CN114610944A - 基于三维引擎的关键字智能匹配资源材质的优化方法 - Google Patents
基于三维引擎的关键字智能匹配资源材质的优化方法 Download PDFInfo
- Publication number
- CN114610944A CN114610944A CN202210506065.8A CN202210506065A CN114610944A CN 114610944 A CN114610944 A CN 114610944A CN 202210506065 A CN202210506065 A CN 202210506065A CN 114610944 A CN114610944 A CN 114610944A
- Authority
- CN
- China
- Prior art keywords
- color
- model material
- data
- model
- resource
- 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
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
- G06F16/5838—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content using colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/51—Indexing; Data structures therefor; Storage structures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/5866—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using information manually generated, e.g. tags, keywords, comments, manually generated location and time information
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Library & Information Science (AREA)
- Software Systems (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明涉及基于三维引擎的关键字智能匹配资源材质的优化方法，属于计算机技术领域。基于三维引擎的关键字智能匹配资源材质的优化方法，其特征在于，包括：S1、获取外部输入的包含目标资源模型材质描述的检索内容，以及该目标资源模型材质所对应的RGB三原色数据；S2、调用系统预置的模型材质颜色标签，将其与S1所获取的目标资源模型材质所对应的RGB三原色数据进行匹配，筛选得到目标模型。本发明克服了对颜色搜索过于模糊化的一系列问题，同时也解决了对颜色搜索计算量过大的问题，能够更精准更全面的返回查询结果，大幅提高颜色提取的精准度和颜色匹配的准确度。
Description
技术领域
本发明涉及一种基于三维引擎的关键字智能匹配资源材质的优化方法，属于计算机技术领域。
背景技术
在基于三维引擎开发的数字孪生项目或者其他类似工业生产数字化模拟项目时，很多情况下需要从系统中查找并使用不同的资源模型，而此时一般是将模型名称作为关键词输入到项目所配置的菜单搜索功能中，从而查找出所需要的目标模型。
这种通过模型名称进行搜索的系统处理过程是，通过解析菜单数据，得到Json或者其他数据信息转换完成的数据记录工具类，通过获取对应工具类中的“key”值编码，得到与“key”值编码对应的“value”值，通过方法将查找的文字内容与“value”值对比，从而搜索到菜单中具体文字描述信息所对应的目标模型。但是，菜单搜索不应该只局限在具体模型名称描述，在菜单对应资源模型中还有其他的抽象属性，例如作为赋予模型表面颜色的资源模型材质也同样可以作为搜索源进行搜索。
现有的利用资源模型材质进行搜索的方法是，通过遍历模型贴图，模糊的在数据工具类中加入指定资源模型材质颜色的文字，将抽象的颜色转化为具体的文字，然后通过上述方案进行搜索。但这种方法存在以下不足：
1、由操作人员手动的在数据工具类创建新的颜色“key”值编码，是不灵活的，且颜色的描述也是笼统的，模糊的。
2、具有多种颜色混合的材质贴图需要大量的文字对颜色进行逐个的描述，为后续维护处理带来隐患。
3、在三维引擎中API的Color除了RGB的属性定义颜色空间分布的颜色外，还有具有Alpha分量(a)，用于定义透明度。所以，即使是颜色由文字进行描述，但透明度也会对结果造成一定干扰。
鉴于以上，提出本申请的优化方法。
发明内容
为解决上述问题，本发明提供了一种基于三维引擎的关键字智能匹配资源材质的优化方法，该方法用于资源模型材质的搜索匹配过程中，能够大幅提高颜色提取的精准度和颜色匹配的准确度。
本发明采用的技术方案如下：
基于三维引擎的关键字智能匹配资源材质的优化方法，其特殊之处在于，包括：
S1、获取外部输入的包含目标资源模型材质描述的检索内容，以及该目标资源模型材质所对应的RGB三原色数据；
S2、调用系统预置的模型材质颜色标签，将其与S1所获取的目标资源模型材质所对应的RGB三原色数据进行匹配，筛选得到目标模型；
所述S2的模型材质颜色标签，其预置方法如下：
S21、解析并存储三维引擎的菜单数据，所述菜单数据为包含资源模型地址的菜单数据或者包含资源模型材质的菜单数据；
S22、对包含资源模型地址的菜单数据进行地址访问，获取所述包含资源模型地址的菜单数据中的模型材质数据，然后与包含资源模型材质的菜单数据中的横型材质数据合并为模型材质数据集，从所述模型材质数据集中提取最大公约数模型材质数据，并将其储存至数据工具类中；
S23、采用RGB三原色返回值方法对S22数据工具类中的最大公约数模型材质数据中的模型材质的颜色及透明度进行提取分配处理，分析不同颜色数据在模型材质中所占比重，得到主要颜色、辅助颜色、干扰颜色及透明度等级，分别采用特征类型词将其标记为模型材质颜色标签，将其记录至S22中的数据工具类中。
进一步的，所述S21中，所述菜单数据中的单条菜单属性包括：菜单名称、资源地址或者资源模型的材质、层级信息、描述信息等数据。
进一步的，所述S22中，提取最大公约数模型材质数据的方法为：对模型材质数据集中的模型材质信息进行判断，建立集合将不重复的模型材质信息作为集合的“key”值进行储存，且将具有此材质信息的所有菜单层级信息和菜单名称作为“value”值进行键值对对应。
进一步的，所述S23中，采用RGB三原色返回值方法对S22数据工具类中的最大公约数模型材质数据中的模型材质颜色及透明度进行提取分配处理方法为：获取最大公约数模型材质数据中三维引擎中的RGB(红，绿，蓝)三原色颜色区间，返回值为3个[0,255]的值，分别对应三原色的比重。
进一步的，所述S23中，将提取后的模型材质颜色加上透明度Alpha的区间返回值，确定透明度等级。
进一步的，所述S23中，针对模型材质中每种颜色的红绿蓝以及透明度的比重进行颜色标签标注：归纳在材质贴图中所有的颜色，通过遍历指定颜色所在区域，并与模型整体区域比较，计算出每种颜色所占比重，按颜色所占比重的不同分别为其添加主要颜色标签和辅助颜色标签：归纳在材质贴图中所有的颜色并计算出每种颜色所占比重，比重最多的颜色为其添加主要颜色标签，比重次之的三种颜色为其添加辅助颜色。同时比较主要颜色与辅助颜色的透明度等级，若主要颜色与辅助颜色两两比较中，出现透明度不相同的状况，记录两种颜色，计算生成两种颜色融合后的颜色，标注为干扰色。在用户进行搜索时，即可先排除干扰色所在的材质贴图，减少遍历的计算量。
所述干扰色的融合计算过程如下：
条件：已知颜色a（Ra,Ga,Ba,Aa），颜色b（Rb,Gb,Bb,Ab），且要求Aa∈（0,255）,Ab∈（0,255），求得干扰色 C(Rc,Gc,Bc,Ac)。
对比颜色a的透明度Aa与颜色b的透明度Ab，并将其中透明度较大的颜色a的透明度Aa或颜色b的透明度Ab赋值为融合后的干扰色的透明度Ac；
Rc= Ra×(Ab/255)＋Rb×(Aa/255)
Bc= Ba×(Ab/255)＋Bb×(Aa/255)
Gc= Ga×(Ab/255)＋Gb×(Aa/255)
最终所得干扰色C(Rc,Gc,Bc,Ac)。
所述干扰色还包括在色彩采集中颜色占比最少的三个RGB颜色。
所述S2的具体筛选过程为：
首先，将S1中目标资源模型材质所对应的RGB三原色数据与S2得到的干扰色标签进行对比，将一部分模型材质排除，以减少遍历计算量；然后，用S2得到的主要颜色标签与剩余模型材质进行比对，得到具有主要颜色的模型材质；最后，通过公约数模型材质进行S22中方法，反向得出具有公约数模型材质的所有模型。
本发明的基于三维引擎的关键字智能匹配资源材质的优化方法，在项目程序初始化时，模型材质的颜色信息将被解析，计算出属于此模型材质的颜色特质标签，在用户输入颜色数据时，与记录标签的数据工具类中的模型材质标签进行比对，向用户返回符合要求的资源模型，从而克服了对颜色搜索过于模糊化的一系列问题，更精准更全面的返回查询结果。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一
本实施例涉及一种基于三维引擎的关键字智能匹配资源材质的优化方法，包括以下具体步骤：
S1、获取外部输入的包含目标资源模型材质描述的检索内容，以及该目标资源模型材质所对应的RGB三原色数据；
S2、调用系统预置的模型材质颜色标签，将其与S1所获取的目标资源模型材质所对应的RGB三原色数据进行匹配，筛选得到目标模型。
所述S2的模型材质颜色标签，通过以下方法获得：
S21、当三维引擎的解析菜单数据脚本初始化后，将对应的菜单数据存入内存中，所述菜单数据为包含资源模型地址的菜单数据或者包含资源模型材质的菜单数据。
用三维引擎接收所需要的菜单数据，其菜单数据的格式可以是多种渠道进行创建，经过处理转化为可以被读取菜单层级的数据。
所述菜单数据中的单条菜单属性包括：菜单名称、资源地址或者资源模型的材质、层级信息、描述信息等数据。
S22、本实施例提供两种菜单层级数据中资源的存储记录方式，以保证无论是提供地址还是直接存储模型，都可以将模型材质数据进行记录；其中，对包含资源模型地址的菜单数据进行地址访问，获取所述包含资源模型地址的菜单数据中的模型材质数据，然后与包含资源模型材质的菜单数据中的横型材质数据合并为模型材质数据集，从所述模型材质数据集中提取最大公约数模型材质数据，并将其储存至数据工具类中；
提取最大公约数模型材质数据的方法为：对模型材质数据集中的模型材质信息进行判断，建立集合将不重复的模型材质信息作为集合的“key”值进行储存，且将具有此材质信息的所有菜单层级信息和菜单名称作为“value”值进行键值对对应。
S23、采用RGB三原色返回值方法对S22数据工具类中的最大公约数模型材质数据中的模型材质的颜色及透明度进行提取分配处理，分析不同颜色数据在模型材质中所占比重，得到主要颜色、辅助颜色、干扰颜色及透明度等级，分别采用特征类型词将其标记为模型材质颜色标签，将其记录至S22中的数据工具类中。
采用RGB三原色返回值方法对S22数据工具类中的最大公约数模型材质数据中的模型材质颜色及透明度进行提取分配处理方法为：获取最大公约数模型材质数据中三维引擎中的RGB(红，绿，蓝)三原色颜色区间，返回值为3个[0,255]的值，分别对应三原色的比重。
将提取后的模型材质颜色加上Alpha(透明度)的区间返回值，确定透明度等级。
针对模型材质中每种颜色的红绿蓝以及透明度的比重进行颜色标签标注：归纳在材质贴图中所有的颜色，通过遍历指定颜色所在区域，并与模型整体区域比较，计算出每种颜色所占比重，按颜色所占比重的不同分别为其添加主要颜色标签和辅助颜色标签：归纳在材质贴图中所有的颜色并计算出每种颜色所占比重，比重最多的颜色为其添加主要颜色标签，比重次之的三种颜色为其添加辅助颜色。同时比较主要颜色与辅助颜色的透明度等级，若主要颜色与辅助颜色两两比较中，出现透明度不相同的状况，记录两种颜色，计算生成两种颜色融合后的颜色，标注为干扰色。
所述干扰色的融合计算过程如下：
条件：已知颜色a（Ra,Ga,Ba,Aa），颜色b（Rb,Gb,Bb,Ab），且要求Aa∈（0,255）,Ab∈（0,255），求得干扰色 C(Rc,Gc,Bc,Ac)。
对比颜色a的透明度Aa与颜色b的透明度Ab，并将其中透明度较大的颜色a的透明度Aa或颜色b的透明度Ab赋值为融合后的干扰色的透明度Ac；
Rc= Ra×(Ab/255)＋Rb×(Aa/255)
Bc= Ba×(Ab/255)＋Bb×(Aa/255)
Gc= Ga×(Ab/255)＋Gb×(Aa/255)
最终所得干扰色C(Rc,Gc,Bc,Ac)。
所述干扰色还包括在色彩采集中颜色占比最少的三个RGB颜色。
所述S2的具体筛选过程为：
首先，将S1中目标资源模型材质所对应的RGB三原色数据与S2得到的干扰色标签进行对比，将一部分模型材质排除，以减少遍历计算量；然后，用S2得到的主要颜色标签与剩余模型材质进行比对，得到具有主要颜色的模型材质；最后，通过公约数模型材质进行S22中方法，反向得出具有公约数模型材质的所有模型。
采用本实施例的技术方案后，本发明至少具有以下优点和特点：
1、用户可根据需要确认查询的精准度，便于根据不同需求优化计算性能。
2、无需通过提前预制材质的颜色的文字描述字段，在初始化后，自动为材质颜色加入标签，降低了人工作业成本。
3、将透明度考虑在内，添加了干扰颜色标签，优化了计算量，在检索颜色时，起到优化性能的作用。
综上所述，虽然本发明已以较佳实施例揭露如上，然其并非用以限定本发明，任何熟习此技艺者，在不脱离本发明的精神和范围内，当可作各种更动与润饰，因此本发明的保护范围当视后附的申请专利范围所界定者为准。
Claims (8)
1.基于三维引擎的关键字智能匹配资源材质的优化方法，其特征在于，包括：
S1、获取外部输入的包含目标资源模型材质描述的检索内容，以及该目标资源模型材质所对应的RGB三原色数据；
S2、调用系统预置的模型材质颜色标签，将其与S1所获取的目标资源模型材质所对应的RGB三原色数据进行匹配，筛选得到目标模型；
所述S2的模型材质颜色标签，其预置方法如下：
S21、解析并存储三维引擎的菜单数据，所述菜单数据为包含资源模型地址的菜单数据或者包含资源模型材质的菜单数据；
S22、对包含资源模型地址的菜单数据进行地址访问，获取所述包含资源模型地址的菜单数据中的模型材质数据，然后与包含资源模型材质的菜单数据中的模型材质数据合并为模型材质数据集，从所述模型材质数据集中提取最大公约数模型材质数据，并将其储存至数据工具类中；
S23、采用RGB三原色返回值方法对S22数据工具类中的最大公约数模型材质数据中的模型材质的颜色及透明度进行提取分配处理，分析不同颜色数据所占比重，得到主要颜色、辅助颜色、干扰色及透明度等级，分别采用特征类型词将其标记为模型材质颜色标签，将其记录至S22中的数据工具类中。
2.如权利要求1所述的基于三维引擎的关键字智能匹配资源材质的优化方法，其特征在于，
所述S21中，所述菜单数据中的单条菜单属性包括：菜单名称、资源地址或者资源模型的材质、层级信息以及描述信息。
3.如权利要求1所述的基于三维引擎的关键字智能匹配资源材质的优化方法，其特征在于，
所述S22中，提取最大公约数模型材质数据的方法为：对模型材质数据集中的模型材质信息进行判断，建立集合将不重复的模型材质信息作为集合的“key”值进行储存，且将具有此材质信息的所有菜单层级信息和菜单名称作为“value”值进行键值对对应。
4.如权利要求1所述的基于三维引擎的关键字智能匹配资源材质的优化方法，其特征在于，
所述S23中，采用RGB三原色返回值方法对S22数据工具类中的最大公约数模型材质数据中的模型材质颜色及透明度进行提取分配处理方法为：获取最大公约数模型材质数据中的模型材质所有颜色的RGB三原色颜色区间，返回值为4个[0,255]的值，分别对应红绿蓝以及透明度的比重。
5.如权利要求4所述的基于三维引擎的关键字智能匹配资源材质的优化方法，其特征在于，
所述S23中，针对模型材质中每种颜色的红绿蓝以及透明度的比重进行颜色标签标注：归纳在材质贴图中所有的颜色，通过遍历指定颜色所在区域，并与模型整体区域比较，计算出每种颜色所占比重，按颜色所占比重的不同分别为其添加主要颜色标签和辅助颜色标签：归纳在材质贴图中所有的颜色并计算出每种颜色所占比重，比重最多的颜色为其添加主要颜色标签，比重次之的三种颜色为其添加辅助颜色；同时比较主要颜色与辅助颜色的透明度等级，若主要颜色与辅助颜色两两比较中，出现透明度不相同的状况，记录两种颜色，计算生成两种颜色融合后的颜色，标注为干扰色。
6.如权利要求5所述的基于三维引擎的关键字智能匹配资源材质的优化方法，其特征在于，
所述干扰色的融合计算过程如下：
条件：已知颜色a（Ra,Ga,Ba,Aa），颜色b（Rb,Gb,Bb,Ab），且要求Aa∈（0,255）,Ab∈（0,255），求得干扰色 C(Rc,Gc,Bc,Ac)；
对比颜色a的透明度Aa与颜色b的透明度Ab，并将其中透明度较大的颜色a的透明度Aa或颜色b的透明度Ab赋值为融合后的干扰色的透明度Ac；
Rc= Ra×(Ab/255)＋Rb×(Aa/255)
Bc= Ba×(Ab/255)＋Bb×(Aa/255)
Gc= Ga×(Ab/255)＋Gb×(Aa/255)
最终所得干扰色C(Rc,Gc,Bc,Ac)。
7.如权利要求6所述的基于三维引擎的关键字智能匹配资源材质的优化方法，其特征在于，
所述干扰色还包括S23中颜色占比最少的三个RGB颜色。
8.如权利要求1所述的基于三维引擎的关键字智能匹配资源材质的优化方法，其特征在于，
所述S2的具体筛选过程为：
首先，将S1中目标资源模型材质所对应的RGB三原色数据与S23得到的干扰色标签进行对比，将一部分模型材质数据排除，以减少遍历计算量；然后，用S23得到的主要颜色标签与S1中目标资源模型材质所对应的RGB三原色数据进行比对，得到主要颜色标签符合要求的模型材质数据；最后，反向得出具有符合要求的模型材质数据的所有目标模型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210506065.8A CN114610944B (zh) | 2022-05-11 | 2022-05-11 | 基于三维引擎的关键字智能匹配资源材质的优化方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210506065.8A CN114610944B (zh) | 2022-05-11 | 2022-05-11 | 基于三维引擎的关键字智能匹配资源材质的优化方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114610944A true CN114610944A (zh) | 2022-06-10 |
| CN114610944B CN114610944B (zh) | 2022-09-06 |
Family
ID=81870283
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210506065.8A Active CN114610944B (zh) | 2022-05-11 | 2022-05-11 | 基于三维引擎的关键字智能匹配资源材质的优化方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114610944B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116185413A (zh) * | 2023-04-24 | 2023-05-30 | 山东捷瑞数字科技股份有限公司 | 基于三维引擎生成指定菜单的方法、系统、装置及介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6525721B1 (en) * | 2000-05-05 | 2003-02-25 | Xerox Corporation | Color profile management and color collection management, navigation and visual design |
| WO2008140193A1 (en) * | 2007-05-09 | 2008-11-20 | Jong Ok Ko | Method to store and search personal information using color |
| CN101556600A (zh) * | 2009-05-18 | 2009-10-14 | 中山大学 | 一种dct域上的图像检索方法 |
| CN110415181A (zh) * | 2019-06-12 | 2019-11-05 | 勤耕仁现代农业科技发展(淮安)有限责任公司 | 一种开放环境下烤烟rgb图像智能识别及等级判定方法 |
| CN112330812A (zh) * | 2020-11-05 | 2021-02-05 | 桂林理工大学 | 一种气体扩散可视化方法及系统 |
| CN113223170A (zh) * | 2021-05-26 | 2021-08-06 | 东北石油大学 | 一种基于致密砂岩ct图像三维重构的孔隙识别方法 |
| CN113379504A (zh) * | 2021-06-28 | 2021-09-10 | 武汉畅来电子商务有限公司 | 一种商品信息搜索推荐方法、系统及计算机存储介质 |
| CN113901367A (zh) * | 2021-09-30 | 2022-01-07 | 中北大学 | 一种基于WebGL+VR的BIM体量模型展示方法 |
| CN114119818A (zh) * | 2021-11-18 | 2022-03-01 | 洪恩完美(北京)教育科技发展有限公司 | 场景模型的渲染方法、装置及设备 |
-
2022
- 2022-05-11 CN CN202210506065.8A patent/CN114610944B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6525721B1 (en) * | 2000-05-05 | 2003-02-25 | Xerox Corporation | Color profile management and color collection management, navigation and visual design |
| WO2008140193A1 (en) * | 2007-05-09 | 2008-11-20 | Jong Ok Ko | Method to store and search personal information using color |
| CN101556600A (zh) * | 2009-05-18 | 2009-10-14 | 中山大学 | 一种dct域上的图像检索方法 |
| CN110415181A (zh) * | 2019-06-12 | 2019-11-05 | 勤耕仁现代农业科技发展(淮安)有限责任公司 | 一种开放环境下烤烟rgb图像智能识别及等级判定方法 |
| CN112330812A (zh) * | 2020-11-05 | 2021-02-05 | 桂林理工大学 | 一种气体扩散可视化方法及系统 |
| CN113223170A (zh) * | 2021-05-26 | 2021-08-06 | 东北石油大学 | 一种基于致密砂岩ct图像三维重构的孔隙识别方法 |
| CN113379504A (zh) * | 2021-06-28 | 2021-09-10 | 武汉畅来电子商务有限公司 | 一种商品信息搜索推荐方法、系统及计算机存储介质 |
| CN113901367A (zh) * | 2021-09-30 | 2022-01-07 | 中北大学 | 一种基于WebGL+VR的BIM体量模型展示方法 |
| CN114119818A (zh) * | 2021-11-18 | 2022-03-01 | 洪恩完美(北京)教育科技发展有限公司 | 场景模型的渲染方法、装置及设备 |
Non-Patent Citations (1)
| Title |
|---|
| 罗微: ""基于数字图像相似性匹配的木材树种检索实现"", 《中国优秀博硕士学位论文全文数据库(硕士)信息科技辑》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116185413A (zh) * | 2023-04-24 | 2023-05-30 | 山东捷瑞数字科技股份有限公司 | 基于三维引擎生成指定菜单的方法、系统、装置及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114610944B (zh) | 2022-09-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7530012B2 (en) | Incorporation of spreadsheet formulas of multi-dimensional cube data into a multi-dimensional cube | |
| CN101216830B (zh) | 根据颜色搜索商品的方法和系统 | |
| US11720606B1 (en) | Automated geospatial data analysis | |
| CN107077474A (zh) | 快速颜色搜索 | |
| CN106844664B (zh) | 一种基于摘要的时间序列数据索引构建方法 | |
| KR101573561B1 (ko) | Ｘ500 데이터 모델을 관계형 데이터베이스에 매핑하는 방법 | |
| CN114610944B (zh) | 基于三维引擎的关键字智能匹配资源材质的优化方法 | |
| US11580127B1 (en) | User interfaces for database visualizations | |
| CN114968984A (zh) | 数字孪生全生命周期管理平台 | |
| CN112084248A (zh) | 基于图数据库的智能数据检索查阅与模型获取方法 | |
| CN114547077A (zh) | 基层政务表格数据智能处理系统及方法 | |
| RU2510935C2 (ru) | Способ индексации и поиска цифровых изображений | |
| KR100436500B1 (ko) | 컬러 영상 처리 방법 | |
| CN115048473B (zh) | 城市信息模型人工智能服务方法及系统 | |
| JPH07160725A (ja) | 画像検索装置 | |
| CN109885953B (zh) | 一种模型构件的映射方法和装置 | |
| Dmowska et al. | Spatial approach to analyzing dynamics of racial diversity in large US cities: 1990–2000–2010 | |
| Gu et al. | Computer-assisted color database for trend forecasting | |
| KR20200122119A (ko) | 장면 분석을 통한 영상 검색 시스템 및 방법 | |
| CN106815375A (zh) | 一种考虑空间关系的极地科学数据本体库构建方法 | |
| KR102488466B1 (ko) | 테이블 다이어그램 기반형 키-밸류 db 설계 정보처리장치 및 방법 | |
| JP2798283B2 (ja) | 画像検索装置 | |
| Wang | Application research on marketing data analysis using data mining technology | |
| CN116501788B (zh) | 一种库仓湖一体化数据管控平台 | |
| JPH1055366A (ja) | 画像データベース装置 |
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 | ||
| CB02 | Change of applicant information |
Address after: No.102, Aucma street, Laishan District, Yantai City, Shandong Province Applicant after: SHANDONG JEREI DIGITAL TECHNOLOGY Co.,Ltd. Address before: 264003 No. 26, Tonghe Road, Laishan District, Yantai City, Shandong Province Applicant before: SHANDONG JEREI DIGITAL TECHNOLOGY Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |