CN116543134B - 数字孪生模型的构建方法、装置、计算机设备和介质 - Google Patents
数字孪生模型的构建方法、装置、计算机设备和介质 Download PDFInfo
- Publication number
- CN116543134B CN116543134B CN202310820586.5A CN202310820586A CN116543134B CN 116543134 B CN116543134 B CN 116543134B CN 202310820586 A CN202310820586 A CN 202310820586A CN 116543134 B CN116543134 B CN 116543134B
- Authority
- CN
- China
- Prior art keywords
- model
- dimensional
- digital twin
- sub
- basic
- 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
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000001788 irregular Effects 0.000 claims abstract description 41
- 238000001179 sorption measurement Methods 0.000 claims abstract description 31
- 238000010276 construction Methods 0.000 claims description 13
- 238000003860 storage Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 8
- 238000000605 extraction Methods 0.000 claims description 6
- 238000003709 image segmentation Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 230000006835 compression Effects 0.000 claims description 3
- 238000007906 compression Methods 0.000 claims description 3
- 238000005520 cutting process Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 2
- 230000011218 segmentation Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 12
- 238000012937 correction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/20—Editing of 3D images, e.g. changing shapes or colours, aligning objects or positioning parts
Landscapes
- Engineering & Computer Science (AREA)
- Architecture (AREA)
- Computer Graphics (AREA)
- Computer Hardware Design (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提供了一种数字孪生模型的构建方法、装置、计算机设备和介质,涉及的数字孪生模型技术领域,其中,该方法包括以下步骤:对三维不规则模型的原始三维形体图像进行去噪处理,生成去噪后的三维形体图像;从去噪后的三维形体图像中分割出多个子三维模型;对每个子三维模型提取结构特征信息;根据各个子三维模型的结构特征信息之间的相似度,将各个子三维模型吸附在一起形成一个基础模型,得到基础数字孪生模型;在基础数字孪生模型的不同平面上建立三维坐标系,根据不同方向生成三维物体模型,得到三维不规则模型的数字孪生模型。由于该方案通过对三维模型的分割、吸附和生长构建数字孪生模型,因而,提高了生成的数字孪生模型的精度。
Description
技术领域
本发明涉及数字孪生模型技术领域,特别涉及一种数字孪生模型的构建方法、装置、计算机设备和介质。
背景技术
构建数字孪生模型需要大量的高精度数据,三维不规则形体图像是构建数字孪生模型所需数据的重要来源之一。自动吸附和万向轴生长技术适用于基于三维不规则形体图像的数字孪生模型的建立。这种类型的数字孪生模型通常用于复杂的工业流程、产品的设计和优化,例如,航空航天、汽车制造、船舶设计等领域。这些领域中的工业产品通常具有非常复杂的几何形态和结构,而且对精度和可靠性的要求非常高。采用自动吸附和万向轴生长技术可以高效地处理这些复杂的三维几何形态,生成精度较高的数字孪生模型,从而支持更准确的模拟和分析工作。
但是,由于基于三维不规则形体自动吸附、万向轴生长技术的数字孪生模型是通过吸附和生长来构建的,因此其精度可能受到吸附和生长算法的影响。同时,三维不规则形体自动吸附、万向轴生长技术对形状的复杂度和不规则性有一定的限制,对于非常复杂的形状,可能无法完全自动化地实现吸附和生长。最后,由于基于三维不规则形体自动吸附、万向轴生长技术的数字孪生模型是通过吸附和生长来构建的,精度受到吸附和生长算法的影响较大,会出现较大的精度偏差。
发明内容
有鉴于此,本发明实施例提供了一种数字孪生模型的构建方法,以解决现有技术中生成的数字孪生模型精度低的技术问题。该方法包括:
对三维不规则模型的原始三维形体图像进行去噪处理,生成去噪后的三维形体图像;
从去噪后的三维形体图像中分割出多个子三维模型,其中,每个子三维模型包括至少一个物体或结构部件;
对每个子三维模型提取结构特征信息,其中,结构特征信息包括形状、每个子三维模型与其他子三维模型之间连接关系的拓扑关系;
根据各个子三维模型的结构特征信息之间的相似度,将各个子三维模型吸附在一起形成一个基础模型,并基于基础模型构建数字孪生模型,得到基础数字孪生模型;
在基础数字孪生模型的不同平面上建立三维坐标系,根据不同三维坐标系的坐标轴的方向,在基础数字孪生模型上生成三维物体模型,得到三维不规则模型的数字孪生模型。
本发明实施例还提供了一种数字孪生模型的构建装置,以解决现有技术中的生成的数字孪生模型精度低的技术问题。该装置包括:
预处理模块,用于对三维不规则模型的原始三维形体图像进行去噪处理,生成去噪后的三维形体图像;
形体图像分割模块,用于从去噪后的三维形体图像中分割出多个子三维模型,其中,每个子三维模型包括至少一个物体或结构部件;
特征信息提取模块,用于对每个子三维模型提取结构特征信息,其中,结构特征信息包括形状、每个子三维模型与其他子三维模型之间连接关系的拓扑关系;
模型吸附模块,用于根据各个子三维模型的结构特征信息之间的相似度,将各个子三维模型吸附在一起形成一个基础模型,并基于基础模型构建数字孪生模型,得到基础数字孪生模型;
数字孪生模型构建模块,用于在基础数字孪生模型的不同平面上建立三维坐标系,根据不同三维坐标系的坐标轴的方向,在基础数字孪生模型上生成三维物体模型,得到三维不规则模型的数字孪生模型。
本发明实施例还提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任意的数字孪生模型的构建方法,以解决现有技术中的生成的数字孪生模型精度低的技术问题。
本发明实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有执行上述任意的数字孪生模型的构建方法的计算机程序,以解决现有技术中的生成的数字孪生模型精度低的技术问题。
与现有技术相比,本说明书实施例采用的上述至少一个技术方案能够达到的有益效果至少包括:
通过对三维不规则形体图像进行预处理和去噪,可以更好地支持自动吸附和万向轴生长技术的应用,有利于提高最后生成的数字孪生模型的精度和可靠性;通过对三维不规则形体先分割后吸附,并提出了根据各个子三维模型的结构特征信息之间的相似度进行各个子三维模型的吸附,使得能够应用于复杂的三维不规则形体图像的不同形状的结构或子模型之间的吸附,实现了不同形状的结构或子模型之间的自动化、准确地吸附,进一有利于提高数字孪生模型的精度和可靠性;基于万向轴生长技术,提出了在基础数字孪生模型上根据任意坐标轴的方向生成三维物体模型,可满足对数字孪生模型的不同轴向生长三维物体模型的不同需求,是的生成的数字孪生模型更满足需求和贴合现实世界,使得进一步利于提高数字孪生模型的精度和可靠性。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例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申请的一些实施例,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它的附图。
图1是本发明实施例提供的一种数字孪生模型的构建方法的流程图;
图2是本发明实施例提供的一种计算机设备的结构框图;
图3是本发明实施例提供的一种数字孪生模型的构建装置的结构框图;
图4是本发明实施例提供的数字孪生模型的外观示意图。
具体实施方式
下面结合附图对本申请实施例进行详细描述。
以下通过特定的具体实例说明本申请的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本申请的其他优点与功效。显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。本申请还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本申请的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
在本发明实施例中,提供了一种数字孪生模型的构建方法,如图1所示,该方法包括:
步骤S101:对三维不规则模型的原始三维形体图像进行去噪处理,生成去噪后的三维形体图像;
步骤S102:从去噪后的三维形体图像中分割出多个子三维模型,其中,每个子三维模型包括至少一个物体或结构部件;
步骤S103:对每个子三维模型提取结构特征信息,其中,结构特征信息包括形状、每个子三维模型与其他子三维模型之间连接关系的拓扑关系;
步骤S104:根据各个子三维模型的结构特征信息之间的相似度,将各个子三维模型吸附在一起形成一个基础模型,并基于基础模型构建数字孪生模型,得到基础数字孪生模型;
步骤S105:在基础数字孪生模型的不同平面上建立三维坐标系,根据不同三维坐标系的坐标轴的方向,在基础数字孪生模型上生成三维物体模型,得到三维不规则模型的数字孪生模型。
具体实施时,三维不规则模型的原始三维形体图像通常包含噪声和其他不必要的细节,需要进行预处理和去噪,以生成更清晰和准确的三维不规则形体图像。预处理和去噪的过程通常包括使用算法和技术对原始数据进行滤波、分割、配准和重构等步骤,以消除噪声和无关信息,并提取出三维形体图像中的几何特征。通过预处理和去噪的三维不规则形体图像,可以更好地支持自动吸附和万向轴生长技术的应用,有利于提高数字孪生模型的精度和可靠性。
具体实施时,为了应对三维不规则形体的复杂性和不规则性,使其能够自动、准确地吸附,提出了通过以下步骤高效、准确地实现对去噪后的三维形体图像进行分割:
获取去噪后的三维形体图像的三维点云数据和三维网格数据;获取三维点云数据中的每一个点对应的空间编码,利用所有点的空间编码得到三维点云数据的全局点云特征;将三维点云数据的全局点云特征和三维网格数据输入识别模型,通过识别模型输出多个结构块,根据多个结构块生成多个子三维模型,其中,识别模型是以历史三维点云数据的全局点云特征、历史三维网格数据以及对应的结构块为样本训练神经网络得到的。
具体实施时,通过以下步骤实现根据多个结构块分别生成多个子三维模型:
通过识别模型还输出每个结构块的标签信息,其中,标签信息包括颜色标注信息、切割信息和压缩信息;根据每个结构块的标签信息,对每个结构块进行对应的操作处理,生成每个子三维模型。
具体实施时,为了实现准确、有效的吸附,提出了通过以下步骤实现根据各个子三维模型的结构特征信息之间的相似度,将各个子三维模型吸附在一起形成一个基础模型:
执行以下循环步骤,直至所有所述子三维模型吸附在一起形成一个基础模型,结束循环步骤:判断当前存在的子三维模型的数量是否大于1;若是,则在当前存在的子三维模型中将任意一个子三维模型确定为基础子三维模型,将其他子三维模型确定为候选被吸附模型;计算所述基础子三维模型的所述结构特征信息分别与每个所述候选被吸附模型的所述结构特征信息之间的距离,得到多个距离值;将多个距离值中最小距离值对应的候选被吸附模型确定为被吸附模型;通过预设对齐方式,将所述被吸附模型吸附至所述基础子三维模型上,形成新的子三维模型,所述被吸附模型的结构特征信息和所述基础子三维模型的结构特征信息合并后成为新的子三维模型的结构特征信息。
具体的,自动吸附技术是将分割后的多个子三维模型形体图像按照一定的规则和算法自动拼接在一起,用于构建数字孪生模型。从具体操作角度来说,可以将各个子三维模型的结构特征信息进行匹配和对齐,然后根据吸附算法将它们拼接在一起形成一个完整的三维模型。为了进一步提高自动吸附的准确性,在吸附的过程中,提出了考虑各个子模型之间的几何约束关系以及各个子模型的形状,即基于各个子三维模型的形状、拓扑关系等结构特征信息之间的相似度进行吸附,以确保数字孪生模型的准确性和稳定性。
具体实施时,为了提高数字孪生模型的逼真度、精度性,通过以下步骤实现基于所述基础模型构建数字孪生模型,得到基础数字孪生模型:
提取所述基础模型的特征信息,其中,特征信息包括物理形态信息和环境信息,物理形态信息表示基础模型自身的物理外观、形态以及材质的信息,例如,包括三维模型的形状、颜色、体积、材质等,环境信息是表示基础模型所处环境的环境信息,例如,可以包括光照信息等;基于构建数字孪生模型的需求参数(即构建数字孪生模型所需的常规参数,可以基于数字孪生模型生成软件提供的参数项具体设置参数值)和所述基础模型的所述特征信息,构建数字孪生模型,得到所述基础数字孪生模型。
具体实施时,为了提高数字孪生模型对三维不规则模型的贴合度、还原度,以进一步提高提高数字孪生模型的逼真度、精度;提出了通过以下步骤实现在所述基础数字孪生模型的不同平面上建立三维坐标系,根据不同所述三维坐标系的坐标轴的方向,在所述基础数字孪生模型上生成三维物体模型,得到所述三维不规则模型的数字孪生模型:
提取基础数字孪生模型的骨架信息;将骨架信息由同一平面的经纬度坐标参考系转换为不同平面内的三维坐标系下,其中,不同平面内的三维坐标系的各个坐标轴构成万向轴;在基础数字孪生模型的不同平面上的预设位置处,根据不同平面上的三维坐标系的坐标轴的方向,使预设三维物体模型的旋转中心轴与基础数字孪生模型的万向轴的其中一个轴重合,将预设三维物体模型拼接至基础数字孪生模型上,得到三维不规则模型的数字孪生模型。
具体的,万向轴也可称为三维对象在各个旋转中心轴向的旋转中心轴的集合。旋转中心轴指通过三维对象的旋转中心且能够穿过三维对象的轴。实际操作时,首先,将平面GIS(地理信息系统)定位等数据处理后进行录入;然后,将基础数字孪生模型的骨架信息由同一平面的经纬度坐标等参考系转换至不同平面内的三维坐标系下,将单轴变换方式转换为全方位不同轴向变换方式;最后,根据需求在基础数字孪生模型的不同轴向上,分别一一拼接各种类型的预设三维物体模型(拼接时,要使预设三维物体模型的旋转中心轴与基础数字孪生模型的万向轴中的某一个轴向重合),生成数字孪生模型,其中,预设三维物体模型可以为具体现实中存在物体的三维模型,预设三维物体模型也可以为抽象物体的三维模型。
具体实施时,上述三维不规则模型可以是现实环境中产品、流程设备等物体的三维虚拟模型,例如,汽车、船舶等的三维虚拟模型。
图4为经过万向轴生长后生成的数字孪生模型的外观示意图,具体的,将一个形状为球状的基础数字孪生模型,经过万向轴生长后沿各个旋转中心轴向球体外部产生突刺后的效果图。
具体实施时,需要对生成的所述三维不规则模型的数字孪生模型进行评估与修正,为了加强数字孪生模型的精度,可以通过以下步骤实现数字孪生模型的评估与修正:
生成的采集三维不规则模型在真实场景中的物理空间数据,并计算物理空间数据与数字孪生模型中的虚拟空间数据之间的差值;若差值超过预设阈值时,修正虚拟空间数据,直至修正后的虚拟空间数据与物理空间数据之间的差值小于预设阈值。
在本实施例中,提供了一种计算机设备,如图2所示,包括存储器201、处理器202及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任意的数字孪生模型的构建方法。
具体的,该计算机设备可以是计算机终端、服务器或者类似的运算装置。
在本实施例中,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有执行上述任意的数字孪生模型的构建方法的计算机程序。
具体的,计算机可读存储介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机可读存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读存储介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
基于同一发明构思,本发明实施例中还提供了一种数字孪生模型的构建装置,如下面的实施例所述。由于数字孪生模型的构建装置解决问题的原理与数字孪生模型的构建方法相似,因此数字孪生模型的构建装置的实施可以参见数字孪生模型的构建方法的实施,重复之处不再赘述。以下所使用的,术语“单元”或者“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图3是本发明实施例的数字孪生模型的构建装置的一种结构框图,如图3所示,包括:数字孪生模型的构建301、形体图像分割模块302、特征信息提取模块303、模型吸附模块304和数字孪生模型构建模块305,下面对该结构进行说明。
预处理模块301,用于对三维不规则模型的原始三维形体图像进行去噪处理,生成去噪后的三维形体图像;
形体图像分割模块302,用于从去噪后的三维形体图像中分割出多个子三维模型,其中,每个子三维模型包括至少一个物体或结构部件;
特征信息提取模块303,用于对每个子三维模型提取结构特征信息,其中,结构特征信息包括形状、每个子三维模型与其他子三维模型之间连接关系的拓扑关系;
模型吸附模块304,用于根据各个子三维模型的结构特征信息之间的相似度,将各个子三维模型吸附在一起形成一个基础模型,并基于基础模型构建数字孪生模型,得到基础数字孪生模型;
数字孪生模型构建模块305,用于在基础数字孪生模型的不同平面上建立三维坐标系,根据不同三维坐标系的坐标轴的方向,在基础数字孪生模型上生成三维物体模型,得到三维不规则模型的数字孪生模型。
在一个实施例中,形体图像分割模块,包括:
点云数据获取单元,用于获取去噪后的三维形体图像的三维点云数据和三维网格数据;
点云特征提取单元,用于获取三维点云数据中的每一个点对应的空间编码,利用所有点的空间编码得到三维点云数据的全局点云特征;
分割三维模型单元,用于将三维点云数据的全局点云特征和三维网格数据输入识别模型,通过识别模型输出多个结构块,其中,识别模型是以历史三维点云数据的全局点云特征、历史三维网格数据以及对应的结构块为样本训练神经网络得到的;
子三维模型生成单元,用于根据多个结构块分别生成多个子三维模型。
在一个实施例中,形体图像分割模块,包括:
提取标签信息单元,用于通过所述识别模型还输出每个所述结构块的标签信息,其中,所述标签信息包括颜色标注信息、切割信息和压缩信息;
所述子三维模型生成单元,用于根据每个所述结构块的所述标签信息,对每个所述结构块进行对应的操作处理,生成每个所述子三维模型。
在一个实施例中,模型吸附模块,用于执行以下循环步骤,直至所有子三维模型吸附在一起形成一个基础模型,结束循环步骤:判断当前存在的子三维模型的数量是否大于1;若是,则在当前存在的子三维模型中将任意一个子三维模型确定为基础子三维模型,将其他子三维模型确定为候选被吸附模型;计算基础子三维模型的结构特征信息分别与每个候选被吸附模型的结构特征信息之间的距离,得到多个距离值;将多个距离值中最小距离值对应的候选被吸附模型确定为被吸附模型;通过预设对齐方式,将被吸附模型吸附至基础子三维模型上,形成新的子三维模型,被吸附模型的结构特征信息和基础子三维模型的结构特征信息合并后成为新的子三维模型的结构特征信息。
在一个实施例中,模型吸附模块,还用于提取基础模型的特征信息,其中,特征信息包括物理形态信息和环境信息;基于构建数字孪生模型的需求参数和基础模型的特征信息,构建数字孪生模型,得到基础数字孪生模型。
在一个实施例中,数字孪生模型构建模块,包括:
骨架信息提取单元,用于提取基础数字孪生模型的骨架信息;
三维坐标转换单元,用于将骨架信息由同一平面的经纬度坐标参考系转换至不同平面内的三维坐标系下,其中,不同平面内的三维坐标系的各个坐标轴构成万向轴;
万向轴生长单元,用于在基础数字孪生模型的不同平面上的预设位置处,根据不同平面上的三维坐标系的坐标轴的方向,使预设三维物体模型的旋转中心轴与基础数字孪生模型的万向轴的其中一个轴重合,将预设三维物体模型拼接至基础数字孪生模型上,得到三维不规则模型的数字孪生模型。
在一个实施例中,上述装置还包括:
孪生模型评估与修正模块,用于在数字孪生模型生成后,对数字孪生模型进行评估和修正。
在一个实施例中,孪生模型评估与修正模块,包括:
孪生模型评估单元,用于采集三维不规则模型在真实场景中的物理空间数据,并计算物理空间数据与数字孪生模型中的虚拟空间数据之间的差值;
孪生模型修正单元,用于若差值超过预设阈值时,修正虚拟空间数据,直至修正后的虚拟空间数据与物理空间数据之间的差值小于预设阈值。
在另外一个实施例中,还提供了一种软件,该软件用于执行上述实施例及优选实施方式中描述的技术方案。
在另外一个实施例中,还提供了一种存储介质,该存储介质中存储有上述软件,该存储介质包括但不限于:光盘、软盘、硬盘、可擦写存储器等。
本发明实施例实现了如下技术效果:通过对三维不规则形体图像进行预处理和去噪,可以更好地支持自动吸附和万向轴生长技术的应用,有利于提高最后生成的数字孪生模型的精度和可靠性;通过对三维不规则形体先分割后吸附,并提出了根据各个子三维模型的结构特征信息之间的相似度进行各个子三维模型的吸附,使得能够应用于复杂的三维不规则形体图像的不同形状的结构或子模型之间的吸附,实现了不同形状的结构或子模型之间的自动化、准确地吸附,进一有利于提高数字孪生模型的精度和可靠性;基于万向轴生长技术,提出了在基础数字孪生模型上根据任意坐标轴的方向生成三维物体模型,可满足对数字孪生模型的不同轴向生长三维物体模型的不同需求,是的生成的数字孪生模型更满足需求和贴合现实世界,使得进一步利于提高数字孪生模型的精度和可靠性。
显然,本领域的技术人员应该明白,上述的本发明实施例的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明实施例不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (8)
1.一种数字孪生模型的构建方法,其特征在于,包括:
对三维不规则模型的原始三维形体图像进行去噪处理,生成去噪后的三维形体图像;
从所述去噪后的三维形体图像中分割出多个子三维模型,包括:获取所述去噪后的三维形体图像的三维点云数据和三维网格数据;获取所述三维点云数据中的每一个点对应的空间编码,利用所有点的所述空间编码得到所述三维点云数据的全局点云特征;将所述三维点云数据的所述全局点云特征和所述三维网格数据输入识别模型,通过所述识别模型输出多个结构块,根据多个结构块分别生成多个所述子三维模型,其中,所述识别模型是以历史三维点云数据的全局点云特征、历史三维网格数据以及对应的结构块为样本训练神经网络得到的,其中,每个子三维模型包括至少一个物体或结构部件;
对每个所述子三维模型提取结构特征信息,其中,所述结构特征信息包括形状、每个子三维模型与其他子三维模型之间连接关系的拓扑关系;
根据各个所述子三维模型的所述结构特征信息之间的相似度,将各个所述子三维模型吸附在一起形成一个基础模型,并基于所述基础模型构建数字孪生模型,得到基础数字孪生模型;
在所述基础数字孪生模型的不同平面上建立三维坐标系,根据不同所述三维坐标系的坐标轴的方向,在所述基础数字孪生模型上生成三维物体模型,得到所述三维不规则模型的数字孪生模型,包括:提取所述基础数字孪生模型的骨架信息;将所述骨架信息由同一平面的经纬度坐标参考系转换至不同平面内的三维坐标系下,其中,不同平面内的三维坐标系的各个坐标轴构成万向轴;在所述基础数字孪生模型的不同平面上的预设位置处,根据不同平面上的所述三维坐标系的坐标轴的方向,使预设三维物体模型的旋转中心轴与所述基础数字孪生模型的所述万向轴的其中一个轴向重合,将预设三维物体模型拼接至所述基础数字孪生模型上,得到所述三维不规则模型的数字孪生模型。
2.如权利要求1所述的数字孪生模型的构建方法,其特征在于,根据多个结构块分别生成多个所述子三维模型,包括:
通过所述识别模型还输出每个所述结构块的标签信息,其中,所述标签信息包括颜色标注信息、切割信息和压缩信息;
根据每个所述结构块的所述标签信息,对每个所述结构块进行对应的操作处理,生成每个所述子三维模型。
3.如权利要求1所述的数字孪生模型的构建方法,其特征在于,根据各个所述子三维模型的所述结构特征信息之间的相似度,将各个所述子三维模型吸附在一起形成一个基础模型,包括:
执行以下循环步骤,直至所有所述子三维模型吸附在一起形成一个基础模型,结束循环步骤:
判断当前存在的子三维模型的数量是否大于1;
若是,则在当前存在的子三维模型中将任意一个子三维模型确定为基础子三维模型,将其他子三维模型确定为候选被吸附模型;
计算所述基础子三维模型的所述结构特征信息分别与每个所述候选被吸附模型的所述结构特征信息之间的距离,得到多个距离值;
将多个距离值中最小距离值对应的候选被吸附模型确定为被吸附模型;
通过预设对齐方式,将所述被吸附模型吸附至所述基础子三维模型上,形成新的子三维模型,所述被吸附模型的结构特征信息和所述基础子三维模型的结构特征信息合并后成为新的子三维模型的结构特征信息。
4.如权利要求3所述的数字孪生模型的构建方法,其特征在于,基于所述基础模型构建数字孪生模型,得到基础数字孪生模型,包括:
提取所述基础模型的特征信息,其中,所述特征信息包括物理形态信息和环境信息;
基于构建数字孪生模型的需求参数和所述基础模型的所述特征信息,构建数字孪生模型,得到所述基础数字孪生模型。
5.如权利要求1至4中任一项所述的数字孪生模型的构建方法,其特征在于,还包括:
采集所述三维不规则模型在现实场景中的物理空间数据,并计算所述物理空间数据与所述数字孪生模型中的虚拟空间数据之间的差值;
若所述差值超过预设阈值时,修正所述虚拟空间数据,直至修正后的虚拟空间数据与所述物理空间数据之间的差值小于所述预设阈值。
6.一种数字孪生模型的构建装置,其特征在于,包括:
预处理模块,用于对三维不规则模型的原始三维形体图像进行去噪处理,生成去噪后的三维形体图像;
形体图像分割模块,用于从所述去噪后的三维形体图像中分割出多个子三维模型,包括:获取所述去噪后的三维形体图像的三维点云数据和三维网格数据;获取所述三维点云数据中的每一个点对应的空间编码,利用所有点的所述空间编码得到所述三维点云数据的全局点云特征;将所述三维点云数据的所述全局点云特征和所述三维网格数据输入识别模型,通过所述识别模型输出多个结构块,根据多个结构块分别生成多个所述子三维模型,其中,所述识别模型是以历史三维点云数据的全局点云特征、历史三维网格数据以及对应的结构块为样本训练神经网络得到的,其中,每个子三维模型包括至少一个物体或结构部件;
特征信息提取模块,用于对每个所述子三维模型提取结构特征信息,其中,所述结构特征信息包括形状、每个子三维模型与其他子三维模型之间连接关系的拓扑关系;
模型吸附模块,用于根据各个所述子三维模型的所述结构特征信息之间的相似度,将各个所述子三维模型吸附在一起形成一个基础模型,并基于所述基础模型构建数字孪生模型,得到基础数字孪生模型;
数字孪生模型构建模块,用于在所述基础数字孪生模型的不同平面上建立三维坐标系,根据不同所述三维坐标系的坐标轴的方向,在所述基础数字孪生模型上生成三维物体模型,得到所述三维不规则模型的数字孪生模型,包括:提取所述基础数字孪生模型的骨架信息;将所述骨架信息由同一平面的经纬度坐标参考系转换至不同平面内的三维坐标系下,其中,不同平面内的三维坐标系的各个坐标轴构成万向轴;在所述基础数字孪生模型的不同平面上的预设位置处,根据不同平面上的所述三维坐标系的坐标轴的方向,使预设三维物体模型的旋转中心轴与所述基础数字孪生模型的所述万向轴的其中一个轴向重合,将预设三维物体模型拼接至所述基础数字孪生模型上,得到所述三维不规则模型的数字孪生模型。
7.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的数字孪生模型的构建方法。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有执行权利要求1至5中任一项所述的数字孪生模型的构建方法的计算机程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310820586.5A CN116543134B (zh) | 2023-07-06 | 2023-07-06 | 数字孪生模型的构建方法、装置、计算机设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310820586.5A CN116543134B (zh) | 2023-07-06 | 2023-07-06 | 数字孪生模型的构建方法、装置、计算机设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116543134A CN116543134A (zh) | 2023-08-04 |
CN116543134B true CN116543134B (zh) | 2023-09-15 |
Family
ID=87458241
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310820586.5A Active CN116543134B (zh) | 2023-07-06 | 2023-07-06 | 数字孪生模型的构建方法、装置、计算机设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116543134B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116882116B (zh) * | 2023-09-07 | 2024-02-02 | 北京世纪黄龙技术有限公司 | 数字孪生的供热空间划分方法、计算方法、装置及存储介质 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109087388A (zh) * | 2018-07-12 | 2018-12-25 | 南京邮电大学 | 基于深度传感器的物体三维建模方法 |
CN111091611A (zh) * | 2019-12-25 | 2020-05-01 | 青岛理工大学 | 一种面向车间数字孪生的增强现实系统及方法 |
CN112184885A (zh) * | 2020-09-25 | 2021-01-05 | 深圳数马电子技术有限公司 | 一种工件坐标系的建立方法以及装置 |
CN112419489A (zh) * | 2020-12-08 | 2021-02-26 | 浙江蓝天制衣有限公司 | 一种基于特征融合与rbf网络的三维-二维的样板生成方法 |
CN113434922A (zh) * | 2021-07-06 | 2021-09-24 | 西安交通大学 | 一种孪生零件的虚拟基准对准方法、装置及系统 |
WO2022007753A1 (zh) * | 2020-07-06 | 2022-01-13 | 北京卫星制造厂有限公司 | 一种面向移动机器人铣削加工的数字孪生建模方法 |
CN115482334A (zh) * | 2022-09-26 | 2022-12-16 | 北京商询科技有限公司 | 一种数字孪生体的构建方法及系统 |
CN116152444A (zh) * | 2023-04-04 | 2023-05-23 | 山东捷瑞信息技术产业研究院有限公司 | 基于数字孪生的三维场景模型自动吸附方法、装置及介质 |
CN116188714A (zh) * | 2023-04-27 | 2023-05-30 | 山东翰林科技有限公司 | 基于虚幻引擎的地理空间坐标处理方法 |
CN116229019A (zh) * | 2023-02-28 | 2023-06-06 | 山东浪潮科学研究院有限公司 | 面向数字孪生的大场景融合三维重建方法及系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11640694B2 (en) * | 2020-03-20 | 2023-05-02 | Streem, Llc | 3D model reconstruction and scale estimation |
-
2023
- 2023-07-06 CN CN202310820586.5A patent/CN116543134B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109087388A (zh) * | 2018-07-12 | 2018-12-25 | 南京邮电大学 | 基于深度传感器的物体三维建模方法 |
CN111091611A (zh) * | 2019-12-25 | 2020-05-01 | 青岛理工大学 | 一种面向车间数字孪生的增强现实系统及方法 |
WO2022007753A1 (zh) * | 2020-07-06 | 2022-01-13 | 北京卫星制造厂有限公司 | 一种面向移动机器人铣削加工的数字孪生建模方法 |
CN112184885A (zh) * | 2020-09-25 | 2021-01-05 | 深圳数马电子技术有限公司 | 一种工件坐标系的建立方法以及装置 |
CN112419489A (zh) * | 2020-12-08 | 2021-02-26 | 浙江蓝天制衣有限公司 | 一种基于特征融合与rbf网络的三维-二维的样板生成方法 |
CN113434922A (zh) * | 2021-07-06 | 2021-09-24 | 西安交通大学 | 一种孪生零件的虚拟基准对准方法、装置及系统 |
CN115482334A (zh) * | 2022-09-26 | 2022-12-16 | 北京商询科技有限公司 | 一种数字孪生体的构建方法及系统 |
CN116229019A (zh) * | 2023-02-28 | 2023-06-06 | 山东浪潮科学研究院有限公司 | 面向数字孪生的大场景融合三维重建方法及系统 |
CN116152444A (zh) * | 2023-04-04 | 2023-05-23 | 山东捷瑞信息技术产业研究院有限公司 | 基于数字孪生的三维场景模型自动吸附方法、装置及介质 |
CN116188714A (zh) * | 2023-04-27 | 2023-05-30 | 山东翰林科技有限公司 | 基于虚幻引擎的地理空间坐标处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116543134A (zh) | 2023-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhang et al. | Reference pose generation for long-term visual localization via learned features and view synthesis | |
CN115761172A (zh) | 一种基于点云语义分割与结构拟合的单体建筑三维重建方法 | |
CN111553858B (zh) | 基于生成对抗网络的图像修复方法、系统及其应用 | |
CN110189406B (zh) | 图像数据标注方法及其装置 | |
CN116543134B (zh) | 数字孪生模型的构建方法、装置、计算机设备和介质 | |
CN108124489B (zh) | 信息处理方法、装置、云处理设备以及计算机程序产品 | |
CN109934911B (zh) | 基于OpenGL的移动端高精度倾斜摄影三维建模方法 | |
CN112419512B (zh) | 一种基于语义信息的空中三维模型修复系统及方法 | |
CN112801047B (zh) | 缺陷检测方法、装置、电子设备及可读存储介质 | |
CN108447092B (zh) | 视觉定位标识物的方法及装置 | |
CN114187589A (zh) | 一种目标检测方法、装置、设备和存储介质 | |
Park et al. | Segmentation of Lidar data using multilevel cube code | |
CN113628170B (zh) | 一种基于深度学习的激光线提取方法及系统 | |
CN117132737B (zh) | 一种三维建筑模型构建方法、系统及设备 | |
CN116612223B (zh) | 数字孪生模拟空间的生成方法、装置、计算机设备和介质 | |
CN114155524A (zh) | 单阶段3d点云目标检测方法及装置、计算机设备、介质 | |
CN113808142A (zh) | 一种地面标识的识别方法、装置、电子设备 | |
WO2019148311A1 (zh) | 信息处理方法和系统、云处理设备及计算机程序产品 | |
CN110853103B (zh) | 一种用于深度学习姿态估计的数据集制作方法 | |
CN116468870A (zh) | 一种城市道路三维可视化建模方法及系统 | |
CN114548377A (zh) | 神经网络优化方法、装置、电子设备、存储介质及芯片 | |
CN111047677A (zh) | 一种多相机构建人体点云的方法及装置 | |
CN115773744A (zh) | 模型训练和路网处理方法、装置、设备、介质和产品 | |
CN114241044A (zh) | 回环检测方法、装置、电子设备和计算机可读介质 | |
CN117807875B (zh) | 石英器件的三维数据逆向重建和尺寸测量系统及方法 |
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 |