CN117152334B - 一种基于电波、气象云图大数据实现的三维仿真模拟方法 - Google Patents

一种基于电波、气象云图大数据实现的三维仿真模拟方法 Download PDF

Info

Publication number
CN117152334B
CN117152334B CN202311411474.0A CN202311411474A CN117152334B CN 117152334 B CN117152334 B CN 117152334B CN 202311411474 A CN202311411474 A CN 202311411474A CN 117152334 B CN117152334 B CN 117152334B
Authority
CN
China
Prior art keywords
data
dimensional
value
height
longitude
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
Application number
CN202311411474.0A
Other languages
English (en)
Other versions
CN117152334A (zh
Inventor
徐浩
王光峻
张梦圆
张骏
邢永超
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.)
Qingdao Hengtianyi Information Technology Co ltd
Original Assignee
Qingdao Hengtianyi Information Technology 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 Qingdao Hengtianyi Information Technology Co ltd filed Critical Qingdao Hengtianyi Information Technology Co ltd
Priority to CN202311411474.0A priority Critical patent/CN117152334B/zh
Publication of CN117152334A publication Critical patent/CN117152334A/zh
Application granted granted Critical
Publication of CN117152334B publication Critical patent/CN117152334B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/04—Texture mapping
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T15/00—3D [Three Dimensional] image rendering
    • G06T15/08—Volume rendering
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Abstract

本发明涉及一种基于电波、气象云图大数据实现的三维仿真模拟方法，包括以下步骤：S1：获取离散的原始数据集；S2：将步骤S1中的键值对数据依据数据特性选取不同方式进行插值；S3：用二维图像切片组合成三维体数据集；S4：将该png文件压缩成WebP格式的压缩数据，或者带有时间维度的多个png文件压缩成WebM格式的压缩数据；S5：基于Cesium框架对该压缩数据进行渲染，实现插值和图像的合成。本发明的优点：将体数据进行预处理后装入三维纹理内存中，然后计算观察的视线方向，取的与视线方向垂直的平面，依次截取模型体，得到一系列相交多边形。将三维纹理映射到这些多边形上，从后往前进行混合，从而在硬件层面加速体渲染速度。

Description

一种基于电波、气象云图大数据实现的三维仿真模拟方法
技术领域
本发明涉及一种基于电波、气象云图大数据实现的三维仿真模拟方法，具体基于电波、气象云图大数据的基于电波、气象云图大数据实现的三维仿真模拟方法，属于数据处理领域。
背景技术
体渲染是将三维数据集投影到二维图像平面上以了解数据中包含的结构和信息的过程，该技术广泛应用于医学、地球科学、化学、显微学等领域。目前，随着GPU的出现发展，所有现有的可视化模型和方法都被移植到GPU上以利用其计算性能。
近年来，三维体渲染在各个领域都得到广泛的应用，体渲染利用整个数据场信息，整合每个体素对图像的贡献，并把这些贡献综合起来投射到屏幕，最终生成一个具有三维效果的图像。这个图像不但能看到三维体的表面，在赋予一定的不透明度和颜色后能看到内部细节，使体渲染的结果更加真实直观。但目前也存在一些问题。
首先，体数据相对二维数据来讲，数据量大，因此普通的格式，类似json等，文件过大，会加大网络传输压力，本专利将体数据在预处理过程中加入压缩等操作，处理成WebP格式，改善网络上大量时间序列数据的传输。
另外，当前在BS端常用的体渲染算法是光线投射算法RayCasting。光线投影法是一种基于图像序列的直接体渲染方法，此方法是图像空间的经典算法，它从投影平面的每个点发出投射光线，穿过三维数据场，通过光线方程计算衰减后的光线强度并绘制成图像，绘制效果好，但该算法的加速技术是基于预先计算的数据结构，然而，为了显示连续进行颜色查找的体数据，必须不断地重建数据结构，该实现过程中的计算量是相当大，并不利于实现实时渲染。
发明内容
为克服现有技术的缺陷，本发明提供一种基于电波、气象云图大数据实现的三维仿真模拟方法，本发明的技术方案是：
一种基于电波、气象云图大数据实现的三维仿真模拟方法，包括以下步骤：
S1：获取离散的原始数据集，所述离散的原始数据集包含若干元素，选取每个元素的经纬度、高度或层级、数值，将原始数据集中所选取的元素构成键值对数据进行表示；
S2：将步骤S1中的键值对数据依据数据特性进行插值；
S3：将插值后的数据按照层级拆分成二维数据集，将该二维数据集按照顺序，拼接成png文件，即用二维图像切片组合成三维体数据集；
S4：将该png文件压缩成WebP格式的压缩数据，或者带有时间维度的多个png文件压缩成WebM格式的压缩数据；
S5：基于Cesium框架对该压缩数据进行渲染。
在所述的步骤S2中，对于位置数据中为层级数据，为减少数据计算量，将其转换成二维数据，按照每层进行二位插值；对于位置数据中为高度数据的进行三维空间插值；所述的层级数据与高度数据的区分是根据原始数据来区分的。
所述的步骤S3具体为：将插值后的数据处理成维度相同的二维网格数据，并按照层级高度将其拼接成png文件，存储的png文件中每个像素值都存放对应数值。另外，将二维网格数据包含的空间中数值数据的最大值最小值、空间数据的经纬度范围、经纬度网格的大小以及所有的层高数据保存成json文件。
对应数值的具体产生规则如下：温度数值对应R通道，G、B通道设置为0，由于RGB中每个通道的参数都在0到255的范围内，所以使用每个空间位置上的值减去最小值与最大值减去最小值的比后，乘以255取整，等比例获取当前数值上R通道的数值保存，将转换之后的二维网格数据，每个高度或者层级的二维网格数据按照由高到低的顺序排列每个高度的数据，将三维数据转成二维图像，排列组合重新生成png文件；
将png文件包括的png的长宽、png长宽上数据的组数H/a和W/b、经纬高度的最大值和最小值、数值的最大值最小值进行解析；
其中，W：png文件的长；H：png文件的宽；
a：每个高度包含经度的数量；b：每个高度包含纬度的数量。
对于每个表格中的数字，第一位为经度，第二位为维度，第三位为高度或者层级，每个高度或者层级的二维数据按照由高到低的顺序排列每个高度的数据，由此将三维数据转成二维图像。
在所述的步骤S4中，png文件通过Pillow库转成WebP格式。
在所述的步骤S5中，Cesium中使用了WGS84椭球模型来近似地球的形状，在顶点着色器中对输入的顶点数据进行处理和变换，将含经度、纬度和高度的三维向量转换成笛卡尔坐标系下的数据，首先计算出给定经纬度对应的单位长度的方向向量 vn，然后将其归一化；
根据椭球的半长轴平方radii_2 ，即：40680631590769.0，40680631590769.0，40408299984661.445以及方向向量 vn，计算出相对于椭球表面的位置向量 vk；
通过在方向向量 vn 和位置向量 vk 之间计算一个标量 gamma，调整位置向量vk 的长度，使其与方向向量 vn 具有相同的长度；
将方向向量 vn 乘以高度值和高度放大系数，得到调整后的高度向量；将位置向量 vk 和高度向量相加，即可得到笛卡尔坐标系下对应的位置向量；
获求得到渲染的顶点位置：获取json文件中的数据，带入以下公式，解析png文件中每个数据的经纬高度：
；
以及各个经纬高度所对应的数值：
；
lng值为当前所求数据经度，为原始数据经度最大值，/>为a*b矩形数据框中当前数据所在行，大小取[0,a]；
lat值为当前所求数据维度，cx为a*b矩形数据框中当前数据所在列，大小取[0,b]；
height为当前数据所在高度，为W*H大矩形框中含a*b矩形框的数量，大小取[0,WH/ab]；
V为当前位置的数据值大小，R为png当前位置像素的R通道值的大小；
进行纹理采样和颜色插值，该纹理插样盒颜色插值的具体步骤为：
获取当前视图方向向量，使用模型视图矩阵将体积边界框顶点转换为视图坐标，通过对每个单位立方体顶点与视图方向向量进行点积来计算单位立方体顶点的最小/最大距离；
获取最小/最大距离之后使用距视图原点的等间距离计算这两个值之间使用的采样平面数，采样距离是根据体素大小和当前采样率计算的；接着计算垂直于视图方向平面的所有可能的交点参数，使用交点参数在观察方向上移动并找到交点，将每个交点添加到临时顶点列表，最多生成六个交集；按指定顺序存储交点以生成三角形图元，再以纹理坐标为媒介，在片元着色器中对色带进行采样取值，得到纹理坐标对应的颜色值和透明度；使用新顶点更新缓冲区对象内存；
获取顶点着色器中顶点坐标的经纬高度坐标,将笛卡尔坐标系下的顶点数据转为经纬度获取数据进行插值渲染；
最后样本按从后到前的顺序排序，并迭代计算累积的颜色和不透明度，合成过程：
；
其中和/>是从分段i沿视线的片元着色阶段获得的颜色和不透明度，并且/>是体积背面的累积颜色。
本发明的优点是：为加速渲染效率，使用三维纹理映射方法，首先将体数据进行预处理后装入三维纹理内存中， 然后计算观察的视线方向，取的与视线方向垂直的平面，依次截取模型体，得到一系列相交多边形。将三维纹理映射到这些多边形上，从后往前进行混合，从而在硬件层面加速体渲染速度。
附图说明
图1是本发明插值后的数据排列示意图。
图2是本发明png文件中每层二维网格数据的组织存放示意图。
图3是本发明png文件长宽和每层数据的长宽大小示意图。
具体实施方式
下面结合具体实施例来进一步描述本发明，本发明的优点和特点将会随着描述而更为清楚。但这些实施例仅是范例性的，并不对本发明的范围构成任何限制。本领域技术人员应该理解的是，在不偏离本发明的精神和范围下可以对本发明技术方案的细节和形式进行修改或替换，但这些修改和替换均落入本发明的保护范围内。
参见图1至图3，本发明涉及一种基于电波、气象云图大数据实现的三维仿真模拟方法，包括以下步骤：
S1：获取离散的原始数据集，所述离散的原始数据集包含若干元素，选取每个元素的经纬度、高度或层级、数值，将原始数据集中所选取的元素构成键值对进行表示；以气象数据为例，选取对气温数据进行展示，将数据解析之后包含经度、纬度、高度和温度四个元素，以经度，纬度，高度或者层高，温度的形式存储；
S2：将步骤S1中的键值对数据依据数据特性选取不同方式进行插值;在所述的步骤S2中，对于位置数据中为层级的数据，为减少数据计算量，将其转换成二维数据，按照每层进行二位插值；对于位置数据中为高度的数据，进行三维空间插值，所述的层级数据与高度数据的区分是根据原始数据来区分的；
S3：将插值后的数据按照层级拆分成二维数据集，将该二维数据集按照顺序，拼接成png文件，即用二维图像切片组合成三维体数据集；
S4：将该png文件压缩成WebP格式的压缩数据，或者带有时间维度的多个png文件压缩成WebM格式的压缩数据；
S5：基于Cesium框架对该压缩数据进行渲染，实现插值和图像的合成合成。
在所述的步骤S2中，对于位置数据中为层级数据，为减少数据计算量，将其转换成二维数据，按照每层进行二位插值；对于位置数据中为高度数据，进行三维空间插值；所述的层级数据与高度数据的区分是根据原始数据来区分的，对于离散数据，例如从传感器获取的数据，这些原始数据就是属于高度数据；层级数据是经过处理发布的数据，例如大气数据类，由机构经过模型处理发布出来的netcdf格式的数据就属于层级数据。
所述的步骤S3具体为：将插值后的数据处理成维度相同的二维网格数据，并按照层级高度将其拼接成png文件，存储的png文件中每个像素值都存放对应数值。另外，将二维网格数据包含的空间中数值数据的最大值最小值、空间数据的经纬度范围、经纬度网格的大小以及所有的层高数据保存成json文件；
对应数值的具体产生规则如下：温度数值对应R通道，G、B通道设置为0，由于RGB中每个通道的参数都在0到255的范围内，所以使用每个空间位置上的值减去最小值与最大值减去最小值的比后，乘以255取整，等比例获取当前数值上R通道的数值保存，将转换之后的二维网格数据排列组合成新的png文件；
将png文件包括的png的长宽、png长宽上数据的组数H/a和W/b、经纬高度的最大值和最小值、数值的最大值最小值进行解析；
其中，W：png文件的长；H：png文件的宽；
a：每个高度包含经度的数量；b：每个高度包含纬度的数量。
如图1和图2所示，对于每个表格中的数字，第一位为经度，第二位为维度，第三位为高度或者层级，每个高度或者层级的二维数据按照由高到低的顺序排列每个高度的数据，由此将三维数据转成二维图像。
在所述的步骤S4中，png文件通过Pillow库转成WebP格式。根据Google较早的测试，WebP的无损压缩比PNG少了45%的文件大小。因此，对于数据量大的文件数据，可以使用WebP格式可以大幅减少存储开销，同时也可以降低网络传输流量，至此，就将三维体数据集转换成一堆二维纹理切片的集合。
在所述的步骤S5中，基于Cesium框架对以上保存数据在虚拟地球上进行立体渲染展示。先将压缩后的体数据放入三维纹理缓存中，作为纹理图像，然后根据映射原理，通过WGS84坐标与笛卡尔坐标的相互转换，插值计算得到待绘数据的纹理坐标，进而得到对应坐标的纹理图像值，最后对渲染的立方体顶点与视图方向向量进行点积来计算，样本按从后到前的顺序排序，并迭代计算累积的颜色和不透明度。具体过程如下：
Cesium中使用了WGS84椭球模型来近似地球的形状，在顶点着色器中对输入的顶点数据（通过顶点着色器，显卡就知道顶点应该绘制在具体的位置），进行处理和变换，将含经度、纬度和高度的三维向量转换成笛卡尔坐标系下的数据，首先计算出给定经纬度对应的单位长度的方向向量 vn，然后将其归一化；
根据椭球的半长轴平方radii_2 ，即：40680631590769.0，40680631590769.0，40408299984661.445以及方向向量 vn，计算出相对于椭球表面的位置向量 vk；
通过在方向向量 vn 和位置向量 vk 之间计算一个标量 gamma，调整位置向量vk 的长度，使其与方向向量 vn 具有相同的长度；
将方向向量 vn 乘以高度值和高度放大系数，得到调整后的高度向量；将位置向量 vk 和高度向量相加，即可得到笛卡尔坐标系下对应的位置向量；
获求得到渲染的顶点位置：获取json文件，解析png文件中每个数据的经纬高度：
；
以及各个经纬高度所对应的数值：
（3）；
lng值为当前所求数据经度，为原始数据经度最大值，/>为a*b矩形数据框中当前数据所在行，大小取[0,a]；
lat值为当前所求数据维度，为a*b矩形数据框中当前数据所在列，大小取[0,b]；
height为当前数据所在高度，为W*H大矩形框中含a*b矩形框的数量，大小取[0,WH/ab]；
V为当前位置的数据值大小，R为png当前位置像素的R通道值的大小；
进行纹理采样和颜色插值，该纹理插样盒颜色插值的具体步骤为：
获取当前视图方向向量，使用模型视图矩阵将体积边界框顶点转换为视图坐标，通过对每个单位立方体顶点与视图方向向量进行点积来计算单位立方体顶点的最小/最大距离；
获取最小/最大距离之后使用距视图原点的等间距离计算这两个值之间使用的采样平面数，采样距离是根据体素大小和当前采样率计算的；接着计算垂直于视图方向平面的所有可能的交点参数，使用交点参数在观察方向上移动并找到交点，将每个交点添加到临时顶点列表，最多生成六个交集；按指定顺序存储交点以生成三角形图元，再以纹理坐标为媒介，在片元着色器中对色带进行采样取值，得到纹理坐标对应的颜色值和透明度；使用新顶点更新缓冲区对象内存；
获取顶点着色器中顶点坐标的经纬高度坐标,将笛卡尔坐标系下的顶点数据转为经纬度获取数据进行插值渲染；
最后样本按从后到前的顺序排序，并迭代计算累积的颜色和不透明度，合成过程：
；
其中和/>是从分段i沿视线的片元着色阶段获得的颜色和不透明度，并且/>是体积背面的累积颜色。
其中， 获求得到渲染的顶点位置之后，在片元着色器中进行纹理采样和颜色插值，获取纹理坐标的公式如下：
（4）
其中ep2、N、sinTheta、p值大小由以下来源：
float e2 = 2.0 * f - f * f；
float ep2 = (a * a) / (1.0 - e2)；
float p = sqrt(x * x + y * y);
float theta = atan(z * a / (p * ep2))；
float sinTheta = sin(theta)；
float N = a / sqrt(1.0 - e2 * sinTheta * sinTheta)；
其中，a：WGS84的长半轴；f：WGS84的扁率；e2：第一偏心率的平方；ep2：第二偏心率的平方；N：卯酉圈曲率半径；
在本发明中，优化纹理管理以提高纹理下载性能。将数据量巨大的体数据按照自定义规则拆分生成二维图片进行加密存储，同时为了缓解网络传输压力，将数据进一步压缩，以便能在BS端快速传输数据。另一方面加密承载数据的实际含义，只有经过前端按照自定义规则反向解析才重新具有意义，原始数据解析到png文件可以视作数据的加密，在浏览器中对png解析渲染则看看作对数据的解析，只有按照生成png的规则对数据解析，这样解析出的数据才是正确的。
利用片元着色器（着色器是运行在GPU上的程序，为图形渲染管线某个特定部分而运行）对立方体进行渲染，每个像素的颜色计算都可以同时进行，从而充分利用片元的并行计算能力，加快渲染速度。
以上所述，仅为本发明较佳的具体实施方式，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，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (3)

1.一种基于电波、气象云图大数据实现的三维仿真模拟方法，其特征在于，包括以下步骤：
S1：获取离散的原始数据集，所述离散的原始数据集包含若干元素，选取每个元素的经纬度、高度或层级、数值，将原始数据集中所选取的元素构成键值对数据进行表示；
S2：将步骤S1中的键值对数据依据数据特性进行插值；
S3：将插值后的数据按照层级拆分成二维数据集，将该二维数据集按照顺序，拼接成png文件，即用二维图像切片组合成三维体数据集；
S4：将该png文件压缩成WebP格式的压缩数据，或者带有时间维度的多个png文件压缩成WebM格式的压缩数据；
S5：基于Cesium框架对该压缩数据进行渲染；
所述的步骤S3具体为：将插值后的数据处理成维度相同的二维网格数据，并按照层级高度将其拼接成png文件，存储的png文件中每个像素值都存放对应数值；另外，将二维网格数据包含的空间中数值数据的最大值最小值、空间数据的经纬度范围、经纬度网格的大小以及所有的层高数据保存成json文件；
对应数值的具体产生规则如下：温度数值对应R通道，G、B通道设置为0，由于RGB中每个通道的参数都在0到255的范围内，所以使用每个空间位置上的值减去最小值与最大值减去最小值的比后，乘以255取整，等比例获取当前数值上R通道的数值保存，将转换之后的二维网格数据，每个高度或者层级的二维网格数据按照由高到低的顺序排列每个高度的数据，将三维数据转成二维图像，排列组合重新生成png文件；将png文件包括的png的长宽、png长宽上数据的组数H/a和W/b、经纬高度的最大值和最小值、数值的最大值最小值进行解析；其中，W：png文件的长；H：png文件的宽；a：每个高度包含经度的数量；b：每个高度包含纬度的数量；
在所述的步骤S5中，Cesium中使用了WGS84椭球模型来近似地球的形状，在顶点着色器中对输入的顶点数据进行处理和变换，将含经度、纬度和高度的三维向量转换成笛卡尔坐标系下的数据，首先计算出给定经纬度对应的单位长度的方向向量vn，然后将其归一化；
根据椭球的半长轴平方radii_2，即：40680631590769.0,40680631590769.0,40408299984661.445以及方向向量vn，计算出相对于椭球表面的位置向量vk；
通过在方向向量vn和位置向量vk之间计算一个标量gamma，调整位置向量vk的长度，使其与方向向量vn具有相同的长度；将方向向量vn乘以高度值和高度放大系数，得到调整后的高度向量；将位置向量vk和高度向量相加，即可得到笛卡尔坐标系下对应的位置向量；获求得到渲染的顶点位置：获取json文件中的数据，带入以下公式，解析png文件中每个数据的经纬高度：
lng＝(ln gmax-ln gmin)/a*cy+ln gmin
lat＝(latmax-latmin)/b*cx+latmin
height＝(heightmax-heightmin)/(WH/ab)*cz+heightmin (1)
以及各个经纬高度所对应的数值：
V＝(R/255)*(Vmax-Vmin)+Vmin (2)
lng值为当前所求数据经度，ln gmax为原始数据经度最大值，cy为a*b矩形数据框中当前数据所在行，大小取[0,a]；
lat值为当前所求数据纬度，cx为a*b矩形数据框中当前数据所在列，大小取[0,b]；
height为当前数据所在高度，cz为W*H大矩形框中含a*b矩形框的数量，大小取[0,WH/ab]；
V为当前位置的数据值大小，R为png当前位置像素的R通道值的大小；
进行纹理采样和颜色插值，该纹理采样和颜色插值的具体步骤为：获取当前视图方向向量，使用模型视图矩阵将体积边界框顶点转换为视图坐标，通过对每个单位立方体顶点与视图方向向量进行点积来计算单位立方体顶点的最小/最大距离；
获取最小/最大距离之后使用距视图原点的等间距离计算这两个值之间使用的采样平面数，采样距离是根据体素大小和当前采样率计算的；接着计算垂直于视图方向平面的所有可能的交点参数，使用交点参数在观察方向上移动并找到交点，将每个交点添加到临时顶点列表，最多生成六个交集；按指定顺序存储交点以生成三角形图元，再以纹理坐标为媒介，在片元着色器中对色带进行采样取值，得到纹理坐标对应的颜色值和透明度；使用新顶点更新缓冲区对象内存；
获取顶点着色器中顶点坐标的经纬高度坐标,将笛卡尔坐标系下的顶点数据转为经纬度获取数据进行插值渲染；最后样本按从后到前的顺序排序，并迭代计算累积的颜色和不透明度，合成过程：
其中Ci和Ai是从分段i沿视线的片元着色阶段获得的颜色和不透明度，并且是体积背面的累积颜色。
2.根据权利要求1所述的基于电波、气象云图大数据实现的三维仿真模拟方法，其特征在于，在所述的步骤S2中，对于位置数据中为层级数据，为减少数据计算量，将其转换成二维数据，按照每层进行二位插值；对于位置数据中为高度数据的进行三维空间插值；所述的层级数据与高度数据的区分是根据原始数据来区分的。
3.根据权利要求1所述的基于电波、气象云图大数据实现的三维仿真模拟方法，其特征在于，在所述的步骤S4中，png文件通过Pillow库转成WebP格式。
CN202311411474.0A 2023-10-30 2023-10-30 一种基于电波、气象云图大数据实现的三维仿真模拟方法 Active CN117152334B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311411474.0A CN117152334B (zh) 2023-10-30 2023-10-30 一种基于电波、气象云图大数据实现的三维仿真模拟方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311411474.0A CN117152334B (zh) 2023-10-30 2023-10-30 一种基于电波、气象云图大数据实现的三维仿真模拟方法

Publications (2)

Publication Number Publication Date
CN117152334A CN117152334A (zh) 2023-12-01
CN117152334B true CN117152334B (zh) 2024-02-06

Family

ID=88906458

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311411474.0A Active CN117152334B (zh) 2023-10-30 2023-10-30 一种基于电波、气象云图大数据实现的三维仿真模拟方法

Country Status (1)

Country Link
CN (1) CN117152334B (zh)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111652961A (zh) * 2020-07-10 2020-09-11 中国水利水电科学研究院 一种基于gpu的气象数据体绘制方法
CN116660909A (zh) * 2023-05-31 2023-08-29 易天气(北京)科技有限公司 一种气象雷达时空数据的Web环境可视化系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7460117B2 (en) * 2004-05-25 2008-12-02 Siemens Medical Solutions Usa, Inc. Sliding texture volume rendering

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111652961A (zh) * 2020-07-10 2020-09-11 中国水利水电科学研究院 一种基于gpu的气象数据体绘制方法
CN116660909A (zh) * 2023-05-31 2023-08-29 易天气(北京)科技有限公司 一种气象雷达时空数据的Web环境可视化系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Examining the influence of meteorological simulations forced by different initial and boundary conditions in volcanic ash dispersion modelling;Gabriela C. Mulena 等;《ELSEVIER》;全文 *
基于WebGIS的林业生态安全指数三维可视化展示系统的研建;王占越;《中国优秀硕士学位论文全文数据库 农业科技辑(月刊) 》 *

Also Published As

Publication number Publication date
CN117152334A (zh) 2023-12-01

Similar Documents

Publication Publication Date Title
WO2022193941A1 (zh) 图像渲染方法、装置、设备、介质和计算机程序产品
Kaufman et al. Volume graphics
Liang et al. Visualizing 3D atmospheric data with spherical volume texture on virtual globes
US20030001859A1 (en) Interactive horizon mapping
US20050122324A1 (en) Architecture For Real-Time Texture Look-Up's For Volume Rendering
Westerteiger et al. Spherical Terrain Rendering using the hierarchical HEALPix grid
CN115797561A (zh) 三维重建方法、设备及可读存储介质
CN114511659A (zh) 数字地球地形约束下的体绘制渲染优化方法
US20070188492A1 (en) Architecture for real-time texture look-up's for volume rendering
JP2004133550A (ja) 非多様体の陰関数表現方法と陰関数曲面の直接描画方法及びそれらのプログラム
CN117152334B (zh) 一种基于电波、气象云图大数据实现的三维仿真模拟方法
Mady et al. An overview of volume rendering techniques for medical imaging
El Seoud et al. A comprehensive review on volume rendering techniques
Frommholz et al. Inlining 3d reconstruction, multi-source texture mapping and semantic analysis using oblique aerial imagery
Vyatkin et al. Photorealistic imaging of digital terrains, free forms, and thematic textures in real-time visualization system Voxel-Volumes
US20210279958A1 (en) Image generation system and method
Amara et al. A GPU Tile-Load-Map architecture for terrain rendering: theory and applications
González et al. Combining displacement mapping methods on the GPU for real-time terrain visualization
US5821942A (en) Ray tracing through an ordered array
Congote et al. Volume ray casting in WebGL
CN111179398A (zh) 基于3dgis的机动车尾气扩散模拟和体视化方法
Ma et al. Hierarchical octree and sub-volume texture block projection for GPU accelerated ray casting volume rendering
Luo et al. Gpu-based multi-slice per pass algorithm in interactive volume illumination rendering
Dimitrijević et al. High-performance Ellipsoidal Clipmaps
US11954802B2 (en) Method and system for generating polygon meshes approximating surfaces using iteration for mesh vertex positions

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