CN115546441A - 三维点云多层次递归与加权平滑的云图可视化方法、装置 - Google Patents

三维点云多层次递归与加权平滑的云图可视化方法、装置 Download PDF

Info

Publication number
CN115546441A
CN115546441A CN202211316095.9A CN202211316095A CN115546441A CN 115546441 A CN115546441 A CN 115546441A CN 202211316095 A CN202211316095 A CN 202211316095A CN 115546441 A CN115546441 A CN 115546441A
Authority
CN
China
Prior art keywords
dimensional
dimensional model
target
cloud
simulation result
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
Application number
CN202211316095.9A
Other languages
English (en)
Inventor
邹德旭
彭庆军
洪志湖
代维菊
王山
周仿荣
胡锦
徐肖伟
刘红文
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.)
Electric Power Research Institute of Yunnan Power Grid Co Ltd
Original Assignee
Electric Power Research Institute of Yunnan Power Grid 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 Electric Power Research Institute of Yunnan Power Grid Co Ltd filed Critical Electric Power Research Institute of Yunnan Power Grid Co Ltd
Priority to CN202211316095.9A priority Critical patent/CN115546441A/zh
Publication of CN115546441A publication Critical patent/CN115546441A/zh
Pending legal-status Critical Current

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
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/12—Geometric CAD characterised by design entry means specially adapted for CAD, e.g. graphical user interfaces [GUI] specially adapted for CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • 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
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/10—Geometric effects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
    • G06T3/4023—Scaling of whole images or parts thereof, e.g. expanding or contracting based on decimating pixels or lines of pixels; based on inserting pixels or lines of pixels
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/04—Power grid distribution networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Computer Graphics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Architecture (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Software Systems (AREA)
  • Structural Engineering (AREA)
  • Civil Engineering (AREA)
  • Human Computer Interaction (AREA)
  • Image Generation (AREA)

Abstract

本发明涉及一种三维点云多层次递归与加权平滑的云图可视化方法、装置，涉及电力工程技术领域，该方法、装置通过基于有限元软件对目标结构进行数值仿真，得到目标结构的仿真结果；根据多层次递归算法和仿真结果构建三维模型，得到目标三维模型；利用改进非线性回归法对目标三维模型进行平滑处理，得到修正后目标三维模型；采用平滑过渡算法对修改后目标三维模型进行优化处理，得到三维云图；显示三维云图，以供用户查看。因此，本申请的技术方案基于多层次递归算法和平滑算法联合搭建了三维模型云图并进行显示，提升显示效率和准确度，实现了将有限元软件仿真结果更好嵌入到可视化平台，更便于工程研究人员做出分析与决策。

Description

三维点云多层次递归与加权平滑的云图可视化方法、装置
技术领域
本发明涉及电力工程技术领域，具体涉及一种三维点云多层次递归与加权平滑的云图可视化方法、装置。
背景技术
随着市场竞争的加剧，产品更新周期愈来愈短，企业对新技术的需求更加迫切，而作为提升产品质量、缩短设计周期、提高产品竞争力的一项有效手段，有限元法在工程设计和科研领域得到了越来越广泛的重视和应用。
在传统有限元分析步骤中，通常通过有限元软件将结果数据以文本数字以及云图图像形式进行展示，但是数值仿真结果无法全方位通过三维可视化展现，不利于工程研究人员进一步分析与决策，直接影响时间与效率。相关技术中，在通过有限元数值仿真获取结果信息后，直接采用传统算法将结果信息转化为三维云图模型时，会出现三维结构因网格划分导致的不平滑、云图显示不连续性而不能准确传递高维信息的现象，从而影响工程研究人员后期的分析决策。
因此，现有技术中存在云图可视化显示效率低、准确度低的技术问题。
发明内容
有鉴于此，本发明的目的在于提供一种三维点云多层次递归与加权平滑的云图可视化方法、装置，以克服目前云图可视化显示效率低、准确度低的问题。
为实现以上目的，本发明采用如下技术方案：
一方面，一种三维点云多层次递归与加权平滑的云图可视化方法，包括：
基于有限元软件对目标结构进行数值仿真，得到所述目标结构的仿真结果；所述仿真结果包括网格单元信息、节点坐标信息及仿真结果参数信息；
根据多层次递归算法和所述仿真结果构建三维模型，得到目标三维模型；
利用改进非线性回归法对所述目标三维模型进行平滑处理，得到修正后目标三维模型；
采用平滑过渡算法对所述修改后目标三维模型进行优化处理，得到三维云图；
显示所述三维云图，以供用户查看。
可选的，所述网格单元信息包括：网格单元编号；所述节点坐标信息包括：节点编号；所述根据多层次递归算法和所述仿真结果构建三维模型，得到目标三维模型，包括：
以所述网格单元为胞元，构建向量信息C＝{E,V,F}，其中，E为所述网格单元编号；每个所述网格单元包含若干个节点，所述节点构成节点向量V＝{V1,V2,V3,…Vm}，m为节点编号；F为仿真结果参数向量值,F＝{F1,F2,F3,…Fm},m为节点编号；
采用多线程方法将节点向量C划分为至少两段，将划分后的子向量Cm分别放到不同线程中；其中，Cm表示划分后的子向量；
利用递归算法，同时对每段线程中Ci以胞元形式建立三维单元网格模型，其中节点坐标信息依据节点向量V的节点编号一一对应，构建目标三维模型。
可选的，所述采用平滑过渡算法对所述修改后目标三维模型进行优化处理，得到三维云图，包括：
确定平滑后坐标信息Z，Z＝W1 TX+W2 TY+W3，其中W为权重参数，X、Y为[1,x,x2,…]与[1,y,y2,…]；将所述平滑后坐标信息作为修改后目标三维模型中点云的坐标信息；
根据所述平滑后坐标信息确定拟合曲面函数，以高斯距离矩阵损失函数作为损失函数，判断所述损失函数是否收敛；其中，高斯距离矩阵损失函数A＝exp(-(Z-Z原始)2/Z2)；
若所述高斯距离矩阵损失函数收敛，则得到修正后目标三维模型。
可选的，所述节点坐标信息，包括顶点坐标信息；所述采用平滑过渡算法对所述修改后目标三维模型进行优化处理，得到三维云图，包括：
根据所述顶点坐标信息和修正后目标三维模型，得到三维云图；
对所述三维云图进行领域内权重差值，得到优化后的三维云图。
可选的，所述对所述三维云图进行领域内权重差值，得到优化后的三维云图，包括：
在所述三维云图的坐标点中确定待插值坐标点(x，y，z)；
取所述待插值坐标点附近6*6邻域点(xi，yj，zl)，其中，i，j，l＝0，1，2，3，4，5；
根据所述领域点对所述待插值坐标点进行插值计算，其中，插值计算公式为：
Figure BDA0003909370720000031
其中，W为权重系数。
可选的，所述仿真结果参数信息与所述节点坐标信息相对应。
可选的，所述仿真结果参数信息包括：应力参数、温度参数。
可选的，还包括：
以文本信息形式或矩阵形式存储所述仿真结果。
又一方面，一种三维点云多层次递归与加权平滑的云图可视化装置，包括：
仿真模块，用于基于有限元软件对目标结构进行数值仿真，得到所述目标结构的仿真结果；所述仿真结果包括网格单元信息、节点坐标信息及仿真结果参数信息；
构建模块，用于根据多层次递归算法和所述仿真结果构建三维模型，得到目标三维模型；
修正模块，用于利用改进非线性回归法对所述目标三维模型进行平滑处理，得到修正后目标三维模型；
优化显示模块，用于采用平滑过渡算法对所述修改后目标三维模型进行优化处理，得到三维云图；显示所述三维云图，以供用户查看。
又一方面，一种三维点云多层次递归与加权平滑的云图可视化设备，包括处理器和存储器，所述处理器与存储器相连：
其中，所述处理器，用于调用并执行所述存储器中存储的程序；
所述存储器，用于存储所述程序，所述程序至少用于执行上述任一项所述的三维点云多层次递归与加权平滑的云图可视化方法。
本发明提供的技术方案至少具备如下有益效果：
本发明实施例提供的三维点云多层次递归与加权平滑的云图可视化方法、装置，通过基于有限元软件对目标结构进行数值仿真，得到目标结构的仿真结果；根据多层次递归算法和仿真结果构建三维模型，得到目标三维模型；利用改进非线性回归法对目标三维模型进行平滑处理，得到修正后目标三维模型；采用平滑过渡算法对修改后目标三维模型进行优化处理，得到三维云图；显示三维云图，以供用户查看。因此，本申请的技术方案基于多层次递归算法和平滑算法联合搭建了三维模型云图并进行显示，提升显示效率和准确度，将有限元软件仿真结果更好嵌入到可视化平台，更便于工程研究人员做出分析与决策。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种三维点云多层次递归与加权平滑的云图可视化方法的流程示意图；
图2为本发明实施例提供的一种经过递归算法后构建的二维模型示意图；
图3为本发明实施例提供的一种三维点云多层次递归与加权平滑的云图可视化装置的结构示意图；
图4为本发明实施例提供的一种三维点云多层次递归与加权平滑的云图可视化设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。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的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。
在传统有限元分析步骤中，通常通过有限元软件将结果数据以文本数字以及云图图像形式进行展示，但是数值仿真结果无法全方位通过三维可视化展现，不利于工程研究人员进一步分析与决策，直接影响时间与效率。相关技术中，在通过有限元数值仿真获取结果信息后，直接采用传统算法将结果信息转化为三维云图模型时，会出现三维结构因网格划分导致的不平滑、云图显示不连续性而不能准确传递高维信息的现象，从而影响工程研究人员后期的分析决策。
基于此，本发明实施例提供了一种三维点云多层次递归与加权平滑的云图可视化方法、装置及设备。
图1为本发明实施例提供的一种三维点云多层次递归与加权平滑的云图可视化方法的流程示意图，请参阅图1，本实施例可以包括以下步骤：
步骤S1、基于有限元软件对目标结构进行数值仿真，得到目标结构的仿真结果；仿真结果包括网格单元信息、节点坐标信息及仿真结果参数信息。
在一个具体的实现过程中，可以以任一结构为目标结构，对目标结构进行云图可视化处理。例如，可以根据目标结构以及计算需求，基于有限元软件的二次开发搭建数值仿真模型系统，通过程序语言与有限元软件联合仿真，从而得到仿真结果。
可以理解的是，仿真结果参数信息与节点坐标信息相对应。
在一些实施例中，仿真结果参数信息包括：应力参数、温度参数。
在一些实施例中，在得到仿真结果后，可以以文本信息形式或矩阵形式存储仿真结果。
本申请实施例中，以对某一个二维模型云图进行可视化展示来说明本发明的技术方案，本申请中可以统计二维模型的节点坐标数据和应力值数据。
表1为节点坐标信息及应力值信息表，为一种以文本信息形式存储的仿真结果。
表1节点坐标信息以及应力值信息表
Figure BDA0003909370720000061
步骤S2、根据多层次递归算法和仿真结果构建三维模型，得到目标三维模型。
在一些实施例中，网格单元信息包括：网格单元编号；节点坐标信息包括：节点编号；根据多层次递归算法和仿真结果构建三维模型，得到目标三维模型，包括：
以网格单元为胞元，构建向量信息C＝{E,V,F}，其中，E为网格单元编号；每个网格单元包含若干个节点，节点构成节点向量V＝{V1,V2,V3,…Vm}，m为节点编号；F为仿真结果参数向量值,F＝{F1,F2,F3,…Fm},m为节点编号；
采用多线程方法将节点向量C划分为至少两段，将划分后的子向量Cm分别放到不同线程中；其中，Cm表示划分后的子向量；
利用递归算法，同时对每段线程中Ci以胞元形式建立三维单元网格模型，其中节点坐标信息依据节点向量V的节点编号一一对应，构建目标三维模型。
值得说明的是，其中，节点向量C划分的段数可以根据计算机性能来决定，本申请中不做具体限定。
在本发明实施例中，E＝{[0,1,6],[1,6,7],[1,2,7],[2,7,8],[2,3,8],[3,4,8],[4,5,8],[5,6,8],[0,5,6],[6,7,8]}；V＝{1,2,3,4，5，6，7，8，9}；F＝{15,13,17,18，11，20，19，22，10}；由此可得到向量信息C＝{E,V,F}以及节点与结果参数矩阵D＝{V,F}。
利用递归算法，同时对每段线程中Ci以胞元形式建立三维单元网格模型，其中节点坐标信息直接依据向量V节点编号一一对应，从而避免了大量搜索时间，最终搭建目标三维模型。图2为本发明实施例提供的一种经过递归算法后构建的二维模型示意图。
步骤S3、利用改进非线性回归法对目标三维模型进行平滑处理，得到修正后目标三维模型。
在一些实施例中，采用平滑过渡算法对修改后目标三维模型进行优化处理，得到三维云图，包括：
确定平滑后坐标信息Z，Z＝W1 TX+W2 TY+W3，其中W为权重参数，X、Y为[1,x,x2,…]与[1,y,y2,…]；将平滑后坐标信息作为修改后目标三维模型中点云的坐标信息；
根据平滑后坐标信息确定拟合曲面函数，以高斯距离矩阵损失函数作为损失函数，判断损失函数是否收敛；其中，高斯距离矩阵损失函数A＝exp(-(Z-Z原始)2/Z2)；
若高斯距离矩阵损失函数收敛，则得到修正后目标三维模型。
具体的，采用改进非线性回归对三维模型进行平滑处理，即Z＝W1 TX+W2 TY+W3，其中W为权重参数，X、Y为[1,x,x2,…]与[1,y,y2,…]，Z为平滑后坐标信息，损失函数采用了高斯距离矩阵A＝exp(-(Z-Z原始)2/Z2)，每迭代一次更新一次A，直至收敛为止。值得注意的，本申请在局部区域内使用改进非线性回归算法进行平滑处理，避免大量数据计算而带来的误差。
步骤S4、采用平滑过渡算法对修改后目标三维模型进行优化处理，得到三维云图；显示三维云图，以供用户查看。
在一些实施例中，节点坐标信息，包括顶点坐标信息；采用平滑过渡算法对修改后目标三维模型进行优化处理，得到三维云图，包括：
根据顶点坐标信息和修正后目标三维模型，得到三维云图；
对三维云图进行领域内权重差值，得到优化后的三维云图。
具体的，在确定顶点坐标信息和修正后目标三维模型后，生成三维云图，并对三维云图进行领域内权重差值计算，从而得到优化后的三维云图。
在一些实施例中，对三维云图进行领域内权重差值，得到优化后的三维云图，包括：
在三维云图的坐标点中确定待插值坐标点(x，y，z)；
取待插值坐标点附近6*6邻域点(xi，yj，zl)，其中，i，j，l＝0，1，2，3，4，5；
根据领域点对待插值坐标点进行插值计算，其中，插值计算公式为：
Figure BDA0003909370720000081
其中，W为权重系数。
具体的，在本申请中针对结果云图显示，采用了平滑过渡算法，使云图颜色变化均匀连续显示。对待插值的坐标点(x，y，z)(x,y和z可以为浮点数)，取其附近的6×6邻域点(xi，yj，zl)，i，j，l＝0，1，2，3，4，5。按如下公式进行插值计算,W表示权重系数：
Figure BDA0003909370720000091
可以理解的是，本申请提供的计算方案可以快速将有限元数值仿真结果转化为三维结构并显示相应云图信息，从而将有限元软件仿真结果更好嵌入到可视化平台，更便于工程研究人员做出分析与决策。
本发明实施例提供的三维点云多层次递归与加权平滑的云图可视化方法，通过基于有限元软件对目标结构进行数值仿真，得到目标结构的仿真结果；根据多层次递归算法和仿真结果构建三维模型，得到目标三维模型；利用改进非线性回归法对目标三维模型进行平滑处理，得到修正后目标三维模型；采用平滑过渡算法对修改后目标三维模型进行优化处理，得到三维云图；显示三维云图，以供用户查看。因此，本申请的技术方案基于多层次递归算法和平滑算法联合搭建了三维模型云图并进行显示，提升显示效率和准确度，从而将有限元软件仿真结果更好嵌入到可视化平台，更便于工程研究人员做出分析与决策。
基于一个总的发明构思，本发明实施例还提供了一种三维点云多层次递归与加权平滑的云图可视化装置。
图3为本发明实施例提供的一种三维点云多层次递归与加权平滑的云图可视化装置的结构示意图，参阅图3，本申请提供的装置可以包括：
仿真模块31，用于基于有限元软件对目标结构进行数值仿真，得到目标结构的仿真结果；仿真结果包括网格单元信息、节点坐标信息及仿真结果参数信息；
构建模块32，用于根据多层次递归算法和仿真结果构建三维模型，得到目标三维模型；
修正模块33，用于利用改进非线性回归法对目标三维模型进行平滑处理，得到修正后目标三维模型；
优化显示模块34，用于采用平滑过渡算法对修改后目标三维模型进行优化处理，得到三维云图；显示三维云图，以供用户查看.
可选的，构建模块，具体用于以网格单元为胞元，构建向量信息C＝{E,V,F}，其中，E为网格单元编号；每个网格单元包含若干个节点，节点构成节点向量V＝{V1,V2,V3,…Vm}，m为节点编号；F为仿真结果参数向量值,F＝{F1,F2,F3,…Fm},m为节点编号；
采用多线程方法将节点向量C划分为至少两段，将划分后的子向量Cm分别放到不同线程中；其中，Cm表示划分后的子向量；
利用递归算法，同时对每段线程中Ci以胞元形式建立三维单元网格模型，其中节点坐标信息依据节点向量V的节点编号一一对应，构建目标三维模型。
可选的，修正模块，具体用于确定平滑后坐标信息Z，Z＝W1 TX+W2 TY+W3，其中W为权重参数，X、Y为[1,x,x2,…]与[1,y,y2,…]；将平滑后坐标信息作为修改后目标三维模型中点云的坐标信息；
根据平滑后坐标信息确定拟合曲面函数，以高斯距离矩阵损失函数作为损失函数，判断损失函数是否收敛；其中，高斯距离矩阵损失函数A＝exp(-(Z-Z原始)2/Z2)；
若高斯距离矩阵损失函数收敛，则得到修正后目标三维模型。
可选的，优化显示模块，具体用于根据顶点坐标信息和修正后目标三维模型，得到三维云图；
对三维云图进行领域内权重差值，得到优化后的三维云图。
可选的，优化显示模块，具体用于在三维云图的坐标点中确定待插值坐标点(x，y，z)；
取待插值坐标点附近6*6邻域点(xi，yj，zl)，其中，i，j，l＝0，1，2，3，4，5；
根据领域点对待插值坐标点进行插值计算，其中，插值计算公式为：
Figure BDA0003909370720000111
其中，W为权重系数。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本发明实施例提供的三维点云多层次递归与加权平滑的云图可视化装置，通过基于有限元软件对目标结构进行数值仿真，得到目标结构的仿真结果；根据多层次递归算法和仿真结果构建三维模型，得到目标三维模型；利用改进非线性回归法对目标三维模型进行平滑处理，得到修正后目标三维模型；采用平滑过渡算法对修改后目标三维模型进行优化处理，得到三维云图；显示三维云图，以供用户查看。因此，本申请的技术方案基于多层次递归算法和平滑算法联合搭建了三维模型云图并进行显示，提升显示效率和准确度，从而将有限元软件仿真结果更好嵌入到可视化平台，更便于工程研究人员做出分析与决策。
基于一个总的发明构思，本发明实施例还提供了一种三维点云多层次递归与加权平滑的云图可视化设备。
图4为本发明实施例提供的一种三维点云多层次递归与加权平滑的云图可视化设备的结构示意图，参阅图4，本申请提供的设备包括处理器41和存储器42，处理器41与存储器42相连。其中，处理器41用于调用并执行存储器42中存储的程序；存储器42用于存储程序，程序至少用于执行以上实施例中的三维点云多层次递归与加权平滑的云图可视化方法。
本申请实施例提供的三维点云多层次递归与加权平滑的云图可视化设备的具体实施方案可以参考以上任意实施例的三维点云多层次递归与加权平滑的云图可视化方法的实施方式，此处不再赘述。
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
需要说明的是，在本发明的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是指至少两个。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种三维点云多层次递归与加权平滑的云图可视化方法，其特征在于，包括：
基于有限元软件对目标结构进行数值仿真，得到所述目标结构的仿真结果；所述仿真结果包括网格单元信息、节点坐标信息及仿真结果参数信息；
根据多层次递归算法和所述仿真结果构建三维模型，得到目标三维模型；
利用改进非线性回归法对所述目标三维模型进行平滑处理，得到修正后目标三维模型；
采用平滑过渡算法对所述修改后目标三维模型进行优化处理，得到三维云图；
显示所述三维云图，以供用户查看。
2.根据权利要求1所述的方法，其特征在于，所述网格单元信息包括：网格单元编号；所述节点坐标信息包括：节点编号；所述根据多层次递归算法和所述仿真结果构建三维模型，得到目标三维模型，包括：
以所述网格单元为胞元，构建向量信息C＝{E,V,F}，其中，E为所述网格单元编号；每个所述网格单元包含若干个节点，所述节点构成节点向量V＝{V1,V2,V3,…Vm}，m为节点编号；F为仿真结果参数向量值,F＝{F1,F2,F3,…Fm},m为节点编号；
采用多线程方法将节点向量C划分为至少两段，将划分后的子向量Cm分别放到不同线程中；其中，Cm表示划分后的子向量；
利用递归算法，同时对每段线程中Ci以胞元形式建立三维单元网格模型，其中节点坐标信息依据节点向量V的节点编号一一对应，构建目标三维模型。
3.根据权利要求1所述的方法，其特征在于，所述采用平滑过渡算法对所述修改后目标三维模型进行优化处理，得到三维云图，包括：
确定平滑后坐标信息Z，Z＝W1 TX+W2 TY+W3，其中W为权重参数，X、Y为[1,x,x2,…]与[1,y,y2,…]；将所述平滑后坐标信息作为修改后目标三维模型中点云的坐标信息；
根据所述平滑后坐标信息确定拟合曲面函数，以高斯距离矩阵损失函数作为损失函数，判断所述损失函数是否收敛；其中，高斯距离矩阵损失函数A＝exp(-(Z-Z原始)2/Z2)；
若所述高斯距离矩阵损失函数收敛，则得到修正后目标三维模型。
4.根据权利要求1所述的方法，其特征在于，所述节点坐标信息，包括顶点坐标信息；所述采用平滑过渡算法对所述修改后目标三维模型进行优化处理，得到三维云图，包括：
根据所述顶点坐标信息和修正后目标三维模型，得到三维云图；
对所述三维云图进行领域内权重差值，得到优化后的三维云图。
5.根据权利要求4所述的方法，其特征在于，所述对所述三维云图进行领域内权重差值，得到优化后的三维云图，包括：
在所述三维云图的坐标点中确定待插值坐标点(x，y，z)；
取所述待插值坐标点附近6*6邻域点(xi，yj，zl)，其中，i，j，l＝0，1，2，3，4，5；
根据所述领域点对所述待插值坐标点进行插值计算，其中，插值计算公式为：
Figure FDA0003909370710000021
其中，W为权重系数。
6.根据权利要求1所述的方法，其特征在于，所述仿真结果参数信息与所述节点坐标信息相对应。
7.根据权利要求1所述的方法，其特征在于，所述仿真结果参数信息包括：应力参数、温度参数。
8.根据权利要求1所述的方法，其特征在于，还包括：
以文本信息形式或矩阵形式存储所述仿真结果。
9.一种三维点云多层次递归与加权平滑的云图可视化装置，其特征在于，包括：
仿真模块，用于基于有限元软件对目标结构进行数值仿真，得到所述目标结构的仿真结果；所述仿真结果包括网格单元信息、节点坐标信息及仿真结果参数信息；
构建模块，用于根据多层次递归算法和所述仿真结果构建三维模型，得到目标三维模型；
修正模块，用于利用改进非线性回归法对所述目标三维模型进行平滑处理，得到修正后目标三维模型；
优化显示模块，用于采用平滑过渡算法对所述修改后目标三维模型进行优化处理，得到三维云图；显示所述三维云图，以供用户查看。
10.一种三维点云多层次递归与加权平滑的云图可视化设备，其特征在于，包括处理器和存储器，所述处理器与存储器相连：
其中，所述处理器，用于调用并执行所述存储器中存储的程序；
所述存储器，用于存储所述程序，所述程序至少用于执行权利要求1-8任一项所述的三维点云多层次递归与加权平滑的云图可视化方法。
CN202211316095.9A 2022-10-26 2022-10-26 三维点云多层次递归与加权平滑的云图可视化方法、装置 Pending CN115546441A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211316095.9A CN115546441A (zh) 2022-10-26 2022-10-26 三维点云多层次递归与加权平滑的云图可视化方法、装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211316095.9A CN115546441A (zh) 2022-10-26 2022-10-26 三维点云多层次递归与加权平滑的云图可视化方法、装置

Publications (1)

Publication Number Publication Date
CN115546441A true CN115546441A (zh) 2022-12-30

Family

ID=84718992

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211316095.9A Pending CN115546441A (zh) 2022-10-26 2022-10-26 三维点云多层次递归与加权平滑的云图可视化方法、装置

Country Status (1)

Country Link
CN (1) CN115546441A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116991981A (zh) * 2023-09-27 2023-11-03 深圳市特区建工科工集团盛腾科技有限公司 结合有限元分析的预应力构件仿真数据处理方法及系统
CN118537508A (zh) * 2024-07-25 2024-08-23 华中科技大学 一种仿真云图快速渲染方法、设备、存储介质及程序产品

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116991981A (zh) * 2023-09-27 2023-11-03 深圳市特区建工科工集团盛腾科技有限公司 结合有限元分析的预应力构件仿真数据处理方法及系统
CN116991981B (zh) * 2023-09-27 2023-12-01 深圳市特区建工科工集团盛腾科技有限公司 结合有限元分析的预应力构件仿真数据处理方法及系统
CN118537508A (zh) * 2024-07-25 2024-08-23 华中科技大学 一种仿真云图快速渲染方法、设备、存储介质及程序产品

Similar Documents

Publication Publication Date Title
CN115546441A (zh) 三维点云多层次递归与加权平滑的云图可视化方法、装置
US20220392144A1 (en) Image rendering method and apparatus, electronic device, and storage medium
JP7287397B2 (ja) 情報処理方法、情報処理装置及び情報処理プログラム
US20220318591A1 (en) Inference method and information processing apparatus
CN109784420A (zh) 一种图像处理方法及装置、计算机设备和存储介质
Zhou et al. Fast and accurate normal estimation for point clouds via patch stitching
CN113177592A (zh) 一种图像分割方法、装置、计算机设备及存储介质
CN113870215A (zh) 中线提取方法及装置
CN112101438A (zh) 一种左右眼分类方法、装置、服务器和存储介质
Marinić-Kragić et al. Superimposed RBF and B-spline parametric surface for reverse engineering applications
Tai et al. A multigrid algorithm for maxflow and min-cut problems with applications to multiphase image segmentation
Badshah et al. On two multigrid algorithms for modeling variational multiphase image segmentation
CN112464040B (zh) 图结构识别、可视化展示及显示操作方法及装置
CN109255004A (zh) 面向地理空间数据的精度保证的在线交互式可视化方法
CN116611527B (zh) 量子电路处理方法、装置及电子设备
CN107492101B (zh) 基于自适应构造最优图的多模态鼻咽肿瘤分割算法
CN116542178A (zh) 定常流动数值模拟方法、装置、设备及介质
CN111046958A (zh) 基于数据依赖的核学习和字典学习的图像分类及识别方法
CN113315656B (zh) 基于图传播的节点重要性评估方法、系统及可读存储介质
CN113127648B (zh) 数据验证方法和装置、电子设备、计算机可读介质
CN111260547B (zh) 用于呈现大脑图像的方法、装置和计算机可读存储介质
CN112541535B (zh) 基于互补的多分支深度学习进行三维点云分类方法
CN112102216B (zh) 自适应权重的全变差图像融合方法
Li et al. Contracting medial surfaces isotropically for fast extraction of centred curve skeletons
CN117197000B (zh) 一种快速网格去噪方法、装置及电子设备

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