanen,为简便表示可以令:
根据二次误差定义可以求得出v(x,y,z,1)T点的二次误差值:
由Kp定义可以得出二次误差矩阵Q所表示的意义,即与点v(x,y,z,1)T邻近所有三角面片二次误差矩阵之和。
由二次误差定义假设网格模型一顶点对为v1与v2由上述公式可以分别计算出其二次误差矩阵Q1与Q2,则将顶点v1与v2折叠的二次误差矩阵可以认为二者之和:
Q=Q1+Q2
计算网格模型中所有相邻两顶点的二次误差值,从中选取二次误差值最小的顶点对进行边折叠简化,设折叠后的顶点为v(x,y,z,1)T,由上述公式可知折叠操作后,得到点v(x,y,z,1)T的二次误差为:
Δ(v)=vTQv=vT(Q1+Q2)v
理论上折叠后选取的顶点v(x,y,z,1)T应当使得二次误差值Δ(v)最小,即求取Δ(v)=vTQv的最小值。
上述设备模型简化方法过于复杂,效率低,无法实现高效快速简化数据模型,难以应对大规模数据快速简化处理,不能满足虚拟现实环境对数据处理实时性的要求,因此无法应对类似核电厂的大规模数据虚拟现实环境;模型中的表达网格模型细节的“尖锐部分”由于二次误差度量较小,被现有简化技术先行简化处理,从而过快的丧失模型细节成分,导致简化效果较差,模型拓扑结构过快改变。
图1是本发明实施例提供的设备模型的简化方法的流程图,所述方法可以由设备模型的简化装置来执行,所述装置可以由软件和/或硬件的方式实现,所述装置可以配置在用于设备模型的简化的电子设备中。所述方法应用于对核电设备模型进行简化的场景中。如图1所示,本发明实施例提供的技术方案具体包括:
S110:确定与目标设备对应的原始模型中的所有顶点对。
其中,目标设备可以是核电厂的相关设备,例如轴承或者RVI堆芯围筒。本方案可以使用为实现虚拟现实设计的自主简化操作平台,确定与目标设备对应的原始模型。如图2所示,轴承模型原始虚拟现实网格填充图由1332个面片构成。如图3所示,本方案可以确定与目标设备对应的原始模型中的所有顶点对。其中,所有顶点对可以通过与目标设备对应的原始模型的数据文件获得。
S120:分别确定各个顶点对对应的目标误差度量。
其中,本方案可以首先确定各个顶点对对应的初始误差度量,然后分别根据各个顶点对对应的初始误差度量以及各个顶点对所在的三角形面片面积确定各个顶点对对应的目标误差度量。其中,各个顶点对对应的初始误差度量可以是顶点对中各个顶点与该顶点的相邻顶点之间的距离平方之和。
S130:根据所述目标误差度量从所述顶点对中确定目标顶点对。
其中,本方案可以从各个顶点对对应的目标误差度量中确定值最小的误差度量,并根据该最小误差度量确定原始模型中最适合进行简化的顶点对,即目标顶点对。
S140:基于所述目标顶点对在所述原始模型中确定目标顶点,并删除所述目标顶点对,以更新所述原始模型,并返回执行确定与目标设备对应的原始模型中的所有顶点对,直至所述原始模型的模型简化率小于或等于预设阈值,将更新后的原始模型作为所述目标设备的简化模型。
其中,本方案可以基于目标顶点对在原始模型中确定目标顶点,例如可以将目标顶点对的中点作为目标顶点。然后删除目标顶点对,使用目标顶点作为原始模型的顶点,对原始模型进行更新,并确定原始模型的简化率。例如通过一次简化,将1000个顶点简化为999个顶点,原始模型的简化率为0.1%。预设阈值可以根据实际需要进行设置,例如预设阈值可以是30%,预设阈值也可以是40%。本方案可以返回执行S110-S140,直至原始模型的模型简化率小于或等于预设阈值,将更新后的原始模型作为目标设备的简化模型。
示例性的,图4、图5分别为通过相关技术的简化算法将轴承的原始模型进行简化后得到的简化率为39.64%(原始模型为1332个面片,简化后的模型为804个面片)的轴承网格填充图和轴承网格框图。由图4、图5可以看出,相关技术中设备模型简化后的效果模型拓扑结构明显改变,模型细节明显丢失,模型简化效果差。
图6、图7分别为通过本方案将轴承的原始模型进行简化后得到的简化率为39.64%(原始模型为1332个面片,简化后的模型为804个面片)的轴承网格填充图和轴承网格框图。由图6、图7可以看出,通过执行本方案,有效保留了模型结构,避免模型细节过早简化消失,提高同简化率下的模型简化效果。
本发明实施例提供的技术方案,确定与目标设备对应的原始模型中的所有顶点对;分别确定各个顶点对对应的目标误差度量;根据目标误差度量从顶点对中确定目标顶点对;基于目标顶点对在原始模型中确定目标顶点,并删除目标顶点对,以更新原始模型,并返回执行确定与目标设备对应的原始模型中的所有顶点对,直至原始模型的模型简化率小于或等于预设阈值,将更新后的原始模型作为目标设备的简化模型。本发明实施例提供的技术方案,可以实现在保持模型基本拓扑结构的情况下对设备模型进行高效简化,可以提高大规模设备模型数据的简化效率,提高设备模型简化效果。
图8是本发明实施例提供的设备模型的简化方法的流程图,本实施例在上述实施例的基础上进行优化。如图8所示,本发明实施例中的设备模型的简化方法可以包括:
S210:确定与目标设备对应的原始模型中的所有顶点对。
在一个可行的实施方式中,可选的,确定与目标设备对应的原始模型中的所有顶点对,包括:确定与目标设备对应的原始模型的数据文件;根据所述数据文件确定所述原始模型中的所有顶点对。
其中,一个原始模型对应一份数据文件。原始模型的数据文件可以在目标设备的原始模型的生成过程中产生,数据文件中可以包含原始模型中的所有顶点以及各顶点的坐标,数据文件中还可以包含原始模型中每个面片的法向量。
由此,通过确定与目标设备对应的原始模型的数据文件;根据数据文件确定原始模型中的所有顶点对。可以实现基于各顶点对确定适合简化的顶点对,进而实现对设备的原始模型进行简化。
S220:针对各个顶点对,确定当前顶点对对应的初始误差度量,并根据所述初始误差度量及所述当前顶点对,确定所述当前顶点对对应的目标误差度量。
其中,本方案可以首先确定各个顶点对对应的初始误差度量,然后分别根据各个顶点对对应的初始误差度量以及各个顶点对所在的三角形面片面积确定各个顶点对对应的目标误差度量。其中,各个顶点对对应的初始误差度量可以是顶点对中各个顶点与该顶点的相邻顶点之间的距离平方之和。
在本实施例中,可选的,确定当前顶点对对应的初始误差度量,包括:针对所述当前顶点对中的各个顶点,确定当前顶点的至少一个相邻顶点;根据所述当前顶点和各所述相邻顶点,确定与所述当前顶点对应的子误差度量;根据所述当前顶点对中各个顶点对应的子误差度量之和,确定所述当前顶点对对应的初始误差度量。
其中,假设原始模型空间中三角面片的任一顶点对为{v1 v2},则此顶点对应组成原始模型的一条边,分别确定顶点v1的相邻顶点以及顶点v2的相邻顶点。根据v1以及其相邻顶点确定v1与其各个相邻顶点之间的距离的平方,并根据v2以及其相邻顶点确定v2与其各个相邻顶点之间的距离的平方,并将计算的各个距离的平方进行相加确定与顶点对{v1 v2}对应的初始误差度量。
由此,通过针对当前顶点对中的各个顶点,确定当前顶点的至少一个相邻顶点;根据当前顶点和各相邻顶点,确定与当前顶点对应的子误差度量;根据当前顶点对中各个顶点对应的子误差度量之和,确定当前顶点对对应的初始误差度量。可以实现直接根据顶点坐标值计算边的长度作为误差度量,相对现有技术来说计算过程更加简洁和高效。
在一个可选的实施方式中,可选的,根据所述当前顶点和各所述相邻顶点,确定与所述当前顶点对应的子误差度量,包括:
其中,D表示与所述当前顶点对应的子误差度量,(x,y,z)表示当前顶点的坐标,(xi′,yi′,zi′)表示与所述当前顶点相邻的第i个相邻顶点的坐标,k表示与所述当前顶点相邻的相邻顶点数量。
具体的,本方案可以从原始模型的数据文件中确定当前顶点以及与当前顶点在同一个三角形面片中的其他顶点,即当前顶点的相邻顶点。假设当前顶点的相邻顶点数量为k。数据文件中还存储了所有顶点的坐标信息,因此本方案可以根据当前顶点坐标以及当前顶点的相邻顶点坐标确定当前顶点与该相邻顶点之间距离的平方,将当前顶点与所有相邻顶点之间距离的平方相加,得到当前顶点对应的子误差度量。同理,将顶点对中的另一顶点也按照此计算方法确定另一顶点对应的子误差度量。将顶点对中各个顶点的子误差度量,得到与顶点对对应的初始误差度量。
由此,通过二维空间计算两顶点之间距离平方作为误差度量替代传统计算算法中自三维空间计算平面外顶点至平面的距离平方作为误差度量,可以实现直接利用顶点数据本身坐标进行求解,而无需间接利用顶点先行求解平面数据信息,再二次计算所在平面法向量、顶点坐标、平面外一点至平面距离、数据矩阵等求解,极大简化了计算过程,提高了计算效率。
在另一个可行的实施方式中,可选的,根据所述初始误差度量及所述当前顶点对,确定所述当前顶点对对应的目标误差度量,包括:确定由所述当前顶点对构成的至少一个三角形面片的目标面积;根据所述初始误差度量及所述目标面积,确定所述当前顶点对对应的目标误差度量;其中,所述目标误差度量为所述初始误差度量与所述目标面积的比值。
其中,在当前顶点对确定的情况下,与当前顶点对对应的初始误差度量可以确定,包含当前顶点对的三角面片也可以通过数据文件进行确定,各个三角形面片的面积也可以确定。因此,本方案可以将当前顶点对对应的初始误差度量与当前顶点对所在三角形面片面积的比值作为当前顶点对的目标误差度量。由于当前顶点对包含在至少一个三角形面片中,因此,当前顶点对对应的目标误差度量的数量为至少一个。并且本方案可以将当前顶点对和当前顶点对对应的目标误差度量的集合之间的对应关系进行存储。
由此,通过引入了三角形面积作为加权修正系数,适量增大模型关键细节的误差权重,可以实现避免过早简化以及在数据简化过程中更好的保留原始模型数据,处理效果较现有简化算法在相同数据处理情况下能够更佳的保持模型拓扑结构。
S230:根据所述目标误差度量从所述顶点对中确定目标顶点对。
在本实施例中,可选的,根据所述目标误差度量从所述顶点对中确定目标顶点对,包括:确定各个目标误差度量中的最小误差度量;将与所述最小误差度量对应的顶点对作为目标顶点对。
其中,本方案可以从所有顶点对对应的目标误差度量中确定值最小的误差度量,即最小误差度量。然后根据该最小误差度量与顶点对的对应关系确定原始模型中最适合进行简化的顶点对,即目标顶点对。
由此,通过确定各个目标误差度量中的最小误差度量;将与最小误差度量对应的顶点对作为目标顶点对。可以实现定位目标顶点对,可以对目标设备的原始模型进行简化。
S240:基于所述目标顶点对在所述原始模型中确定目标顶点,并删除所述目标顶点对,以更新所述原始模型,并返回执行确定与目标设备对应的原始模型中的所有顶点对,直至所述原始模型的模型简化率小于或等于预设阈值,将更新后的原始模型作为所述目标设备的简化模型。
本发明实施例提供的技术方案,确定与目标设备对应的原始模型中的所有顶点对;针对各个顶点对,确定当前顶点对对应的初始误差度量,并根据初始误差度量及当前顶点对,确定当前顶点对对应的目标误差度量;根据目标误差度量从顶点对中确定目标顶点对;基于目标顶点对在原始模型中确定目标顶点,并删除目标顶点对,以更新原始模型,并返回执行确定与目标设备对应的原始模型中的所有顶点对,直至原始模型的模型简化率小于或等于预设阈值,将更新后的原始模型作为目标设备的简化模型。通过执行本发明实施例提供的技术方案,可以实现在保持模型基本拓扑结构的情况下对设备模型进行高效简化,可以提高大规模设备模型数据的简化效率,提高设备模型简化效果。
为了更清楚的表述本发明的技术方案,本发明实施例提供的技术方案可以包括如下步骤:
步骤1、确定与目标设备对应的原始模型中的所有顶点对;
步骤2、针对各个顶点对,针对当前顶点对中的各个顶点,确定当前顶点的至少一个相邻顶点。
模型的每一个顶点都被给予一个误差值,鉴于模型中各个顶点又为一组边交点,故考虑顶点时应为在同一三角面片的相邻顶点所组成的边,为了计算误差值,假定空间中三角面片中任一条边{v1 v2},其两顶点为v1和v2。
步骤3、根据当前顶点和各相邻顶点,确定与当前顶点对应的子误差度量。
基于如下公式确定与当前顶点对应的子误差度量:
其中,D表示与所述当前顶点对应的子误差度量,(x,y,z)表示当前顶点的坐标,(xi′,yi′,zi′)表示与所述当前顶点相邻的第i个相邻顶点的坐标,k表示与所述当前顶点相邻的相邻顶点数量。
步骤4、根据当前顶点对中各个顶点对应的子误差度量之和,确定当前顶点对对应的初始误差度量,并确定由所述当前顶点对构成的至少一个三角形面片的目标面积。
步骤5、根据所述初始误差度量及所述目标面积,确定所述当前顶点对对应的目标误差度量;其中,所述目标误差度量为所述初始误差度量与所述目标面积的比值。
模型“尖锐”的细节部分通常是模型观察的焦点,现有简化算法通常因为这部分的误差度量是最小的从而被过早简化掉,使模型产过大变形,通常模型“尖锐”部分面积也较小,引入边所在的三角形面积作为修正系数,将边与三角形面积之比作为新的误差度量,提高边的“性价比”,从而实现模型细节部分加权误差的提高。
步骤6、确定各个目标误差度量中的最小误差度量;将与所述最小误差度量对应的顶点对作为目标顶点对。
遍历目标误差度量集合,即可查找最小误差度量(加权距离误差),对应的目标顶点对记录为{vmin1 vmin2}。
步骤7、基于目标顶点对在原始模型中确定目标顶点,并删除目标顶点对,以更新原始模型,并返回执行确定与目标设备对应的原始模型中的所有顶点对,直至原始模型的模型简化率小于或等于预设阈值,将更新后的原始模型作为所述目标设备的简化模型。
取vmin1与vmin2的几何中点作为误差代价最小的极值点作为折叠后顶点,即边{vmin1vmin2}折叠为vmin1与vmin2的几何中点。
图9-图14示出了RVI堆芯围筒模型通过本发明实施例提供的技术方案及自主简化操作平台,自57672面片数据逐步简化至3446面片数据的过程。其中,图9、图10分别为由57622个面片构成的RVI堆芯围筒原始虚拟现实网格填充图和RVI堆芯围筒原始虚拟现实网格框图。图11、图12分别为由20564个面片构成的简化率为64.34%的RVI堆芯围筒虚拟现实网格填充图和RVI堆芯围筒虚拟现实网格框图。图13、图14分别为由3446个面片构成的简化率为94.02%的RVI堆芯围筒虚拟现实网格填充图和RVI堆芯围筒虚拟现实网格框图。通过图9-图14展示的简化过程可见,本发明实施的技术方案及自主简化操作平台能够在较好的保持原始模型的拓扑结构前提下,高效简化模型数据(57672减至3446,简化效率高达94.02%)。
本发明实施例提供的技术方案,省略点到平面距离的三维空间二次误差计算及求极值的复杂过程,以原始模型二维空间两顶点之间的距离平方作为误差度量,求解模型最短路程作为简化序列。省略求取误差的复杂计算过程,以两顶点中点坐标替代偏导极值计算坐标繁琐的过程,极大减少算法计算步骤、计算过程及计算机硬件资源占用,能高效的完成数据简化处理过程,从而实现大规模数据的实时简化处理,更加快捷的满足虚拟现技术及环境对模型快速导入、导出的实时性显示要求;同时引入了拟合两顶点所属三角形面积作为修正系数,从而提高“尖锐”细节部分的加权误差度量值,避免鲜明的模型部分过早简化处理,在数据简化过程中更好的保留原始模型数据,从而达到更佳的处理效果;提供了数据简化处理操作平台,平台界面及操作方式不同于现有的各类平台,用户界面更加简洁,拓展性更佳。与现有技术相比,可在相同简化率下,获得更好的数据模型。
本方案预期推广应用场景有:关键重要设备的模拟安装和引入,以发现可能存在的干涉,预测存在的碰撞风险、通道瓶颈,及时修订设备导入方案,另一方面可以熟悉掌握安装和引入过程,缩短对应的工期,如反应堆压力容器的模拟吊装引入,预测实际安装过程中可能的碰撞点;熟悉、演练设备拆解、回装步骤,缩短现场作业时间,并检查设备拆卸是否存在足够空间,可以模拟大修期间安全壳导流板拆卸过程,从而熟悉拆解步骤,提高效率,缩短大修及日常检修周期;根据安全出口位置、辐射剂量分布、设备布置等模拟制定合理的巡检路线;辐射防护或应急指挥人员可规划和模拟事故状况下,人员的最佳的撤离路线;公众可以利用此技术不受授权管理、辐射剂量等制约,方便的进入“核岛、反应堆内部、主控室”等关键部位,甚至可以交互性的操作“现场各类设备”,向公众全面展示、科普核电厂的全貌和技术特点。
图15是本发明实施例提供的设备模型的简化装置结构示意图,所述装置可以配置在用于设备模型的简化的电子设备中,如图15所示,所述装置包括:
顶点对确定模块310,用于确定与目标设备对应的原始模型中的所有顶点对;
目标误差度量确定模块320,用于分别确定各个顶点对对应的目标误差度量;
目标顶点对确定模块330,用于根据所述目标误差度量从所述顶点对中确定目标顶点对;
简化模型确定模块340,用于基于所述目标顶点对在所述原始模型中确定目标顶点,并删除所述目标顶点对,以更新所述原始模型,并返回执行确定与目标设备对应的原始模型中的所有顶点对,直至所述原始模型的模型简化率小于或等于预设阈值,将更新后的原始模型作为所述目标设备的简化模型。
可选的,目标误差度量确定模块320,具体用于针对各个顶点对,确定当前顶点对对应的初始误差度量,并根据所述初始误差度量及所述当前顶点对,确定所述当前顶点对对应的目标误差度量。
可选的,目标误差度量确定模块320,具体用于针对所述当前顶点对中的各个顶点,确定当前顶点的至少一个相邻顶点;根据所述当前顶点和各所述相邻顶点,确定与所述当前顶点对应的子误差度量;根据所述当前顶点对中各个顶点对应的子误差度量之和,确定所述当前顶点对对应的初始误差度量。
可选的,目标误差度量确定模块320,具体用于基于如下公式确定与所述当前顶点对应的子误差度量:
其中,D表示与所述当前顶点对应的子误差度量,(x,y,z)表示当前顶点的坐标,(xi′,yi′,zi′)表示与所述当前顶点相邻的第i个相邻顶点的坐标,k表示与所述当前顶点相邻的相邻顶点数量。
可选的,目标误差度量确定模块320,具体用于确定由所述当前顶点对构成的至少一个三角形面片的目标面积;根据所述初始误差度量及所述目标面积,确定所述当前顶点对对应的目标误差度量;其中,所述目标误差度量为所述初始误差度量与所述目标面积的比值。
可选的,目标顶点对确定模块330,具体用于确定各个目标误差度量中的最小误差度量;将与所述最小误差度量对应的顶点对作为目标顶点对。
可选的,顶点对确定模块310,具体用于确定与目标设备对应的原始模型的数据文件;根据所述数据文件确定所述原始模型中的所有顶点对。
上述实施例所提供的装置可以执行本发明任意实施例所提供的设备模型的简化方法,具备执行方法相应的功能模块和有益效果。
图16是本发明实施例提供的一种电子设备结构示意图,如图16所示,该设备包括:
一个或多个处理器410,图16中以一个处理器410为例;
存储器420;
所述设备还可以包括:输入装置430和输出装置440。
所述设备中的处理器410、存储器420、输入装置430和输出装置440可以通过总线或者其他方式连接,图16中以通过总线连接为例。
存储器420作为一种非暂态计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的一种设备模型的简化方法对应的程序指令/模块。处理器410通过运行存储在存储器420中的软件程序、指令以及模块,从而执行计算机设备的各种功能应用以及数据处理,即实现上述方法实施例的一种设备模型的简化方法,即:
确定与目标设备对应的原始模型中的所有顶点对;
分别确定各个顶点对对应的目标误差度量;
根据所述目标误差度量从所述顶点对中确定目标顶点对;
基于所述目标顶点对在所述原始模型中确定目标顶点,并删除所述目标顶点对,以更新所述原始模型,并返回执行确定与目标设备对应的原始模型中的所有顶点对,直至所述原始模型的模型简化率小于或等于预设阈值,将更新后的原始模型作为所述目标设备的简化模型。
存储器420可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据计算机设备的使用所创建的数据等。此外,存储器420可以包括高速随机存取存储器,还可以包括非暂态性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非暂态性固态存储器件。在一些实施例中,存储器420可选包括相对于处理器410远程设置的存储器,这些远程存储器可以通过网络连接至终端设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置430可用于接收输入的数字或字符信息,以及产生与计算机设备的用户设置以及功能控制有关的键信号输入。输出装置440可包括显示屏等显示设备。
本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如本发明实施例提供的一种设备模型的简化方法,也即:
确定与目标设备对应的原始模型中的所有顶点对;
分别确定各个顶点对对应的目标误差度量;
根据所述目标误差度量从所述顶点对中确定目标顶点对;
基于所述目标顶点对在所述原始模型中确定目标顶点,并删除所述目标顶点对,以更新所述原始模型,并返回执行确定与目标设备对应的原始模型中的所有顶点对,直至所述原始模型的模型简化率小于或等于预设阈值,将更新后的原始模型作为所述目标设备的简化模型。
可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括——但不限于——电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括——但不限于——无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种设备模型的简化方法,其特征在于,包括:
确定与目标设备对应的原始模型中的所有顶点对;
分别确定各个顶点对对应的目标误差度量;
根据所述目标误差度量从所述顶点对中确定目标顶点对;
基于所述目标顶点对在所述原始模型中确定目标顶点,并删除所述目标顶点对,以更新所述原始模型,并返回执行确定与目标设备对应的原始模型中的所有顶点对,直至所述原始模型的模型简化率小于或等于预设阈值,将更新后的原始模型作为所述目标设备的简化模型。
2.根据权利要求1所述的方法,其特征在于,分别确定各个顶点对对应的目标误差度量,包括:
针对各个顶点对,确定当前顶点对对应的初始误差度量,并根据所述初始误差度量及所述当前顶点对,确定所述当前顶点对对应的目标误差度量。
3.根据权利要求2所述的方法,其特征在于,确定当前顶点对对应的初始误差度量,包括:
针对所述当前顶点对中的各个顶点,确定当前顶点的至少一个相邻顶点;
根据所述当前顶点和各所述相邻顶点,确定与所述当前顶点对应的子误差度量;
根据所述当前顶点对中各个顶点对应的子误差度量之和,确定所述当前顶点对对应的初始误差度量。
5.根据权利要求2所述的方法,其特征在于,根据所述初始误差度量及所述当前顶点对,确定所述当前顶点对对应的目标误差度量,包括:
确定由所述当前顶点对构成的至少一个三角形面片的目标面积;
根据所述初始误差度量及所述目标面积,确定所述当前顶点对对应的目标误差度量;其中,所述目标误差度量为所述初始误差度量与所述目标面积的比值。
6.根据权利要求1所述的方法,其特征在于,根据所述目标误差度量从所述顶点对中确定目标顶点对,包括:
确定各个目标误差度量中的最小误差度量;
将与所述最小误差度量对应的顶点对作为目标顶点对。
7.根据权利要求1所述的方法,其特征在于,确定与目标设备对应的原始模型中的所有顶点对,包括:
确定与目标设备对应的原始模型的数据文件;
根据所述数据文件确定所述原始模型中的所有顶点对。
8.一种设备模型的简化装置,其特征在于,包括:
顶点对确定模块,用于确定与目标设备对应的原始模型中的所有顶点对;
目标误差度量确定模块,用于分别确定各个顶点对对应的目标误差度量;
目标顶点对确定模块,用于根据所述目标误差度量从所述顶点对中确定目标顶点对;
简化模型确定模块,用于基于所述目标顶点对在所述原始模型中确定目标顶点,并删除所述目标顶点对,以更新所述原始模型,并返回执行确定与目标设备对应的原始模型中的所有顶点对,直至所述原始模型的模型简化率小于或等于预设阈值,将更新后的原始模型作为所述目标设备的简化模型。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7任一项所述的设备模型的简化方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-7任一项所述的设备模型的简化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111411298.1A CN114091271A (zh) | 2021-11-25 | 2021-11-25 | 一种设备模型的简化方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111411298.1A CN114091271A (zh) | 2021-11-25 | 2021-11-25 | 一种设备模型的简化方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114091271A true CN114091271A (zh) | 2022-02-25 |
Family
ID=80304352
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111411298.1A Pending CN114091271A (zh) | 2021-11-25 | 2021-11-25 | 一种设备模型的简化方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114091271A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114741750A (zh) * | 2022-03-21 | 2022-07-12 | 清华大学 | 模型简化方法、装置、电子设备及存储设备 |
-
2021
- 2021-11-25 CN CN202111411298.1A patent/CN114091271A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114741750A (zh) * | 2022-03-21 | 2022-07-12 | 清华大学 | 模型简化方法、装置、电子设备及存储设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106776963B (zh) | 轻量化的bim大数据在线可视化方法和系统 | |
EP4116935A2 (en) | High-definition map creation method and device, and electronic device | |
CN114494648B (zh) | 基于有限元网格划分的网格调整方法、设备和存储介质 | |
CN113110601A (zh) | 一种无人机电力线路巡检路径优化方法及装置 | |
CN115222879B (zh) | 一种模型减面处理方法、装置、电子设备及存储介质 | |
CN114091271A (zh) | 一种设备模型的简化方法、装置、电子设备及存储介质 | |
CN115797565A (zh) | 三维重建模型训练方法、三维重建方法、装置及电子设备 | |
CN111744199A (zh) | 图像处理方法及装置、计算机可读存储介质、电子设备 | |
CN112953768B (zh) | 三层网络变更方案验证方法及系统 | |
CN115221799B (zh) | 一种基于多分支的无人集群超实时推演系统及方法 | |
CN112766609A (zh) | 一种基于云计算的用电量预测方法 | |
CN111659123A (zh) | 导航数据的处理方法及装置、存储介质、电子设备 | |
CN116579509A (zh) | 一种基于虚拟现实的光伏发电预测方法 | |
CN115294283B (zh) | 一种数字孪生工厂构建方法、装置、设备和存储介质 | |
CN112948946B (zh) | 一种基于杆塔模型的杆塔数据处理方法、装置、设备和存储介质 | |
CN114861934A (zh) | 用于机器学习模型的模型量化方法、装置及设备 | |
CN114091133A (zh) | 一种城市信息模型建模方法、装置、终端设备及存储介质 | |
Li et al. | Flexible distributed heterogeneous computing in traffic noise mapping | |
CN113378279A (zh) | 一种建筑建模方法、系统、电子设备和存储介质 | |
CN113625770A (zh) | 基于飞行无人机对光伏电站进行巡检的自主导航规划方法及装置 | |
CN110598930A (zh) | 一种公交线路优化调整方法及装置 | |
CN117171991B (zh) | 一种用于外部非规则体模型的质点离散方法及系统 | |
US11468210B2 (en) | Methods, systems, and media for generative urban design with spreadsheet and model integration features | |
CN117390315A (zh) | web端三维可视化方法、电子设备及存储介质 | |
CN116248514A (zh) | 一种拓扑保持的扭曲空间生成方法及装置 |
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 |