CN114882773A - 一种基于Augmented Reality的磁场学习系统 - Google Patents

Abstract

本发明公开了一种基于Augmented Reality的磁场学习系统，属于智能教学领域，包括识别追踪模块、电流描述模块、数据计算模块、数据选择模块以及更新匹配模块，其中，所述电流描述模块分别与识别追踪模块以及数据计算模块通信连接，所述数据选择模块分别与数据计算模块以及更新匹配模块通信连接，所述识别追踪模块用于对平面图像进行识别追踪；本发明能够做到在实际教学过程中不需要实际元件，节省教学成本，能够将不可见的磁感线动态展示出来，有利于学生理解。

Description

一种基于Augmented Reality的磁场学习系统

技术领域

本发明涉及智能教学领域，尤其涉及一种基于Augmented Reality的磁场学习系统。

背景技术

电磁学是研究电磁现象的规律和应用的物理学分支学科，主要研究电磁波、电磁场以及有关电荷、带电物体的动力学，其中电磁场相关理论与技术是现代物理发展的重要基石，是电力、通讯、传感、信息等现代应用技术诞生和发展的源泉，现代生活的方方面面都离不开电与磁，因此电磁场理论与技术一直是物理教学领域的重要篇章，然而由于电场、磁场在真实世界中的一些物理特点，使得对其直观化、形象化地授课与学习存在着困难。

经检索，中国专利号CN201410591472.9公开了一种基于增强现实的电磁场教学与实验系统，该发明虽然增强学生对电磁场理论的深入理解，但是需要实际元件进行操作，教学成本较高，为此，我们提出基于Augmented Reality的磁场学习系统。

发明内容

本发明的目的是为了解决现有技术中存在的缺陷，而提出的一种基于AugmentedReality的磁场学习系统。

为了实现上述目的，本发明采用了如下技术方案：

一种基于Augmented Reality的磁场学习系统，所述磁场学习系统包括识别追踪模块、电流描述模块、数据计算模块、数据选择模块以及更新匹配模块；

其中，所述电流描述模块分别与所述识别追踪模块以及数据计算模块通信连接，所述数据选择模块分别与所述数据计算模块以及更新匹配模块通信连接；

所述识别追踪模块用于对平面图像进行识别追踪；

所述电流描述模块用于构建脚本描述模型，并通过该模型对电流进行描述说明；

所述数据计算模块用于对连续的电流进行分割计算；

所述数据选择模块用于对相关空间中的有限点进行计算选择；

所述更新匹配模块用于对多个图像进行扫描匹配处理。

进一步的，所述识别追踪具体步骤如下：

步骤一：通过Augmented Reality接口对平面图像进行扫描并构建展示模型；

步骤二：设置追踪器以及追踪目标，并将追踪目标更换为对应图像；

步骤三：将构建完成的展示模型加入追踪目标下层进行图像追踪。

进一步的，所述描述说明具体步骤如下：

步骤(1)：收集电流元所在的位置与大小，并将其导入脚本描述模型中；

步骤(2)：脚本描述模型对电流所在的空间位置和电流大小进行描述，并将描述脚本导入展示模型下层进行电流分布描述。

进一步的，所述分割计算具体步骤如下：

第一步：将连续的电流通过离散化处理变成有限个有限长直导线；

第二步：通过比奥萨法尔定律对相关空间中个点的磁感强度进行计算，其具体计算公式如下：

其中，B代表磁感强度，μ代表磁导率，I代表电流大小，θ代表角度。

进一步的，所述对相关空间中的有限点进行计算选择的具体步骤如下：

S1：通过第二步中的计算公式对空间中有限点的磁感应强度进行计算，并借助有限点拟合出磁感线；

S2：对相关空间中磁感线上所有点的的磁感应强度矢量进行计算，同时对特定点处的磁感应强度进行计算，并进行有限点选择。

进一步的，所述扫描匹配具体步骤如下：

P1：对多个图象进行扫描并展示多个模型，同时计算并绘制他们共同作用下的磁感线；

P2：通过循环实现随着图像的移动模型跟随移动，同时磁感线随之变化；

P3：对不同的模型添加不同的讲解音频和视频，并添加课后练习题。

相比于现有技术，本发明的有益效果在于：

本发明通过识别追踪模块对图片进行扫描，并构建展示模型，同时通过电流描述模块对电流元所在位置与大小进行收集描述，并将描述脚本导入展示模型中进行显示，能够做到在实际教学过程中不需要实际元件，节省教学成本，同时通过数据计算模块以及数据选择模块对各组磁感线强度进行计算后，更新匹配模块自行绘制各组模型共同作用下的磁感线，并通过循环实现随着图像的移动模型跟随移动，同时磁感线随之变化，能够将不可见的磁感线动态展示出来，有利于学生理解。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。

图1为本发明提出的基于Augmented Reality的磁场学习系统的系统框图；

图2为本发明的所述识别追踪模块的工作流程图；

图3为本发明的所述电流描述模块的工作流程图；

图4为本发明的所述数据计算模块的工作流程图；

图5为本发明的所述数据选择模块的工作流程图；

图6为本发明的所述更新匹配模块的工作流程图；

图7为本发明的条形磁铁在Augmented Reality系统中的磁力线展示图；

图8为本发明的密绕螺线管在Augmented Reality系统中的磁力线展示图。

具体实施方式

首先，请参照图1，基于Augmented Reality的磁场学习系统，包括识别追踪模块、电流描述模块、数据计算模块、数据选择模块以及更新匹配模块。

其中，所述电流描述模块分别与所述识别追踪模块以及所述数据计算模块通信连接，所述数据选择模块分别与所述数据计算模块以及所述更新匹配模块通信连接。

所述识别追踪模块用于对平面图像进行识别追踪。

进一步地，请参照图2，图2为本发明的所述识别追踪模块的工作流程图；所述识别追踪模块通过Augmented Reality接口对平面图像进行扫描并构建展示模型，同时设置追踪器以及追踪目标，并通过更改追踪目标属性将追踪目标更换为对应图像，将构建完成的展示模型加入追踪目标下层进行图像追踪。

此外，请参照图3，图3为本发明的所述电流描述模块的工作流程图；所述电流描述模块用于构建脚本描述模型，并通过该模型对电流进行描述说明。

具体的，电流描述模块收集电流元所在的位置与大小，并将其导入脚本描述模型中，脚本描述模型对电流所在的空间位置和电流大小进行描述，并将描述脚本导入展示模型下层进行电流分布描述。

另外，请参照图4，图4为本发明的所述数据计算模块的工作流程图；所述数据计算模块用于对连续的电流进行分割计算。

具体的，数据计算模块将连续的电流通过离散化处理变成有限个有限长直导线，并通过比奥萨法尔定律对相关空间中个点的磁感强度进行计算。

需要进一步说明的是，其具体计算公式如下：

其中，B代表磁感强度，μ代表磁导率，I代表电流大小，θ代表角度。

另外，请参照图5，图5为本发明的所述数据选择模块的工作流程图；所述数据选择模块用于对相关空间中的有限点进行计算选择。

具体的，数据选择模块通过奥萨法尔定律对空间中有限点的磁感应强度进行计算，并借助有限点拟合出磁感线，同时对相关空间中磁感线上所有点的的磁感应强度矢量进行计算，同时对特定点处的磁感应强度进行计算，并进行有限点选择。

另外，请参照图6，图6为本发明的所述更新匹配模块的工作流程图；所述更新匹配模块用于对多个图像进行扫描匹配处理。

具体的，首先更新匹配模块对多个图象进行扫描并展示多个模型，同时计算并绘制他们共同作用下的磁感线，并通过循环实现随着图像的移动模型跟随移动，同时磁感线随之变化，然后对不同的模型添加不同的讲解音频和视频，并添加课后练习题。

最后，图7为本发明的条形磁铁在Augmented Reality系统中的磁力线展示图；图8为本发明的密绕螺线管在Augmented Reality系统中的磁力线展示图；图7和图8整体展示了本发明提出的基于Augmented Reality的磁场学习系统的技术效果，其具体的技术特点如下：

本发明通过识别追踪模块对图片进行扫描，并构建展示模型，同时通过电流描述模块对电流元所在位置与大小进行收集描述，并将描述脚本导入展示模型中进行显示，能够做到在实际教学过程中不需要实际元件，节省教学成本，同时通过数据计算模块以及数据选择模块对各组磁感线强度进行计算后，更新匹配模块自行绘制各组模型共同作用下的磁感线，并通过循环实现随着图像的移动模型跟随移动，同时磁感线随之变化，能够将不可见的磁感线动态展示出来，有利于学生理解。

需要声明的是，上述发明内容及具体实施方式意在证明本发明所提供技术方案的实际应用，不应解释为对本发明保护范围的限定。本领域技术人员在本发明的精神和原理内，当可作各种修改、等同替换或改进。本发明的保护范围以所附权利要求书为准。

Claims (6)

1.一种基于Augmented Reality的磁场学习系统，其特征在于，所述磁场学习系统包括识别追踪模块、电流描述模块、数据计算模块、数据选择模块以及更新匹配模块；

其中，所述电流描述模块分别与所述识别追踪模块以及所述数据计算模块通信连接，所述数据选择模块分别与所述数据计算模块以及所述更新匹配模块通信连接；

所述识别追踪模块用于对平面图像进行识别追踪；

所述电流描述模块用于构建脚本描述模型，并通过该模型对电流进行描述说明；

所述数据计算模块用于对连续的电流进行分割计算；

所述数据选择模块用于对相关空间中的有限点进行计算选择；

所述更新匹配模块用于对多个图像进行扫描匹配处理。

2.如权利要求1所述的磁场学习系统，其特征在于，所述识别追踪模块具体工作步骤如下：

步骤一：通过Augmented Reality接口对平面图像进行扫描并构建展示模型；

步骤二：设置追踪器以及追踪目标，并将追踪目标更换为对应图像；

步骤三：将构建完成的展示模型加入追踪目标下层进行图像追踪。

3.如权利要求1所述的磁场学习系统，其特征在于，所述电流描述模块具体工作步骤如下：

步骤(1)：收集电流元所在的位置与大小，并将其导入脚本描述模型中；

步骤(2)：脚本描述模型对电流所在的空间位置和电流大小进行描述，并将描述脚本导入展示模型下层进行电流分布描述。

4.如权利要求1所述的磁场学习系统，其特征在于，所述数据计算模块具体工作步骤如下：

第一步：将连续的电流通过离散化处理变成有限个有限长直导线；

第二步：通过比奥萨法尔定律对相关空间中个点的磁感强度进行计算，其具体计算公式如下：

其中，B代表磁感强度，μ代表磁导率，I代表电流大小，θ代表角度。

5.如权利要求1所述的磁场学习系统，其特征在于，所述数据选择模块具体工作步骤如下：

S1：通过第二步中的计算公式对空间中有限点的磁感应强度进行计算，并借助有限点拟合出磁感线；

S2：对相关空间中磁感线上所有点的的磁感应强度矢量进行计算，同时对特定点处的磁感应强度进行计算，并进行有限点选择。

6.如权利要求1所述的磁场学习系统，其特征在于，所述更新匹配模块具体工作步骤如下：

P1：对多个图象进行扫描并展示多个模型，同时计算并绘制他们共同作用下的磁感线；

P2：通过循环实现随着图像的移动模型跟随移动，同时磁感线随之变化；

P3：对不同的模型添加不同的讲解音频和视频，并添加课后练习题。

Images