CN116933460B - 一种仿真方法、装置和电子设备 - Google Patents
一种仿真方法、装置和电子设备 Download PDFInfo
- Publication number
- CN116933460B CN116933460B CN202311191377.5A CN202311191377A CN116933460B CN 116933460 B CN116933460 B CN 116933460B CN 202311191377 A CN202311191377 A CN 202311191377A CN 116933460 B CN116933460 B CN 116933460B
- Authority
- CN
- China
- Prior art keywords
- simulation
- variable
- image
- position information
- scene
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 251
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000013507 mapping Methods 0.000 claims description 43
- 239000011159 matrix material Substances 0.000 claims description 33
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000004422 calculation algorithm Methods 0.000 claims description 7
- 230000001788 irregular Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 230000008569 process Effects 0.000 description 6
- 238000004590 computer program Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000005516 engineering process Methods 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
- 238000012545 processing Methods 0.000 description 2
- 238000004378 air conditioning Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000012530 fluid Substances 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- 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
- G06T2207/10024—Color image
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computational Mathematics (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computer Networks & Wireless Communication (AREA)
- Image Analysis (AREA)
Abstract
本申请公开一种仿真方法、装置和电子设备,方法包括:采集场景变量图像,场景变量图像包括场景变量的图像RGB信息和场景变量的图像位置信息,图像RGB信息与图像位置信息具有对应关系,据场景变量的图像RGB信息,确定与场景变量的图像位置信息对应的变量仿真取值,据场景变量的图像位置信息和仿真网格的仿真位置信息的对应关系,将变量仿真取值映射至仿真网格中。本方法通过场景变量的RGB信息确定场景变量的变量仿真取值可以有效避免仿真时边界面分布是不均匀、无规律的情况,并且通过场景变量位置信息和仿真网格的位置信息的对应进行变量仿真取值的映射,可以有效提高CAE仿真的精准度。
Description
技术领域
本申请涉及仿真领域,更具体地说,涉及一种仿真方法、装置和电子设备。
背景技术
CAE(Computer Aided Engineering)指工程设计中的计算机辅助工程,其用途为使用计算机辅助求解分析复杂工程和产品的结构力学性能,其中,CAE可以用于流体、电磁等各个行业的仿真需求。在CAE仿真中,边界条件是指模拟对象或系统的外部条件和约束,用于定义仿真模型的边界行为。现有CAE在仿真过程中将边界面的平均值作为CAE仿真时边界条件的值。比如,墙壁的平均温度为25度,但在带入CAE仿真时将整个墙壁的温度均设置为25度。在一些领域中,由于边界面分布是不均匀、无规律的,则若使用平均值作为整个边界面的值,导致CAE仿真的精准度不高。
发明内容
有鉴于此,本申请提供了一种仿真方法、装置和电子设备,用于解决CAE仿真的精准度不高的问题。
为了实现上述目的,现提出的方案如下:
一种仿真方法,所述方法包括:
采集场景变量图像,所述场景变量图像包括场景变量的图像RGB信息和所述场景变量的图像位置信息,所述图像RGB信息与所述图像位置信息具有对应关系;
根据所述场景变量的图像RGB信息,确定与所述场景变量的图像位置信息对应的变量仿真取值;
根据所述场景变量的图像位置信息和仿真网格的仿真位置信息的对应关系,将所述变量仿真取值映射至所述仿真网格中。
可选的,所述根据所述场景变量的图像RGB信息,确定与所述场景变量的图像位置信息对应的变量仿真取值,包括:
确定所述场景变量图像的RGB数据矩阵,其中,所述RGB数据矩阵包含多个目标元素,每一个所述目标元素均包括所述场景变量图像的一个目标像素点的RGB信息和所述一个目标像素点的图像位置信息;
根据所述RGB数据矩阵确定所述场景变量的图像位置信息对应的变量仿真取值。
可选的,所述RGB数据矩阵的目标元素为(Rij,Gij,Bij,xij,yij),其中,Rij,Gij和Bij为所述目标元素对应的目标像素点的RGB信息,xij和yij为所述目标元素对应的目标像素点的图像位置信息,所述根据所述RGB数据矩阵确定所述场景变量的图像位置信息对应的变量仿真取值,包括:
根据颜色数值映射表、第一数值范围、第二数值范围和第三数值范围确定与所述目标元素对应的颜色数值,并根据所述颜色数值确定变量仿真取值,所述第一数值范围为所述Rij所在的数值范围,所述第二数值范围为所述Gij所在的数值范围,所述第三数值范围为所述Bij所在的数值范围;
将所述变量仿真取值确定为与所述目标元素的xij和yij对应的所述变量仿真取值。
可选的,所述图像位置信息为目标像素点所在的图像位置范围,同一图像位置范围内的各目标像素点的变量仿真取值相同,所述仿真网格包括多个网格节点,所述根据所述场景变量的图像位置信息和仿真网格的仿真位置信息的对应关系,将所述变量仿真取值映射至所述仿真网格中,包括:
确定每个所述网格节点对应的图像位置范围;
将所述图像位置范围对应的变量仿真取值,映射至与所述图像位置范围对应的所述网格节点。
可选的,所述仿真网格包括多个网格区域,所述根据所述场景变量的图像位置信息和仿真网格的仿真位置信息的对应关系,将所述变量仿真取值映射至所述仿真网格中,包括:
基于所述目标像素点的所述图像位置信息,确定分别与每个所述网格区域对应的目标像素点;
将所述场景变量的图像位置信息对应的变量仿真取值,映射至具有所述图像位置信息的目标像素点对应的所述网格区域中。
可选的,还包括:
若一个网格区域对应多个目标像素点,则确定所述多个目标像素点的图像位置信息对应的变量仿真取值的平均值;
所述将所述场景变量的图像位置信息对应的变量仿真取值,映射至具有所述图像位置信息的目标像素点对应的所述网格区域中,包括:
将所述平均值映射至所述一个网格区域中。
可选的,还包括:
若一个网格区域对应零个目标像素点,则通过近邻算法确定所述一个网格区域的临近网格区域;
根据映射至所述临近网格区域的变量仿真取值,确定映射至所述一个网格区域的变量仿真取值;
将映射至所述临近网格区域的变量仿真取值映射至所述一个网格区域。
可选的,所述方法还包括:
通过完成映射的所述仿真网格计算获得场景中至少一个位置的变量分布。
一种仿真装置,所述装置包括:
采集单元,用于采集场景变量图像,所述场景变量图像包括场景变量的图像RGB信息和所述场景变量的图像位置信息,所述图像RGB信息与所述图像位置信息具有对应关系;
取值确定单元,用于根据所述场景变量的图像RGB信息,确定与所述场景变量的图像位置信息对应的变量仿真取值;
映射单元,用于根据所述场景变量的图像位置信息和仿真网格的仿真位置信息的对应关系,将所述变量仿真取值映射至所述仿真网格中。
一种电子设备,包括存储器和处理器;
所述存储器,用于存储程序;
所述处理器,用于执行所述程序,实现上述任一项所述仿真方法的各个步骤。
本申请提供了一种仿真方法、装置和电子设备,该方法可以通过场景变量的RGB信息确定与场景变量的位置信息对应的变量仿真取值,再通过场景变量的位置信息和仿真网格的位置信息将变量仿真取值映射至仿真网格上。本方法通过场景变量的RGB信息确定场景变量的变量仿真取值可以有效避免仿真时边界面分布是不均匀、无规律的情况,并且通过场景变量位置信息和仿真网格的位置信息的对应进行变量仿真取值的映射,可以有效提高CAE仿真的精准度。
附图说明
为了更清楚地说明本申请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申请的实施例,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,还可以根据提供的附图获得其他的附图。
图1为本申请实施例提供的一种仿真方法的流程示意图;
图2为本申请实施例提供的一种网格节点的结构示意图;
图3为本申请实施例提供的一种网格区域的结构示意图;
图4为本申请实施例提供的一种网格邻近范围的结构示意图;
图5为本申请实施例提供的一种仿真装置的结构示意图;
图6为本申请实施例提供的一种电子设备的硬件结构框图。
具体实施方式
下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,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,都属于本申请保护的范围。
如图1所示,本申请实施例提供了一种仿真方法,该方法可以包括:
S10、采集场景变量图像,场景变量图像包括场景变量的图像RGB信息和场景变量的图像位置信息,图像RGB信息与图像位置信息具有对应关系。
其中,场景可以为需要进行仿真的实际场景,可选的,可以为一个房间。场景变量可以为进行仿真时的场景参数,可选的,可以为温度、速度等参数。比如,场景为一个房间,则此时的场景变量可以为房间墙壁的温度、屋内人的发热功率、空调送风的温度和空调送风温度等。当然,在仿真过程中,场景变量又可以称为仿真的边界条件。其中,边界条件可以指模拟队形或系统的外部条件和约束,可以用于定义仿真模型的边界行为。边界条件对仿真结果的准确性和可靠性起着关键作用,并直接影响仿真模型在真实工程环境中的行为和响应。图像RGB信息可以为图像中像素点的图像RGB值,图像位置信息可以为图像中像素点的图像位置,且同一像素点的图像RGB值与图像位置具有对应关系。本实施例可以通过图像采集工具采集场景变量图像,且场景变量图像可以包括场景变量的图像RGB信息和场景变量的图像位置信息,其中,图像采集工具可以为实时相机、红外测温仪和数据分布图等。进一步的,本实施例也可以采集场景视频确定场景变量图像。具体的,场景视频可以根据时间频率转换为多个视频帧,每一个视频帧均可以作为一个场景变量图像。其中,时间频率可以根据用户的仿真需求确定。
S11、根据场景变量的图像RGB信息,确定与场景变量的图像位置信息对应的变量仿真取值。
其中,变量仿真取值可以为在仿真过程中场景变量在场景中的取值。比如,场景为房间的一面墙壁,场景变量为温度,则变量仿真取值可以为墙壁上温度的取值。由于场景中不同位置的变量仿真取值不同,则本实施例可以通过场景变量图像中的RGB信息确定场景中不同位置的变量仿真取值,便于后续仿真模型的仿真。比如,通过红外测温仪获得的房间墙壁的温度图像,拍摄的温度图像中不同的温度对应的RGB信息不同(温度高的偏红,温度低的偏绿),则可以根据温度图像中的RGB信息确定墙壁不同位置的温度取值。
S12、根据场景变量的图像位置信息和仿真网格的仿真位置信息的对应关系,将变量仿真取值映射至仿真网格中。
其中,仿真可以是指利用仿真模型复现场景或系统中发生的本质过程,并通过对仿真模型的实验研究实际存在或设计的系统或场景,又可以称为模拟。其中,在仿真模型中可以设计仿真网格,通过将变量仿真取值映射至仿真网格并求解计算,完成场景的仿真。由于变量仿真取值与场景变量的图像位置信息对应,则可以通过仿真网格的仿真位置信息与场景变量的图像位置信息的对应,将变量仿真取值映射至仿真网格中。
本申请实施例提供了一种仿真方法,该方法可以通过场景变量的RGB信息确定与场景变量的位置信息对应的变量仿真取值,再通过场景变量的位置信息和仿真网格的位置信息将变量仿真取值映射至仿真网格上。本方法通过场景变量的RGB信息确定场景变量的变量仿真取值可以有效避免仿真时边界面分布是不均匀、无规律的情况,并且通过场景变量位置信息和仿真网格的位置信息的对应进行变量仿真取值的映射,可以有效提高CAE仿真的精准度。进一步的,本实施例可以实时采集场景变量图像,并解析场景变量图像实时更新仿真模型中的变量仿真取值,可以有效提高仿真模型的仿真效果。
根据本申请实施例提供的另外一种仿真方法中,图1所示步骤S11可以包括步骤一和步骤二:
步骤一:确定场景变量图像的RGB数据矩阵,其中,RGB数据矩阵包含多个目标元素,每一个目标元素均包括场景变量图像的一个目标像素点的RGB信息和一个目标像素点的图像位置信息;
步骤二:根据RGB数据矩阵确定场景变量的图像位置信息对应的变量仿真取值。
其中,RGB数据矩阵可以由场景变量图像中的目标像素点构成的数据矩阵。RGB数据矩阵中的每一个目标元素均可以包括场景变量图像的一个目标像素点的RGB信息和一个目标像素点的图像位置信息(比如一个场景变量图像的像素为320×240,则可以以场景变量图像的左下角像素点为原点建立像素坐标系,横轴共有320个坐标点,纵轴共有240个坐标点,则场景变量图像中的任意一个像素点均可以通过像素坐标系进行表示)。由于场景变量图像中的每一个像素点可以由R、G和B三个子像素构成,则任意的场景变量图像均可以由RGB数据矩阵进行表示,其中,R、G和B的取值范围均可以为[0,255]。本实施例可以通过RGB数据矩阵中目标元素的RGB信息确定场景变量图像中目标像素点的变量仿真取值,并可以通过RGB信息与图像位置信息的对应关系确定与变量仿真取值与图像位置信息的对应关系。进一步的,RGB数据矩阵可以表示为:
其中,RGB数据矩阵的目标元素为(Rij,Gij,Bij,xij,yij),Rij,Gij和Bij为目标元素对应的目标像素点的RGB信息,xij和yij为目标元素对应的目标像素点的图像位置信息。本实施例可以根据颜色数值映射表、第一数值范围、第二数值范围和第三数值范围确定与目标元素的RGB信息对应的颜色数值,并根据颜色数值确定变量仿真取值,将变量仿真取值确定为与目标元素的xij和yij对应的变量仿真取值。其中,颜色数值映射表可以为不同颜色数值与变量仿真取值的对应表。第一数值范围为Rij所在的数值范围,第二数值范围为Gij所在的数值范围,第三数值范围为Bij所在的数值范围。
具体的,本实施例可以根据用户的实际仿真的精度要求,先将(R,G,B)(R、G和B的取值范围均为[0,255])的取值范围进行分段整合,获得多个R的数值范围、多个G的数值范围和多个B的数值范围(不同的数值范围组合对应不同的颜色数值),再根据Rij取值,Gij取值和Bij取值分别确定落入的第一数值范围、第二数值范围和第三数值范围并确定Rij,Gij和Bij的取值范围组合,确定与取值范围组合对应的颜色数值,再从预设的颜色数值映射表中根据颜色数值确定对应的变量仿真取值。由此,变量仿真取值与颜色数值的对应关系可以采用分段函数表示。该分段函数可以表示为:
变量仿真取值=T1 a11<R<b11,a12<G<b12,a13<B<b13
…
变量仿真取值=Tn an1<R<bn1,an2<G<bn2,an3<B<bn3
其中,a和b均可以为[0,255]中的整数值。
根据本申请实施例提供的另外一种仿真方法中,图像位置信息为目标像素点所在的图像位置范围,同一图像位置范围内的各目标像素点的变量仿真取值相同,仿真网格包括多个网格节点,图1所示步骤S12可以包括步骤五和步骤六:
步骤五:确定每个网格节点对应的图像位置范围;
步骤六:将图像位置范围对应的变量仿真取值,映射至与图像位置范围对应的网格节点。
其中,图像位置范围可以为场景变量图像中相同变量仿真取值的目标像素点所处的位置范围。如图2所示的网格,黑点即可以为网格中的一个网格节点。在本实施例中,当获得变量仿真取值与颜色数值的分段函数之后,由于在RGB数据矩阵中,目标元素的RGB信息与图像位置信息对应,则本实施例可以通过变量仿真取值与颜色数值的分段函数获得变量仿真取值与图像位置信息的分段函数。具体的,本实施例可以遍历整个RGB数据矩阵,将拥有相同变量仿真取值的目标元素的图像位置信息进行整合,获得变量仿真取值与图像位置信息的分段函数。该分段函数可以表示为:
变量仿真取值=T1 x11<xij<x12, y11<xij<y12
…
变量仿真取值=Tn xn1<xij<xn2, yn1<xij<yn2
由于在网格中的每一个网格节点均具有自己的位置信息(x,y,z),则本实施例可以通过判断网格节点的(x,y)所满足的图像位置范围确定映射至该网格节点的变量仿真取值。比如,一个网格节点的(x,y)正好满足变量仿真取值=T1时的图像位置范围,则此时该网格节点的取值可以为T1。
另外,本实施例还可以根据场景变量的图像位置信息和仿真网格的仿真位置信息的对应关系,将变量仿真取值映射至仿真网格中,由此完成仿真。其中,仿真网格可以包括多个网格区域。本实施例可以先基于目标像素点的图像位置信息,确定分别与每个网格区域对应的目标像素点,再将场景变量的图像位置信息对应的变量仿真取值,映射至具有图像位置信息的目标像素点对应的网格区域中。
具体的,如图3所示的网格,黑色粗线区域可以为一个网格区域。每一个网格区域均可以通过(x1≤x≤x2,y1≤y≤y2)进行表示,则本实施例可以根据RGB数据矩阵中目标元素的(xij,yij)确定与目标像素点对应的网格区域,并将与目标像素点对应的变量仿真取值确定为该网格区域的取值。比如,一个目标像素点,在RGB数据矩阵中对应的目标元素的(xij,yij)为(3,4),一个网格区域表示为(1≤x≤4,1≤y≤5),目标像素点的位置满足网格区域且该目标像素点对应的变量仿真取值为T1,则该网格区域的取值可以为T1。
根据本申请实施例提供的另外一种仿真方法中,该方法具体还可以包括:
若一个网格区域对应多个目标像素点,则确定多个目标像素点的图像位置信息对应的变量仿真取值的平均值;
上述步骤六具体可以包括:
将平均值映射至一个网格区域中。
其中,当网格密度较为稀疏的时候,则可能存在一个网格区域对应着多个变量仿真取值的情况。在该情况下,本实施例可以将多个变量仿真取值取平均值,将该平均值作为该网格区域的取值。可选的,可以先计算平均值,再将该平均值映射至该网格区域中;也可以先将变量仿真取值映射至网格区域后,再计算平均值。
根据本申请实施例提供的另外一种仿真方法中,该方法还可以包括步骤七至步骤九:
若一个网格区域对应零个目标像素点,则执行步骤七至步骤九;
步骤七:通过近邻算法确定一个网格区域的临近网格区域;
步骤八:根据映射至临近网格区域的变量仿真取值,确定映射至一个网格区域的变量仿真取值;
步骤九:将映射至临近网格区域的变量仿真取值映射至一个网格区域。
其中,临近网格区域可以为通过近邻算法确定的与网格区域最近的网格。当网格密度较为密集时,则可能存在一个网格区域未对应变量仿真取值的情况。在该情况下,可选的,本实施例可以直接将已确定的邻近网格的最终取值作为自身的取值;本实施例也可以通过近邻算法确定在网格区域邻近范围中占多数的变量仿真取值,并将该变量仿真取值作为自身的取值。比如,如图4所示的网格,未对应变量仿真取值的网格区域A,通过近邻算法确定的邻近范围001中,显而易见的,网格区域A周围的网格中,变量仿真取值为白色的网格占多数,则此时网格区域A的取值可以为白色。
根据本申请实施例提供的另外一种仿真方法中,该方法还可以包括步骤十:
步骤十:通过完成映射的仿真网格计算获得场景中至少一个位置的变量分布。
其中,本实施例可以通过CAE求解器进行计算。本实施例可以将实时采集的场景变量图像通过上述方法转化为CAE求解器可以进行计算的数据格式,便于CAE求解器计算获得场景中至少一个位置的变量分布。比如,场景为一个房间,场景变量为温度,则可以通过实时采集房间墙壁的温度图像,并解析该图像获得场景仿真时的温度仿真取值,并映射至仿真模型中的网格,并将完成映射的网格带入CAE求解器进行计算,即可获得该房间内部任意位置的温度场。
与本申请实施例提供的一种仿真方法相对应,本申请实施例还提供了一种仿真装置。
如图5所示,本申请实施例提供了一种仿真装置,该装置可以包括:
采集单元100,用于采集场景变量图像,场景变量图像包括场景变量的图像RGB信息和场景变量的图像位置信息,图像RGB信息与图像位置信息具有对应关系;
取值确定单元110,用于根据场景变量的图像RGB信息,确定与场景变量的图像位置信息对应的变量仿真取值;
映射单元120,用于根据场景变量的图像位置信息和仿真网格的仿真位置信息的对应关系,将变量仿真取值映射至仿真网格中。
根据本申请实施例提供的另外一种仿真装置中,图5所示取值确定单元110可以包括:
矩阵确定子单元,用于确定场景变量图像的RGB数据矩阵,其中,RGB数据矩阵包含多个目标元素,每一个目标元素均包括场景变量图像的一个目标像素点的RGB信息和一个目标像素点的图像位置信息;
仿真取值确定子单元,用于根据RGB数据矩阵确定场景变量的图像位置信息对应的变量仿真取值。
根据本申请实施例提供的另外一种仿真装置中,RGB数据矩阵的目标元素为(Rij,Gij,Bij,xij,yij),其中,Rij,Gij和Bij为目标元素对应的目标像素点的RGB信息,xij和yij为目标元素对应的目标像素点的图像位置信息,上述仿真取值确定子单元可以包括:
颜色数值确定子单元,用于根据颜色数值映射表、第一数值范围、第二数值范围和第三数值范围确定与目标元素对应的颜色数值,并根据颜色数值确定变量仿真取值,第一数值范围为Rij所在的数值范围,第二数值范围为Gij所在的数值范围,第三数值范围为Bij所在的数值范围;
变量仿真取值确定子单元,用于将变量仿真取值确定为与目标元素的xij和yij对应的变量仿真取值。
根据本申请实施例提供的另外一种仿真装置中,图像位置信息为目标像素点所在的图像位置范围,同一图像位置范围内的各目标像素点的变量仿真取值相同,仿真网格包括多个网格节点,图5所示映射单元120可以包括:
位置范围确定子单元,用于确定每个网格节点对应的图像位置范围;
网格节点映射子单元,用于将图像位置范围对应的变量仿真取值,映射至与图像位置范围对应的网格节点。
根据本申请实施例提供的另外一种仿真装置中,仿真网格包括多个网格区域,图5所示映射单元120可以包括:
像素点确定子单元,用于基于目标像素点的图像位置信息,确定分别与每个网格区域对应的目标像素点;
网格区域映射子单元,用于将场景变量的图像位置信息对应的变量仿真取值,映射至具有图像位置信息的目标像素点对应的网格区域中。
根据本申请实施例提供的另外一种仿真装置中,该装置还可以包括:
平均值计算单元,用于若一个网格区域对应多个目标像素点,则确定多个目标像素点的图像位置信息对应的变量仿真取值的平均值;
上述网格区域映射子单元具体可以配置为:
将平均值映射至一个网格区域中。
根据本申请实施例提供的另外一种仿真装置中,该装置还可以包括:
近邻单元,用于若一个网格区域对应零个目标像素点,则通过近邻算法确定一个网格区域的临近网格区域;
映射取值确定单元,用于根据映射至临近网格区域的变量仿真取值,确定映射至一个网格区域的变量仿真取值;
近邻网格映射单元,用于将映射至临近网格区域的变量仿真取值映射至一个网格区域。
根据本申请实施例提供的另外一种仿真装置中,该装置还可以包括:
仿真计算单元,用于通过完成映射的仿真网格计算获得场景中至少一个位置的变量分布。
如图6所示,本申请实施例提供了一种电子设备70,包括至少一个处理器701、以及与处理器701连接的至少一个存储器702、总线703;其中,处理器701、存储器702通过总线703完成相互间的通信;处理器701用于调用存储器702中的程序指令,以执行上述的仿真方法。本文中的电子设备70可以是服务器、PC、PAD等。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
在一个典型的配置中,设备包括一个或多个处理器(CPU)、存储器和总线。设备还可以包括输入/输出接口、网络接口等。
存储器可能包括计算机可读存储介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM),存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。
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。计算机的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。
本领域技术人员应明白,本申请的实施例可提供为方法、系统或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上仅为本申请的实施例而已,并不用于限制本申请。对于本领域技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本申请的权利要求范围之内。
Claims (9)
1.一种仿真方法,其特征在于,所述方法包括:
采集二维的场景变量图像,所述场景变量图像包括场景变量的图像RGB信息和所述场景变量的图像位置信息,所述图像RGB信息与所述图像位置信息具有对应关系,所述图像RGB信息为图像中像素点的图像RGB值,所述图像位置信息为图像中像素点的图像位置,且同一像素点的图像RGB值与图像位置具有对应关系;
根据所述场景变量的图像RGB信息,确定与所述场景变量的图像位置信息对应的变量仿真取值;
根据所述场景变量的图像位置信息和仿真网格的仿真位置信息的对应关系,将所述变量仿真取值映射至所述仿真网格中;
所述根据所述场景变量的图像RGB信息,确定与所述场景变量的图像位置信息对应的变量仿真取值包括:
确定所述场景变量图像的RGB数据矩阵,其中,所述RGB数据矩阵包含多个目标元素,每一个所述目标元素均包括所述场景变量图像的一个目标像素点的RGB信息和所述一个目标像素点的图像位置信息;
根据所述RGB数据矩阵确定所述场景变量的图像位置信息对应的变量仿真取值。
2.根据权利要求1所述的方法,其特征在于,所述RGB数据矩阵的目标元素为(Rij,Gij,Bij,xij,yij),其中,Rij,Gij和Bij为所述目标元素对应的目标像素点的RGB信息,xij和yij为所述目标元素对应的目标像素点的图像位置信息,所述根据所述RGB数据矩阵确定所述场景变量的图像位置信息对应的变量仿真取值,包括:
根据颜色数值映射表、第一数值范围、第二数值范围和第三数值范围确定与所述目标元素对应的颜色数值,并根据所述颜色数值确定变量仿真取值,所述第一数值范围为所述Rij所在的数值范围,所述第二数值范围为所述Gij所在的数值范围,所述第三数值范围为所述Bij所在的数值范围;
将所述变量仿真取值确定为与所述目标元素的xij和yij对应的所述变量仿真取值。
3.根据权利要求1所述的方法,其特征在于,所述图像位置信息为目标像素点所在的图像位置范围,同一图像位置范围内的各目标像素点的变量仿真取值相同,所述仿真网格包括多个网格节点,所述根据所述场景变量的图像位置信息和仿真网格的仿真位置信息的对应关系,将所述变量仿真取值映射至所述仿真网格中,包括:
确定每个所述网格节点对应的图像位置范围;
将所述图像位置范围对应的变量仿真取值,映射至与所述图像位置范围对应的所述网格节点。
4.根据权利要求1所述的方法,其特征在于,所述仿真网格包括多个网格区域,所述根据所述场景变量的图像位置信息和仿真网格的仿真位置信息的对应关系,将所述变量仿真取值映射至所述仿真网格中,包括:
基于所述目标像素点的所述图像位置信息,确定分别与每个所述网格区域对应的目标像素点;
将所述场景变量的图像位置信息对应的变量仿真取值,映射至具有所述图像位置信息的目标像素点对应的所述网格区域中。
5.根据权利要求4所述的方法,其特征在于,还包括:
若一个网格区域对应多个目标像素点,则确定所述多个目标像素点的图像位置信息对应的变量仿真取值的平均值;
所述将所述场景变量的图像位置信息对应的变量仿真取值,映射至具有所述图像位置信息的目标像素点对应的所述网格区域中,包括:
将所述平均值映射至所述一个网格区域中。
6.根据权利要求4所述的方法,其特征在于,还包括:
若一个网格区域对应零个目标像素点,则通过近邻算法确定所述一个网格区域的临近网格区域;
根据映射至所述临近网格区域的变量仿真取值,确定映射至所述一个网格区域的变量仿真取值;
将映射至所述临近网格区域的变量仿真取值映射至所述一个网格区域。
7.根据权利要求1所述的方法,其特征在于,所述方法还包括:
通过完成映射的所述仿真网格计算获得场景中至少一个位置的变量分布。
8.一种仿真装置,其特征在于,所述装置包括:
采集单元,用于采集二维的场景变量图像,所述场景变量图像包括场景变量的图像RGB信息和所述场景变量的图像位置信息,所述图像RGB信息与所述图像位置信息具有对应关系,所述图像RGB信息为图像中像素点的图像RGB值,所述图像位置信息为图像中像素点的图像位置,且同一像素点的图像RGB值与图像位置具有对应关系;
取值确定单元,用于根据所述场景变量的图像RGB信息,确定与所述场景变量的图像位置信息对应的变量仿真取值;
映射单元,用于根据所述场景变量的图像位置信息和仿真网格的仿真位置信息的对应关系,将所述变量仿真取值映射至所述仿真网格中;
所述取值确定单元包括:矩阵确定子单元和仿真取值确定子单元,
所述矩阵确定子单元,用于确定场景变量图像的RGB数据矩阵,其中,RGB数据矩阵包含多个目标元素,每一个目标元素均包括场景变量图像的一个目标像素点的RGB信息和一个目标像素点的图像位置信息;
所述仿真取值确定子单元,用于根据RGB数据矩阵确定场景变量的图像位置信息对应的变量仿真取值。
9.一种电子设备,其特征在于,包括存储器和处理器;
所述存储器,用于存储程序;
所述处理器,用于执行所述程序,实现如权利要求1-7任一项所述仿真方法的各个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311191377.5A CN116933460B (zh) | 2023-09-15 | 2023-09-15 | 一种仿真方法、装置和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311191377.5A CN116933460B (zh) | 2023-09-15 | 2023-09-15 | 一种仿真方法、装置和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116933460A CN116933460A (zh) | 2023-10-24 |
CN116933460B true CN116933460B (zh) | 2023-12-15 |
Family
ID=88389986
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311191377.5A Active CN116933460B (zh) | 2023-09-15 | 2023-09-15 | 一种仿真方法、装置和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116933460B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114036721A (zh) * | 2021-10-13 | 2022-02-11 | 科华数据股份有限公司 | 微模块的三维温度云场的构建方法及装置 |
CN114154374A (zh) * | 2021-11-30 | 2022-03-08 | 清华大学 | 一种基于图像的数值模拟后处理方法 |
CN116644262A (zh) * | 2023-05-05 | 2023-08-25 | 鼎道智芯(上海)半导体有限公司 | 芯片温度分布确定方法、装置和电子设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6906725B2 (en) * | 2002-02-22 | 2005-06-14 | L-3 Communications Corporation | Apparatus and method for simulating sensor imagery |
-
2023
- 2023-09-15 CN CN202311191377.5A patent/CN116933460B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114036721A (zh) * | 2021-10-13 | 2022-02-11 | 科华数据股份有限公司 | 微模块的三维温度云场的构建方法及装置 |
CN114154374A (zh) * | 2021-11-30 | 2022-03-08 | 清华大学 | 一种基于图像的数值模拟后处理方法 |
CN116644262A (zh) * | 2023-05-05 | 2023-08-25 | 鼎道智芯(上海)半导体有限公司 | 芯片温度分布确定方法、装置和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN116933460A (zh) | 2023-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116188805B (zh) | 海量图像的图像内容分析方法、装置和图像信息网络 | |
US20160239597A1 (en) | Apparatus and method for performing finite element computation | |
CN116227209A (zh) | 一种点云数据多维线性差值方法、终端设备及存储介质 | |
CN115797568A (zh) | 一种基于三维gis与bim集成的建模方法及装置 | |
CN113538473A (zh) | 数字图像相关中针对裂纹的随机网格及异形子区划分方法 | |
CN114241425B (zh) | 垃圾检测模型的训练方法、装置、存储介质及设备 | |
CN110008387B (zh) | 流场可视化实现方法、装置及电子设备 | |
CN111870953A (zh) | 一种高度图生成方法、装置、设备及存储介质 | |
CN108563915B (zh) | 车辆数字化仿真测试模型构建系统及方法、计算机程序 | |
CN116933460B (zh) | 一种仿真方法、装置和电子设备 | |
CN113658345A (zh) | 一种样本标注方法及装置 | |
CN111402422B (zh) | 三维表面重建方法、装置和电子设备 | |
CN111159956B (zh) | 一种基于特征的流场间断捕捉方法 | |
CN116186864B (zh) | 一种基于bim技术的深基坑模型快速建模方法及系统 | |
CN112598802A (zh) | 一种基于众包数据的热力图生成方法及系统 | |
CN117058338A (zh) | 基于cad的三维建筑模型构建方法、系统、设备及介质 | |
CN117058022A (zh) | 深度图像去噪方法、装置、计算机设备及存储介质 | |
CN111950517A (zh) | 一种目标检测方法、模型训练方法,电子设备及存储介质 | |
CN105260526A (zh) | 基于图像的自适应有限元网格划分方法 | |
CN112530026A (zh) | 组件的关联方法及装置 | |
CN113077538B (zh) | 机房三维温湿度云图的建立方法、装置及终端设备 | |
CN110930344A (zh) | 一种目标的质量确定方法、装置、系统及电子设备 | |
CN113763450B (zh) | 深度图的获取方法、装置、电子设备及存储介质 | |
CN109542573B (zh) | 一种场景显示方法和装置 | |
CN111027244B (zh) | 一种百亿级颗粒模型的构建方法 |
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 |