CN116664776A - 一种基于数字孪生的三维可视化编辑系统 - Google Patents
一种基于数字孪生的三维可视化编辑系统 Download PDFInfo
- Publication number
- CN116664776A CN116664776A CN202310657456.4A CN202310657456A CN116664776A CN 116664776 A CN116664776 A CN 116664776A CN 202310657456 A CN202310657456 A CN 202310657456A CN 116664776 A CN116664776 A CN 116664776A
- Authority
- CN
- China
- Prior art keywords
- data
- scene
- module
- target entity
- point set
- 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
- 230000000007 visual effect Effects 0.000 title claims description 19
- 238000009877 rendering Methods 0.000 claims abstract description 47
- 238000003860 storage Methods 0.000 claims abstract description 21
- 239000013598 vector Substances 0.000 claims description 42
- 238000000034 method Methods 0.000 claims description 34
- 238000012545 processing Methods 0.000 claims description 32
- 238000012360 testing method Methods 0.000 claims description 22
- 230000008859 change Effects 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000009466 transformation Effects 0.000 claims description 9
- 238000007621 cluster analysis Methods 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 3
- 238000004040 coloring Methods 0.000 claims description 3
- 238000012217 deletion Methods 0.000 claims description 3
- 230000037430 deletion Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000003384 imaging method Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 239000007787 solid Substances 0.000 claims description 3
- 238000012800 visualization Methods 0.000 abstract description 6
- 238000004364 calculation method Methods 0.000 abstract description 5
- 230000000694 effects Effects 0.000 description 11
- 230000008901 benefit Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000003491 array Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/005—General purpose rendering architectures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/13—Edge detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Computer Graphics (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Image Generation (AREA)
Abstract
本发明属于三维可视化技术领域，公开了一种基于数字孪生的三维可视化编辑系统，所述基于数字孪生的三维可视化编辑系统包括：实体数据采集模块、主控模块、建模模块、场景生成模块、渲染模块、编辑模块、存储模块、显示模块。本发明通过建模模块对三维扫描设备进行误差补偿，减小扫描设备的系统误差，进而提高建模精度；通过提取关键截面的关键数据点拟合出目标实体的外轮廓曲线进行建模，便于实现流程化建模，减少计算量，实现快速建模；同时，通过场景生成模块利用预先定义的节点，自由组合节点就可以灵活地配置场景，利用拖拽可以快速构建复杂的三维展示场景，能够极大的提高效率。
Description
技术领域
本发明属于三维可视化技术领域，尤其涉及一种基于数字孪生的三维可视化编辑系统。
背景技术
三维可视化是用于显示、描述和理解地下及地面诸多地质现象特征的一种工具，广泛应用于地质和地球物理学的所有领域。三维可视是描绘和理解模型的一种手段，是数据体的一种表征形式。它能够利用大量数据，检查资料的连续性，辨认资料真伪，发现和提出有用异常，为分析、理解及重复数据提供了有用工具，对多学科的交流协作起到桥梁作用；然而，现有基于数字孪生的三维可视化编辑系统建模方法一般使用点云数据直接拟合成NURBS面片，对数据的完整性和准确性要求较高，且需要人工进行大量操作，难以实现自动化、流程化建模；同时，三维数字孪生场景的构建方式主要使用代码开发，在有新场景需求时又需要重新开发，需要耗费较大的人力。
通过上述分析，现有技术存在的问题及缺陷为：
(1)现有基于数字孪生的三维可视化编辑系统建模方法一般使用点云数据直接拟合成NURBS面片，对数据的完整性和准确性要求较高，且需要人工进行大量操作，难以实现自动化、流程化建模。
(2)三维数字孪生场景的构建方式主要使用代码开发，在有新场景需求时又需要重新开发，需要耗费较大的人力。
发明内容
针对现有技术存在的问题，本发明提供了一种基于数字孪生的三维可视化编辑系统。
本发明是这样实现的，一种基于数字孪生的三维可视化编辑系统包括：
实体数据采集模块、主控模块、建模模块、场景生成模块、渲染模块、编辑模块、存储模块、显示模块；
实体数据采集模块，与主控模块连接，能够通过摄像设备采集实体影像数据；所述实体数据采集模块优选索尼HDR-CX450设备；
所述实体数据采集模块采集方法：
配置索尼HDR-CX450设备摄像参数，通过索尼HDR-CX450设备采集实体影像；
将实体影像像素序列中一点的值用该点的一个邻域中各像素点值的中值代替，让周围像素的值接近真实值，消除孤立的噪声点；
主控模块，与实体数据采集模块、建模模块、场景生成模块、渲染模块、编辑模块、存储模块、显示模块连接，所述主控芯片优选英特尔(Intel)i7-13700KF；
建模模块，与主控模块连接，能够构建数字孪生体三维模型；
所述建模模块建模方法：
对目标实体点云数据进行优化处理；提取目标实体点云数据中的特征断面特征点；对特征断面特征点进行拟合，得到目标实体外轮廓特征曲线；根据轮廓特征曲线创建曲面，得到目标实体的数字孪生模型；
场景生成模块，与主控模块连接，能够生成三维数字孪生场景；
渲染模块，与主控模块连接，能够对模型和场景进行着色渲染；
所述渲染模块渲染方法如下：
获取为场景创建的各个虚拟物体的虚拟物体模型；
将每一个虚拟物体模型在局部坐标系中的坐标向量转换为在相机坐标系中的坐标向量；
创建所述场景的视锥体，根据各个虚拟物体模型在相机坐标系中的坐标向量以及所述视锥体，获得将位于所述视锥体内的各个虚拟物体模型；
将位于所述视锥体内的各个虚拟物体模型，按照距离相机位置由远及近顺序依次进行着色渲染，以显示所述场景；
所述将每一个虚拟物体模型在局部坐标系中的坐标向量转换为相机坐标系中的坐标向量包括：将每一个虚拟物体模型在局部坐标系中的坐标向量与模型矩阵，经过模型变换，获得在所述世界坐标系中的坐标向量；将每一个虚拟物体模型在所述世界坐标系中的坐标向量与视图矩阵，经过视图变换，获得在相机坐标系中的坐标向量；
所述创建所述场景的视锥体，根据各个虚拟物体模型在相机坐标系中的坐标向量以及所述视锥体，获得将位于所述视锥体内的各个虚拟物体模型包括：创建所述场景的视锥体，并获得所述视锥体的投影矩阵；将每一个虚拟物体模型在相机坐标系中坐标向量与所述投影矩阵，进行投影变换，获得所述虚拟物体模型的裁剪坐标向量；根据所述裁剪坐标向量，获得位于所述视锥体内的虚拟物体模型；所述将位于所述视锥体内的各个虚拟物体模型，按照距离相机位置由远及近顺序依次进行着色渲染，以显示所述场景包括：根据所述裁剪坐标向量，获得位于所述视锥体内的各个虚拟物体模型距离相机位置的由远及近的顺序；将位于所述视锥体内的各个虚拟物体模型，按照距离相机位置由远及近顺序依次进行着色渲染，以显示所述场景；
编辑模块，与主控模块连接，能够对模型和场景进行文字标注编辑；
存储模块，与主控模块连接，能够对模型和场景进行存储；所述存储模块优选西部数据WDBU6Y0050BBK；通过电路线与主控模块连接；主控模块将获取的数据传输到存储模块中进行存储；
显示模块，与主控模块连接，能够显示模型和场景；所述显示模块优选海信24N3G。
进一步，所述建模模块建模方法如下：
(1)获取目标实体点云数据；
配置扫描设备参数，对扫描设备的设备误差进行标定并建立三维激光扫描设备的误差补偿模型；使用扫描设备对目标实体进行扫描，得到待建模零件的点云数据，并使用误差补偿模型对点云数据进行误差补偿，得到用于建模的目标实体点云数据；
(2)构建目标实体的数字孪生模型；
对目标实体点云数据进行优化处理；提取目标实体点云数据中的特征断面特征点；对特征断面特征点进行拟合，得到目标实体外轮廓特征曲线；根据轮廓特征曲线创建曲面，得到目标实体的数字孪生模型。
进一步，所述对扫描设备的设备误差进行标定并建立三维激光扫描设备的误差补偿模型包括以下步骤：
根据待求目标实体的尺寸制造尺寸相同且不发生变形的试验零件；使用三维激光扫描设备对试验零件进行扫描，得到试验零件点云；
计算试验零件点云与试验零件CAD模型数据的误差，获得三维激光扫描设备的误差修正数据；
通过使用三维激光扫描设备多次扫描试验零件得到多组试验零件点云，对通过得到的多组三维激光扫描设备的误差修正数据取平均值，得到三维激光扫描设备的误差补偿模型。
进一步，所述使用扫描设备对目标实体进行扫描，得到待建模零件的点云数据，并使用误差补偿模型对点云数据进行误差补偿，得到用于建模的目标实体点云数据包括以下步骤：
使用三维激光扫描设备扫描目标实体，取得目标实体的原始点云数据；
根据三维激光扫描设备的误差补偿模型对目标实体的原始点云数据进行补偿，取得用于建模的目标实体点云数据。
进一步，所述对目标实体点云数据进行优化处理包括以下步骤：
去除目标实体点云数据中噪声及孤立点；
根据目标实体点云数据的曲率变化优化点云数据：若某一区域内曲率变化值大于设定值λ，则保留该区域内的全部点云数据；若某一区域内曲率变化值小于等于λ，则保留该区域内设定比例部分的点云数据；
设置断面提取步长，按步长将优化后的点云数据剖分为数个断面数据集；
提取目标实体各直口部分的端面数据集；
分别对所有断面数据集的超差数据进行删除，并将数据点按顺时针排序；分别提取所有端面数据集的外轮廓数据，对各端面数据的超差数据进行删除，将数据点按顺时针排序；
将排序后的断面数据集和端面数据集构成的数据点集存入元胞数组list1；
对元胞数组list1中的数据点集进行分析，判断数据信息情况，得到冗余数据集和数据缺失数据集；
判断数据点集缺失的原因，对数据缺失数据集进行插补，得到不存在数据缺失的数据点集；
对不存在数据缺失的数据点集和冗余数据集进行KNN分类，分类后数据点个数最多的一类即为目标实体轮廓数据点集，保留使用；其他类数据点集为冗余的非目标实体数据点，做删除处理，得到不存在冗余的数据点集；
使用高斯滤波器对不存在数据缺失和数据冗余的数据点集进行数据平滑。
进一步，所述对元胞数组list1中的数据点集进行分析，判断数据信息情况，得到冗余数据集和数据缺失数据集包括以下步骤：
分别对元胞数组list1中的每个数据点集进行临近点数据距离判断：计算数据点集中相邻两点的距离distance，根据目标实体点云数据采集精度设置判定参数δ，若distance>δ，则该数据点集中存在数据缺失，对该数据点集执行判断数据点集缺失的原因步骤，根据相应原因对数据缺失数据集进行插补，得到不存在数据缺失的数据点集，否则，继续执行下步；
分别对元胞数组list1中的每个数据点集进行KNN聚类分析，对所有数据点分类完成后，若总类别个数为1，则该数据点集不存在冗余，若总类别个数大于1，则该数据点集为冗余数据集，对数组点集执行对不存在数据缺失的数据点集和冗余数据集进行KNN分类，分类后数据点个数最多的一类即为目标实体轮廓数据点集，保留使用；其他类数据点集为冗余的非目标实体数据点，做删除处理，得到不存在冗余的数据点集；
对元胞数组list1中的每个数据点集，分别进行临近点数据距离判断和KNN聚类分析后，不存在数据缺失和数据冗余的数据点集为符合标准的数据点集，执行使用高斯滤波器对不存在数据缺失和数据冗余的数据点集进行数据平滑。
进一步，所述判断数据点集缺失的原因，对数据缺失数据集进行插补，得到不存在数据缺失的数据点集包括以下步骤：
所需建模的目标实体第一层直口中含有数个孔特征，若数据点集中的缺失部分为沿轮廓均匀分布，则判断该数据点集缺失原因为孔特征数据缺失，执行下步；若数据点集中缺失部分为不均匀分布，则判断该数据点集缺失为扫描设备引起的缺失，执行下下步；
根据数据点集上孔特征周围的数据点曲率对孔特征缺失数据进行插补；
根据数据点集周围的其他数据点集相应位置的曲率对扫描设备造成的缺失数据进行插补。
进一步，所述提取目标实体点云数据中的特征断面特征点具体如下：
沿目标实体轴向对比所有断面数据集中数据点的位置变化，提取其中轴向曲率位置改变的数据集，与端面数据点集一同存为元胞数组list2；
分别分析元胞数组list2中每个数据点集中各点位置沿目标实体周向的位置变化，提取其中沿目标实体周向曲率发生改变的数据点，作为特征断面特征点，分别存入元胞数组Num中的各数据点集中。
进一步，所述场景生成模块生成方法如下：
1)场景数据处理；
在编辑器中添加场景数据获取节点、场景数据处理节点以及三维模型映射节点；利用所述场景数据获取节点获取实时点位场景数据；利用所述场景数据处理节点处理所述实时点位场景数据；
2)对三维模型进行渲染；
利用所述三维模型映射节点根据所述场景数据处理节点的处理结果生成三维渲染模板；利用场景渲染器根据所述三维渲染模板创建三维数字孪生场景。
进一步，所述利用所述场景数据获取节点获取实时点位场景数据包括：
利用所述场景数据获取节点，通过websocket协议获取实时点位场景数据；
在所述编辑器中添加模拟场景数据生成节点；
利用所述模拟场景数据生成节点生成模拟场景数据；
在所述编辑器中添加事件管理节点；
利用所述事件管理节点处理事件操作，并将处理结果转化为事件场景数据流；
在所述编辑器中添加逻辑运算节点与算术运算节点；
利用所述逻辑运算节点对场景数据流进行逻辑运算；
利用所述算术运算节点对场景数据流进行算术运算；
在所述编辑器中添加基础场景数据类型节点；
利用所述基础场景数据类型节点创建配置场景数据。
结合上述的技术方案和解决的技术问题，请从以下几方面分析本发明所要保护的技术方案所具备的优点及积极效果为：
第一、针对上述现有技术存在的技术问题以及解决该问题的难度，紧密结合本发明的所要保护的技术方案以及研发过程中结果和数据等，详细、深刻地分析本发明技术方案如何解决的技术问题，解决问题之后带来的一些具备创造性的技术效果。具体描述如下：
本发明通过建模模块对三维扫描设备进行误差补偿，减小扫描设备的系统误差，进而提高建模精度；通过提取关键截面的关键数据点拟合出目标实体的外轮廓曲线进行建模，便于实现流程化建模，减少计算量，实现快速建模；同时，通过场景生成模块利用预先定义的节点，自由组合节点就可以灵活地配置场景，利用拖拽可以快速构建复杂的三维展示场景，能够极大的提高效率。此外，本申请所提供的技术方案中当节点在配置完成后，场景数据就会在节点间流动，并不断传递新场景数据。新的场景数据生成新的三维渲染模板，场景渲染器解析新的三维渲染模板，就能够实时的渲染三维数字孪生场景，达到实时预览场景效果；本发明通过渲染模块大大提高对模型和场景渲染效果。
第二，把技术方案看做一个整体或者从产品的角度，本发明所要保护的技术方案具备的技术效果和优点，具体描述如下：
本发明通过建模模块对三维扫描设备进行误差补偿，减小扫描设备的系统误差，进而提高建模精度；通过提取关键截面的关键数据点拟合出目标实体的外轮廓曲线进行建模，便于实现流程化建模，减少计算量，实现快速建模；同时，通过场景生成模块利用预先定义的节点，自由组合节点就可以灵活地配置场景，利用拖拽可以快速构建复杂的三维展示场景，能够极大的提高效率。此外，本申请所提供的技术方案中当节点在配置完成后，场景数据就会在节点间流动，并不断传递新场景数据。新的场景数据生成新的三维渲染模板，场景渲染器解析新的三维渲染模板，就能够实时的渲染三维数字孪生场景，达到实时预览场景效果；本发明通过渲染模块大大提高对模型和场景渲染效果。
附图说明
图1是本发明实施例提供的基于数字孪生的三维可视化编辑系统结构框图。
图2是本发明实施例提供的建模模块建模方法流程图。
图3是本发明实施例提供的场景生成模块生成方法流程图。
图1中：1、实体数据采集模块；2、主控模块；3、建模模块；4、场景生成模块；5、渲染模块；6、编辑模块；7、存储模块；8、显示模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
一、解释说明实施例。为了使本领域技术人员充分了解本发明如何具体实现，该部分是对权利要求技术方案进行展开说明的解释说明实施例。
如图1所示，本发明实施例提供的基于数字孪生的三维可视化编辑系统包括：实体数据采集模块1、主控模块2、建模模块3、场景生成模块4、渲染模块5、编辑模块6、存储模块7、显示模块8。
实体数据采集模块1，与主控模块2连接，能够通过摄像设备采集实体影像数据；所述实体数据采集模块优选索尼HDR-CX450设备；
所述实体数据采集模块采集方法：
配置索尼HDR-CX450设备摄像参数，通过索尼HDR-CX450设备采集实体影像；
将实体影像像素序列中一点的值用该点的一个邻域中各像素点值的中值代替，让周围像素的值接近真实值，消除孤立的噪声点；
主控模块2，与实体数据采集模块1、建模模块3、场景生成模块4、渲染模块5、编辑模块6、存储模块7、显示模块8连接，所述主控芯片优选英特尔(Intel)i7-13700KF；
建模模块3，与主控模块2连接，能够构建数字孪生体三维模型；
所述建模模块建模方法：
对目标实体点云数据进行优化处理；提取目标实体点云数据中的特征断面特征点；对特征断面特征点进行拟合，得到目标实体外轮廓特征曲线；根据轮廓特征曲线创建曲面，得到目标实体的数字孪生模型；
场景生成模块4，与主控模块2连接，能够生成三维数字孪生场景；
渲染模块5，与主控模块2连接，能够对模型和场景进行着色渲染；
所述渲染模块5渲染方法如下：
获取为场景创建的各个虚拟物体的虚拟物体模型；
将每一个虚拟物体模型在局部坐标系中的坐标向量转换为在相机坐标系中的坐标向量；
创建所述场景的视锥体，根据各个虚拟物体模型在相机坐标系中的坐标向量以及所述视锥体，获得将位于所述视锥体内的各个虚拟物体模型；
将位于所述视锥体内的各个虚拟物体模型，按照距离相机位置由远及近顺序依次进行着色渲染，以显示所述场景；
所述将每一个虚拟物体模型在局部坐标系中的坐标向量转换为相机坐标系中的坐标向量包括：将每一个虚拟物体模型在局部坐标系中的坐标向量与模型矩阵，经过模型变换，获得在所述世界坐标系中的坐标向量；将每一个虚拟物体模型在所述世界坐标系中的坐标向量与视图矩阵，经过视图变换，获得在相机坐标系中的坐标向量；
所述创建所述场景的视锥体，根据各个虚拟物体模型在相机坐标系中的坐标向量以及所述视锥体，获得将位于所述视锥体内的各个虚拟物体模型包括：创建所述场景的视锥体，并获得所述视锥体的投影矩阵；将每一个虚拟物体模型在相机坐标系中坐标向量与所述投影矩阵，进行投影变换，获得所述虚拟物体模型的裁剪坐标向量；根据所述裁剪坐标向量，获得位于所述视锥体内的虚拟物体模型；所述将位于所述视锥体内的各个虚拟物体模型，按照距离相机位置由远及近顺序依次进行着色渲染，以显示所述场景包括：根据所述裁剪坐标向量，获得位于所述视锥体内的各个虚拟物体模型距离相机位置的由远及近的顺序；将位于所述视锥体内的各个虚拟物体模型，按照距离相机位置由远及近顺序依次进行着色渲染，以显示所述场景；
编辑模块6，与主控模块2连接，能够对模型和场景进行文字标注编辑；
存储模块7，与主控模块2连接，能够对模型和场景进行存储；所述存储模块优选西部数据WDBU6Y0050BBK；通过电路线与主控模块连接；主控模块将获取的数据传输到存储模块中进行存储；
显示模块8，与主控模块2连接，能够显示模型和场景；所述显示模块优选海信24N3G。
本发明通过建模模块对三维扫描设备进行误差补偿，减小扫描设备的系统误差，进而提高建模精度；通过提取关键截面的关键数据点拟合出目标实体的外轮廓曲线进行建模，便于实现流程化建模，减少计算量，实现快速建模；同时，通过场景生成模块利用预先定义的节点，自由组合节点就可以灵活地配置场景，利用拖拽可以快速构建复杂的三维展示场景，能够极大的提高效率。此外，本申请所提供的技术方案中当节点在配置完成后，场景数据就会在节点间流动，并不断传递新场景数据。新的场景数据生成新的三维渲染模板，场景渲染器解析新的三维渲染模板，就能够实时的渲染三维数字孪生场景，达到实时预览场景效果。
如图2所示，本发明提供的建模模块3建模方法如下：
S101，获取目标实体点云数据；
配置扫描设备参数，对扫描设备的设备误差进行标定并建立三维激光扫描设备的误差补偿模型；使用扫描设备对目标实体进行扫描，得到待建模零件的点云数据，并使用误差补偿模型对点云数据进行误差补偿，得到用于建模的目标实体点云数据；
S102，构建目标实体的数字孪生模型；
对目标实体点云数据进行优化处理；提取目标实体点云数据中的特征断面特征点；对特征断面特征点进行拟合，得到目标实体外轮廓特征曲线；根据轮廓特征曲线创建曲面，得到目标实体的数字孪生模型。
本发明通过建模模块对三维扫描设备进行误差补偿，减小扫描设备的系统误差，进而提高建模精度；通过提取关键截面的关键数据点拟合出目标实体的外轮廓曲线进行建模，便于实现流程化建模，减少计算量，实现快速建模。
本发明提供的对扫描设备的设备误差进行标定并建立三维激光扫描设备的误差补偿模型包括以下步骤：
根据待求目标实体的尺寸制造尺寸相同且不发生变形的试验零件；使用三维激光扫描设备对试验零件进行扫描，得到试验零件点云；
计算试验零件点云与试验零件CAD模型数据的误差，获得三维激光扫描设备的误差修正数据；
通过使用三维激光扫描设备多次扫描试验零件得到多组试验零件点云，对通过得到的多组三维激光扫描设备的误差修正数据取平均值，得到三维激光扫描设备的误差补偿模型。
本发明提供的使用扫描设备对目标实体进行扫描，得到待建模零件的点云数据，并使用误差补偿模型对点云数据进行误差补偿，得到用于建模的目标实体点云数据包括以下步骤：
使用三维激光扫描设备扫描目标实体，取得目标实体的原始点云数据；
根据三维激光扫描设备的误差补偿模型对目标实体的原始点云数据进行补偿，取得用于建模的目标实体点云数据。
本发明提供的对目标实体点云数据进行优化处理包括以下步骤：
去除目标实体点云数据中噪声及孤立点；
根据目标实体点云数据的曲率变化优化点云数据：若某一区域内曲率变化值大于设定值λ，则保留该区域内的全部点云数据；若某一区域内曲率变化值小于等于λ，则保留该区域内设定比例部分的点云数据；
设置断面提取步长，按步长将优化后的点云数据剖分为数个断面数据集；
提取目标实体各直口部分的端面数据集；
分别对所有断面数据集的超差数据进行删除，并将数据点按顺时针排序；分别提取所有端面数据集的外轮廓数据，对各端面数据的超差数据进行删除，将数据点按顺时针排序；
将排序后的断面数据集和端面数据集构成的数据点集存入元胞数组list1；
对元胞数组list1中的数据点集进行分析，判断数据信息情况，得到冗余数据集和数据缺失数据集；
判断数据点集缺失的原因，对数据缺失数据集进行插补，得到不存在数据缺失的数据点集；
对不存在数据缺失的数据点集和冗余数据集进行KNN分类，分类后数据点个数最多的一类即为目标实体轮廓数据点集，保留使用；其他类数据点集为冗余的非目标实体数据点，做删除处理，得到不存在冗余的数据点集；
使用高斯滤波器对不存在数据缺失和数据冗余的数据点集进行数据平滑。
本发明提供的对元胞数组list1中的数据点集进行分析，判断数据信息情况，得到冗余数据集和数据缺失数据集包括以下步骤：
分别对元胞数组list1中的每个数据点集进行临近点数据距离判断：计算数据点集中相邻两点的距离distance，根据目标实体点云数据采集精度设置判定参数δ，若distance>δ，则该数据点集中存在数据缺失，对该数据点集执行判断数据点集缺失的原因步骤，根据相应原因对数据缺失数据集进行插补，得到不存在数据缺失的数据点集，否则，继续执行下步；
分别对元胞数组list1中的每个数据点集进行KNN聚类分析，对所有数据点分类完成后，若总类别个数为1，则该数据点集不存在冗余，若总类别个数大于1，则该数据点集为冗余数据集，对数组点集执行对不存在数据缺失的数据点集和冗余数据集进行KNN分类，分类后数据点个数最多的一类即为目标实体轮廓数据点集，保留使用；其他类数据点集为冗余的非目标实体数据点，做删除处理，得到不存在冗余的数据点集；
对元胞数组list1中的每个数据点集，分别进行临近点数据距离判断和KNN聚类分析后，不存在数据缺失和数据冗余的数据点集为符合标准的数据点集，执行使用高斯滤波器对不存在数据缺失和数据冗余的数据点集进行数据平滑。
本发明提供的判断数据点集缺失的原因，对数据缺失数据集进行插补，得到不存在数据缺失的数据点集包括以下步骤：
所需建模的目标实体第一层直口中含有数个孔特征，若数据点集中的缺失部分为沿轮廓均匀分布，则判断该数据点集缺失原因为孔特征数据缺失，执行下步；若数据点集中缺失部分为不均匀分布，则判断该数据点集缺失为扫描设备引起的缺失，执行下下步；
根据数据点集上孔特征周围的数据点曲率对孔特征缺失数据进行插补；
根据数据点集周围的其他数据点集相应位置的曲率对扫描设备造成的缺失数据进行插补。
本发明提供的提取目标实体点云数据中的特征断面特征点具体如下：
沿目标实体轴向对比所有断面数据集中数据点的位置变化，提取其中轴向曲率位置改变的数据集，与端面数据点集一同存为元胞数组list2；
分别分析元胞数组list2中每个数据点集中各点位置沿目标实体周向的位置变化，提取其中沿目标实体周向曲率发生改变的数据点，作为特征断面特征点，分别存入元胞数组Num中的各数据点集中。
如图3所示，本发明提供的场景生成模块4生成方法如下：
S201，场景数据处理；
在编辑器中添加场景数据获取节点、场景数据处理节点以及三维模型映射节点；利用所述场景数据获取节点获取实时点位场景数据；利用所述场景数据处理节点处理所述实时点位场景数据；
S202，对三维模型进行渲染；
利用所述三维模型映射节点根据所述场景数据处理节点的处理结果生成三维渲染模板；利用场景渲染器根据所述三维渲染模板创建三维数字孪生场景。
本发明通过场景生成模块利用预先定义的节点，自由组合节点就可以灵活地配置场景，利用拖拽可以快速构建复杂的三维展示场景，能够极大的提高效率。此外，本申请所提供的技术方案中当节点在配置完成后，场景数据就会在节点间流动，并不断传递新场景数据。新的场景数据生成新的三维渲染模板，场景渲染器解析新的三维渲染模板，就能够实时的渲染三维数字孪生场景，达到实时预览场景效果。
本发明提供的利用所述场景数据获取节点获取实时点位场景数据包括：
利用所述场景数据获取节点，通过websocket协议获取实时点位场景数据；
在所述编辑器中添加模拟场景数据生成节点；
利用所述模拟场景数据生成节点生成模拟场景数据；
在所述编辑器中添加事件管理节点；
利用所述事件管理节点处理事件操作，并将处理结果转化为事件场景数据流；
在所述编辑器中添加逻辑运算节点与算术运算节点；
利用所述逻辑运算节点对场景数据流进行逻辑运算；
利用所述算术运算节点对场景数据流进行算术运算；
在所述编辑器中添加基础场景数据类型节点；
利用所述基础场景数据类型节点创建配置场景数据。
二、应用实施例。为了证明本发明的技术方案的创造性和技术价值，该部分是对权利要求技术方案进行具体产品上或相关技术上的应用实施例。
本发明工作时，首先，通过实体数据采集模块1利用摄像设备采集实体影像数据；其次，主控模块2通过建模模块3构建数字孪生体三维模型；通过场景生成模块4生成三维数字孪生场景；通过渲染模块5对模型和场景进行着色渲染；通过编辑模块6对模型和场景进行文字标注编辑；然后，通过存储模块7对模型和场景进行存储；最后，通过显示模块8显示模型和场景。
应当注意，本发明的实施方式可以通过硬件、软件或者软件和硬件的结合来实现。硬件部分可以利用专用逻辑来实现；软件部分可以存储在存储器中，由适当的指令执行系统，例如微处理器或者专用设计硬件来执行。本领域的普通技术人员可以理解上述的设备和方法可以使用计算机可执行指令和/或包含在处理器控制代码中来实现，例如在诸如磁盘、CD或DVD-ROM的载体介质、诸如只读存储器(固件)的可编程的存储器或者诸如光学或电子信号载体的数据载体上提供了这样的代码。本发明的设备及其模块可以由诸如超大规模集成电路或门阵列、诸如逻辑芯片、晶体管等的半导体、或者诸如现场可编程门阵列、可编程逻辑设备等的可编程硬件设备的硬件电路实现，也可以用由各种类型的处理器执行的软件实现，也可以由上述硬件电路和软件的结合例如固件来实现。
三、实施例相关效果的证据。本发明实施例在研发或者使用过程中取得了一些积极效果，和现有技术相比的确具备很大的优势，下面内容结合试验过程的数据、图表等进行描述。
本发明通过建模模块对三维扫描设备进行误差补偿，减小扫描设备的系统误差，进而提高建模精度；通过提取关键截面的关键数据点拟合出目标实体的外轮廓曲线进行建模，便于实现流程化建模，减少计算量，实现快速建模；同时，通过场景生成模块利用预先定义的节点，自由组合节点就可以灵活地配置场景，利用拖拽可以快速构建复杂的三维展示场景，能够极大的提高效率。此外，本申请所提供的技术方案中当节点在配置完成后，场景数据就会在节点间流动，并不断传递新场景数据。新的场景数据生成新的三维渲染模板，场景渲染器解析新的三维渲染模板，就能够实时的渲染三维数字孪生场景，达到实时预览场景效果。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。
Claims (10)
1.一种基于数字孪生的三维可视化编辑系统，其特征在于，所述基于数字孪生的三维可视化编辑系统包括：
实体数据采集模块、主控模块、建模模块、场景生成模块、渲染模块、编辑模块、存储模块、显示模块；
实体数据采集模块，与主控模块连接，能够通过摄像设备采集实体影像数据；所述实体数据采集模块优选索尼HDR-CX450设备；
所述实体数据采集模块采集方法：
配置索尼HDR-CX450设备摄像参数，通过索尼HDR-CX450设备采集实体影像；
将实体影像像素序列中一点的值用该点的一个邻域中各像素点值的中值代替，让周围像素的值接近真实值，消除孤立的噪声点；
主控模块，与实体数据采集模块、建模模块、场景生成模块、渲染模块、编辑模块、存储模块、显示模块连接，所述主控芯片优选英特尔(Intel)i7-13700KF；
建模模块，与主控模块连接，能够构建数字孪生体三维模型；
所述建模模块建模方法：
对目标实体点云数据进行优化处理；提取目标实体点云数据中的特征断面特征点；对特征断面特征点进行拟合，得到目标实体外轮廓特征曲线；根据轮廓特征曲线创建曲面，得到目标实体的数字孪生模型；
场景生成模块，与主控模块连接，能够生成三维数字孪生场景；
渲染模块，与主控模块连接，能够对模型和场景进行着色渲染；
所述渲染模块渲染方法如下：
获取为场景创建的各个虚拟物体的虚拟物体模型；
将每一个虚拟物体模型在局部坐标系中的坐标向量转换为在相机坐标系中的坐标向量；
创建所述场景的视锥体，根据各个虚拟物体模型在相机坐标系中的坐标向量以及所述视锥体，获得将位于所述视锥体内的各个虚拟物体模型；
将位于所述视锥体内的各个虚拟物体模型，按照距离相机位置由远及近顺序依次进行着色渲染，以显示所述场景；
所述将每一个虚拟物体模型在局部坐标系中的坐标向量转换为相机坐标系中的坐标向量包括：将每一个虚拟物体模型在局部坐标系中的坐标向量与模型矩阵，经过模型变换，获得在所述世界坐标系中的坐标向量；将每一个虚拟物体模型在所述世界坐标系中的坐标向量与视图矩阵，经过视图变换，获得在相机坐标系中的坐标向量；
所述创建所述场景的视锥体，根据各个虚拟物体模型在相机坐标系中的坐标向量以及所述视锥体，获得将位于所述视锥体内的各个虚拟物体模型包括：创建所述场景的视锥体，并获得所述视锥体的投影矩阵；将每一个虚拟物体模型在相机坐标系中坐标向量与所述投影矩阵，进行投影变换，获得所述虚拟物体模型的裁剪坐标向量；根据所述裁剪坐标向量，获得位于所述视锥体内的虚拟物体模型；所述将位于所述视锥体内的各个虚拟物体模型，按照距离相机位置由远及近顺序依次进行着色渲染，以显示所述场景包括：根据所述裁剪坐标向量，获得位于所述视锥体内的各个虚拟物体模型距离相机位置的由远及近的顺序；将位于所述视锥体内的各个虚拟物体模型，按照距离相机位置由远及近顺序依次进行着色渲染，以显示所述场景；
编辑模块，与主控模块连接，能够对模型和场景进行文字标注编辑；
存储模块，与主控模块连接，能够对模型和场景进行存储；所述存储模块优选西部数据WDBU6Y0050BBK；通过电路线与主控模块连接；主控模块将获取的数据传输到存储模块中进行存储；
显示模块，与主控模块连接，能够显示模型和场景；所述显示模块优选海信24N3G。
2.如权利要求1所述基于数字孪生的三维可视化编辑系统，其特征在于，所述建模模块建模方法如下：
(1)获取目标实体点云数据；
配置扫描设备参数，对扫描设备的设备误差进行标定并建立三维激光扫描设备的误差补偿模型；使用扫描设备对目标实体进行扫描，得到待建模零件的点云数据，并使用误差补偿模型对点云数据进行误差补偿，得到用于建模的目标实体点云数据；
(2)构建目标实体的数字孪生模型；
对目标实体点云数据进行优化处理；提取目标实体点云数据中的特征断面特征点；对特征断面特征点进行拟合，得到目标实体外轮廓特征曲线；根据轮廓特征曲线创建曲面，得到目标实体的数字孪生模型。
3.如权利要求2所述基于数字孪生的三维可视化编辑系统，其特征在于，所述对扫描设备的设备误差进行标定并建立三维激光扫描设备的误差补偿模型包括以下步骤：
根据待求目标实体的尺寸制造尺寸相同且不发生变形的试验零件；使用三维激光扫描设备对试验零件进行扫描，得到试验零件点云；
计算试验零件点云与试验零件CAD模型数据的误差，获得三维激光扫描设备的误差修正数据；
通过使用三维激光扫描设备多次扫描试验零件得到多组试验零件点云，对通过得到的多组三维激光扫描设备的误差修正数据取平均值，得到三维激光扫描设备的误差补偿模型。
4.如权利要求2所述基于数字孪生的三维可视化编辑系统，其特征在于，所述使用扫描设备对目标实体进行扫描，得到待建模零件的点云数据，并使用误差补偿模型对点云数据进行误差补偿，得到用于建模的目标实体点云数据包括以下步骤：
使用三维激光扫描设备扫描目标实体，取得目标实体的原始点云数据；
根据三维激光扫描设备的误差补偿模型对目标实体的原始点云数据进行补偿，取得用于建模的目标实体点云数据。
5.如权利要求2所述基于数字孪生的三维可视化编辑系统，其特征在于，所述对目标实体点云数据进行优化处理包括以下步骤：
去除目标实体点云数据中噪声及孤立点；
根据目标实体点云数据的曲率变化优化点云数据：若某一区域内曲率变化值大于设定值λ，则保留该区域内的全部点云数据；若某一区域内曲率变化值小于等于λ，则保留该区域内设定比例部分的点云数据；
设置断面提取步长，按步长将优化后的点云数据剖分为数个断面数据集；
提取目标实体各直口部分的端面数据集；
分别对所有断面数据集的超差数据进行删除，并将数据点按顺时针排序；分别提取所有端面数据集的外轮廓数据，对各端面数据的超差数据进行删除，将数据点按顺时针排序；
将排序后的断面数据集和端面数据集构成的数据点集存入元胞数组list1；
对元胞数组list1中的数据点集进行分析，判断数据信息情况，得到冗余数据集和数据缺失数据集；
判断数据点集缺失的原因，对数据缺失数据集进行插补，得到不存在数据缺失的数据点集；
对不存在数据缺失的数据点集和冗余数据集进行KNN分类，分类后数据点个数最多的一类即为目标实体轮廓数据点集，保留使用；其他类数据点集为冗余的非目标实体数据点，做删除处理，得到不存在冗余的数据点集；
使用高斯滤波器对不存在数据缺失和数据冗余的数据点集进行数据平滑。
6.如权利要求5所述基于数字孪生的三维可视化编辑系统，其特征在于，所述对元胞数组list1中的数据点集进行分析，判断数据信息情况，得到冗余数据集和数据缺失数据集包括以下步骤：
分别对元胞数组list1中的每个数据点集进行临近点数据距离判断：计算数据点集中相邻两点的距离distance，根据目标实体点云数据采集精度设置判定参数δ，若distance>δ，则该数据点集中存在数据缺失，对该数据点集执行判断数据点集缺失的原因步骤，根据相应原因对数据缺失数据集进行插补，得到不存在数据缺失的数据点集，否则，继续执行下步；
分别对元胞数组list1中的每个数据点集进行KNN聚类分析，对所有数据点分类完成后，若总类别个数为1，则该数据点集不存在冗余，若总类别个数大于1，则该数据点集为冗余数据集，对数组点集执行对不存在数据缺失的数据点集和冗余数据集进行KNN分类，分类后数据点个数最多的一类即为目标实体轮廓数据点集，保留使用；其他类数据点集为冗余的非目标实体数据点，做删除处理，得到不存在冗余的数据点集；
对元胞数组list1中的每个数据点集，分别进行临近点数据距离判断和KNN聚类分析后，不存在数据缺失和数据冗余的数据点集为符合标准的数据点集，执行使用高斯滤波器对不存在数据缺失和数据冗余的数据点集进行数据平滑。
7.如权利要求5所述基于数字孪生的三维可视化编辑系统，其特征在于，所述判断数据点集缺失的原因，对数据缺失数据集进行插补，得到不存在数据缺失的数据点集包括以下步骤：
所需建模的目标实体第一层直口中含有数个孔特征，若数据点集中的缺失部分为沿轮廓均匀分布，则判断该数据点集缺失原因为孔特征数据缺失，执行下步；若数据点集中缺失部分为不均匀分布，则判断该数据点集缺失为扫描设备引起的缺失，执行下下步；
根据数据点集上孔特征周围的数据点曲率对孔特征缺失数据进行插补；
根据数据点集周围的其他数据点集相应位置的曲率对扫描设备造成的缺失数据进行插补。
8.如权利要求5所述基于数字孪生的三维可视化编辑系统，其特征在于，所述提取目标实体点云数据中的特征断面特征点具体如下：
沿目标实体轴向对比所有断面数据集中数据点的位置变化，提取其中轴向曲率位置改变的数据集，与端面数据点集一同存为元胞数组list2；
分别分析元胞数组list2中每个数据点集中各点位置沿目标实体周向的位置变化，提取其中沿目标实体周向曲率发生改变的数据点，作为特征断面特征点，分别存入元胞数组Num中的各数据点集中。
9.如权利要求1所述基于数字孪生的三维可视化编辑系统，其特征在于，所述场景生成模块生成方法如下：
1)场景数据处理；
在编辑器中添加场景数据获取节点、场景数据处理节点以及三维模型映射节点；利用所述场景数据获取节点获取实时点位场景数据；利用所述场景数据处理节点处理所述实时点位场景数据；
2)对三维模型进行渲染；
利用所述三维模型映射节点根据所述场景数据处理节点的处理结果生成三维渲染模板；利用场景渲染器根据所述三维渲染模板创建三维数字孪生场景。
10.如权利要求1所述基于数字孪生的三维可视化编辑系统，其特征在于，所述利用所述场景数据获取节点获取实时点位场景数据包括：
利用所述场景数据获取节点，通过websocket协议获取实时点位场景数据；
在所述编辑器中添加模拟场景数据生成节点；
利用所述模拟场景数据生成节点生成模拟场景数据；
在所述编辑器中添加事件管理节点；
利用所述事件管理节点处理事件操作，并将处理结果转化为事件场景数据流；
在所述编辑器中添加逻辑运算节点与算术运算节点；
利用所述逻辑运算节点对场景数据流进行逻辑运算；
利用所述算术运算节点对场景数据流进行算术运算；
在所述编辑器中添加基础场景数据类型节点；
利用所述基础场景数据类型节点创建配置场景数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310657456.4A CN116664776A (zh) | 2023-06-05 | 2023-06-05 | 一种基于数字孪生的三维可视化编辑系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310657456.4A CN116664776A (zh) | 2023-06-05 | 2023-06-05 | 一种基于数字孪生的三维可视化编辑系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116664776A true CN116664776A (zh) | 2023-08-29 |
Family
ID=87727542
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310657456.4A Pending CN116664776A (zh) | 2023-06-05 | 2023-06-05 | 一种基于数字孪生的三维可视化编辑系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116664776A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117292079A (zh) * | 2023-11-27 | 2023-12-26 | 浙江城市数字技术有限公司 | 应用于数字孪生的多维度场景坐标点位转换及映射方法 |
| CN117522350A (zh) * | 2024-01-04 | 2024-02-06 | 深圳市毅霖建设集团有限公司 | 一种绿色建筑设计装饰工程智能管理方法及系统 |
-
2023
- 2023-06-05 CN CN202310657456.4A patent/CN116664776A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117292079A (zh) * | 2023-11-27 | 2023-12-26 | 浙江城市数字技术有限公司 | 应用于数字孪生的多维度场景坐标点位转换及映射方法 |
| CN117292079B (zh) * | 2023-11-27 | 2024-03-05 | 浙江城市数字技术有限公司 | 应用于数字孪生的多维度场景坐标点位转换及映射方法 |
| CN117522350A (zh) * | 2024-01-04 | 2024-02-06 | 深圳市毅霖建设集团有限公司 | 一种绿色建筑设计装饰工程智能管理方法及系统 |
| CN117522350B (zh) * | 2024-01-04 | 2024-04-26 | 深圳市毅霖建设集团有限公司 | 一种绿色建筑设计装饰工程智能管理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116664776A (zh) | 一种基于数字孪生的三维可视化编辑系统 | |
| US7133551B2 (en) | Semi-automatic reconstruction method of 3-D building models using building outline segments | |
| EP1267309B1 (en) | 3D Computer Modelling Apparatus | |
| CN111300416B (zh) | 基于增强现实的模块化可重构机器人规划仿真方法和系统 | |
| CN108875177B (zh) | 基于bim模型创建单波束测点下内河航道疏浚图形的方法 | |
| CN112633657B (zh) | 一种施工质量管理方法、装置、设备及存储介质 | |
| CN113688545B (zh) | 一种有限元后处理结果可视化方法、系统、数据处理终端 | |
| CN111340867A (zh) | 图像帧的深度估计方法、装置、电子设备及存储介质 | |
| CN111243094B (zh) | 一种基于点灯法的三维模型精确体素化方法 | |
| CN105760570A (zh) | 选择对象集的视点 | |
| US11087511B1 (en) | Automated vectorization of a raster image using a gradient mesh with arbitrary topology | |
| CN115797568A (zh) | 一种基于三维gis与bim集成的建模方法及装置 | |
| CN114821003A (zh) | 一种变电站三维场地布置方法 | |
| US20210272345A1 (en) | Method for Efficiently Computing and Specifying Level Sets for Use in Computer Simulations, Computer Graphics and Other Purposes | |
| CN111985014B (zh) | 一种基于标准图集的建模方法及系统 | |
| CN106780749B (zh) | 基于约束Delaunay TIN插值算法的表面模型构建方法 | |
| CN116049945A (zh) | 隧道施工工程量测算方法、装置、设备以及存储介质 | |
| CN114820968A (zh) | 三维可视化方法和装置、机器人、电子设备和存储介质 | |
| CN115239884A (zh) | 一种中组立三维模型的重构方法及装置 | |
| CN114202642A (zh) | 三维三角网模型中超大空洞的填补方法及设备 | |
| CN114633850A (zh) | 一种船舶结构有限元模型虚拟可视化重构方法 | |
| CN112215959A (zh) | 一种利用图片切割的三维模型贴图系统 | |
| Gao et al. | Multi-target 3d reconstruction from rgb-d data | |
| Lai et al. | Repairing triangular meshes for reverse engineering applications | |
| CN116402984B (zh) | 三维模型处理方法、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 |