CN117274527A - 一种发电机设备三维可视化模型数据集构建方法 - Google Patents
一种发电机设备三维可视化模型数据集构建方法 Download PDFInfo
- Publication number
- CN117274527A CN117274527A CN202311073565.8A CN202311073565A CN117274527A CN 117274527 A CN117274527 A CN 117274527A CN 202311073565 A CN202311073565 A CN 202311073565A CN 117274527 A CN117274527 A CN 117274527A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- scanning
- data set
- model
- grid model
- 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
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000012800 visualization Methods 0.000 title claims abstract description 26
- 238000013507 mapping Methods 0.000 claims abstract description 83
- 238000010276 construction Methods 0.000 claims abstract description 11
- 238000012805 post-processing Methods 0.000 claims abstract description 9
- 230000000750 progressive effect Effects 0.000 claims description 20
- 239000000463 material Substances 0.000 claims description 15
- 238000004519 manufacturing process Methods 0.000 claims description 14
- 239000003086 colorant Substances 0.000 claims description 12
- 238000005520 cutting process Methods 0.000 claims description 8
- 238000012545 processing Methods 0.000 claims description 8
- 230000006835 compression Effects 0.000 claims description 5
- 238000007906 compression Methods 0.000 claims description 5
- 238000003708 edge detection Methods 0.000 claims description 5
- 238000004220 aggregation Methods 0.000 claims description 4
- 230000002776 aggregation Effects 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000005286 illumination Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 238000009877 rendering Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000008676 import Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000001502 supplementing effect Effects 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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- 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
- 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
- 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
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明涉及发电机设备三维可视化领域,尤其涉及一种发电机设备三维可视化模型数据集构建方法,包括:搭建硬件系统,利用硬件系统对发电机设备进行密集点云扫描,获得点云扫描数据;对点云扫描数据进行后处理操作,并储存为二进制扫描点云文件;基于二进制扫描点云文件获得高精度网格模型后,建立网格模型数据集和贴图阵列数据集;基于网格模型数据集和贴图阵列数据集构建发电机设备网格模型数据集。本技术方案可准确、真实地再现高端复杂发电机设备网格模型,大大减少建模时间和人力成本,提高模型数据集构建的效率和精度。
Description
技术领域
本发明涉及发电机设备三维可视化领域,尤其涉及一种发电机设备三维可视化模型数据集构建方法。
背景技术
发电机设备制造业是国家安全和国民经济命脉,是保障国家电力能源安全的重要行业之一。发电机设备制造业的数字化、智能化与三维可视化,是提升国家综合国力,节能减排及国家能源转型的重要抓手。
高端复杂发电机设备作为能源行业重要基础装备之一,具有零件数量众多、结构复杂的特点,建立发电机设备三维可视化模型数据集是实现发电机设备三维可视化的关键。
在发电机设备三维可视化模型数据集的构建中,还需要考虑数据的规模和精度。大型设备的三维模型数据量很大,需要考虑如何转换和存储模型数据集。同时,模型的精度也需要满足实际应用的需求,不能过于简化或者过于复杂。因此,发电机设备三维可视化模型数据集的构建需要综合考虑技术、成本、效率和精度等因素,选择合适的建模方法和工具,以满足实际应用的需求。
传统的三维可视化3D建模方法需要参考图纸或CAD实体模型装配体制作,耗时耗力。同时,因硬件设备限制,上述方法建立的复杂高端发电机组可视化3D模型的精度难以满足实际应用的需求。
发明内容
为了解决上述问题,本发明提出一种发电机设备三维可视化模型数据集构建方法,这种方法通过一系列方法构建发电机设备三维可视化模型数据集,可以在展示用硬件设备配置合理的情况下,准确、真实地再现高端复杂发电机设备网格模型,大大减少建模时间和人力成本,提高模型数据集构建的效率和精度。
本发明的技术方案如下:
一种发电机设备三维可视化模型数据集构建方法,包括以下步骤:
S1,基于计算机设备和若干个三维激光密集点云扫描设备搭建硬件系统;
S2,基于硬件系统对所有三维激光密集点云扫描设备进行世界坐标系下的空间坐标校准;
S3,基于硬件系统对发电机设备进行密集点云扫描,获得世界坐标系下的点云扫描数据;
S4,对点云扫描数据进行包括剪裁、去噪和拼接在内的后处理操作,保留点云三维坐标及颜色,并储存为二进制扫描点云文件;
S5,基于二进制扫描点云文件进行网格模型硬表面三维重建,获得高精度网格模型,对高精度网格模型进行多象限UV映射,并基于映射结果获取网格模型数据集和贴图阵列数据集;
S6,将网格模型数据集和贴图阵列数据集进行映射与绑定,完成发电机设备网格模型数据集构建;
S7,根据web端、桌面端和/或移动端的三维可视化引擎的PBR标准着色程序输入协议,对构建的发电机设备网格模型数据集进行适配,形成不同场景。
优选的,所述步骤S1中,搭建硬件系统是使用5G CPE搭建5G高速局域网,并将所有三维激光密集点云扫描设备通过该5G高速局域网接入计算机设备,其中,硬件系统中的三维激光密集点云扫描设备包括有手持式、支架式和无人机式。
优选的,所述步骤S2中,所述空间坐标校准包括以下步骤:
S21,测量待扫描发电机设备的立方体包围盒尺寸,以获取该立方体包围盒的中心,并将该中心作为世界坐标系的原点;
S22,根据待扫描发电机设备结构,结合世界坐标系进行若干个扫描区域划分;
S23根据扫描区域划分区域布设三维激光密集点云扫描设备,基于三维激光密集点云扫描设备所在位置,将各三维激光密集点云扫描设备的内置坐标相对于世界坐标系进行调整,以完成三维激光密集点云扫描设备在计算机设备中的坐标映射与校准。
优选的,所述步骤S3中,获得世界坐标系下的点云扫描数据是利用三维激光密集点云扫描设备对发电机设备进行逆向三维扫描,实时获取发电机设备外形曲面的点云相对位置和顶点法线数据,获得发电机设备外形曲面的精确外形点云,并以点云文件的形式保存在计算机设备中。
优选的,所述步骤S5中,网格模型硬表面三维重建是将二进制点云文件导入逆向工程软件中,基于二进制点云文件逆向建立发电机设备的高精度网格模型。
优选的,所述步骤S5中,多象限UV映射是对高精度网格模型进行UV展开,并利用多象限贴图映射技术,使高精度网格模型相邻表面同时使用多个较低分辨率的纹理贴图进行拼接。
优选的,所述步骤S5中,获取贴图阵列数据集包括:
网格模型特征纹理烘焙:使用特征纹理将二进制扫描点云文件所包含的点云顶点颜色信息通过三平面投影的形式,根据网格模型的UV属性和点云文件顶点法线数据,逐行线扫描地渲染和烘焙为网格模型基色特征纹理和色彩遮罩纹理。
网格模型材质制作:使用基于物理的光照模型金属度/粗糙度工作流程,根据网格模型特征纹理,使用包括边缘检测、水平环境光遮蔽在内的程序化图像处理算法,制作PBR材质贴图,形成网格模型UV属性对应的材质贴图,即多级象限贴图阵列。
多级渐进纹理生成:基于多级象限贴图阵列,对多级象限贴图进行线性过滤和缩减像素采样,形成不同分辨率和细节层次的贴图,即获得多级渐进纹理贴图阵列。
贴图阵列数据集:将多级象限贴图阵列与多级渐进纹理贴图阵列集合在一起,构成贴图阵列数据集。
优选的,所述步骤S5中,获取网格模型数据集是以经过多象限UV映射的高精度网格模型为基础,对高精度网格模型采用包括半边压缩和顶点聚合在内的方法进行轻量化处理,并删除不可见的三角面,生成三级多层次细节代理模型;将高精度网格模型与三级多层次细节代理模型集合在一起,构成网格模型数据集。
优选的,所述步骤S6中,网格模型数据集和贴图阵列数据集的映射与绑定是将高精度网格模型与轻量化的代理模型进行绑定,并给与以多级渐进纹理阵列为输入的材质对象,在发电机设备三维可视化模型的屏占比低于75%时,选择并渲染轻量化代理模型。
本发明所带来的有益的技术效果:
本技术方案提出一种发电机设备三维可视化模型数据集构建方法,针对发电机设备三维模型数据量大的问题,通过建立网格模型数据集和贴图阵列数集,并将网格模型数据集和贴图阵列数据集进行映射与绑定的方式,轻松实现模型数据局的轻松转化和存储。在此过程中,本技术方案对发电机设备的网格模型进行了轻量化处理,生成三级多层次细节代理模型,满足数据的规模和精度要求,可根据模型的屏占比,动态选择不同细节精度的代理模型进行渲染,降低硬件设备的渲染负担,极大程度的减轻工作量。另外,本技术方案对发电机设备的网格模型依次进行了包括多象限UV映射、网格模型特征纹理烘焙、网格模型材质制作在内的操作,最终生成了多级渐进纹理,可实现根据模型的屏占比,着色器动态选择不同细节精度的贴图进行采样,降低硬件设备的IO负担。
附图说明
图1是本发明的硬件系统搭建示意图;
图2是本发明所述的发电机设备三维可视化数据集构建方法流程图。
具体实施方式
为使发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。
因此,以下对在附图中提供的本发明的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例1
本实施例提出一种发电机设备三维可视化模型数据集构建方法,作为本发明一种基本的实施方案,包括以下步骤:
S1,基于计算机设备和若干个三维激光密集点云扫描设备搭建硬件系统;
S2,基于硬件系统对所有三维激光密集点云扫描设备进行世界坐标系下的空间坐标校准;
S3,基于硬件系统对发电机设备进行密集点云扫描,获得世界坐标系下的点云扫描数据;
S4,对点云扫描数据进行包括剪裁、去噪和拼接在内的后处理操作,保留点云三维坐标及颜色,并储存为二进制扫描点云文件;
S5,基于二进制扫描点云文件进行网格模型硬表面三维重建,获得高精度网格模型,对高精度网格模型进行多象限UV映射,并基于映射结果获取网格模型数据集和贴图阵列数据集;
S6,将网格模型数据集和贴图阵列数据集进行映射与绑定,完成发电机设备网格模型数据集构建;
S7,根据web端、桌面端和/或移动端的三维可视化引擎的PBR标准着色程序输入协议,对构建的发电机设备网格模型数据集进行适配,形成不同场景。
实施例2
本实施例提出一种发电机设备三维可视化模型数据集构建方法,作为本发明一种优选的实施方案,包括以下步骤:
S1,基于计算机设备和若干个三维激光密集点云扫描设备搭建硬件系统。具体的,使用5G CPE搭建5G高速局域网,并将所有三维激光密集点云扫描设备通过该5G高速局域网接入计算机设备。该硬件环境具有高带宽、高覆盖范围、高信号稳定性的优势,能够为三维扫描系统的并行扫描提供更好的网络连接质量。进一步的,由于发电机设备体积较大,其位置较低的外形部分可采用支架式扫描设备进行扫描,位置较高的外形部分可采用无人机式扫描设备进行扫描,手持式扫描设备用于对前两者没有扫描清楚的外形进行手动补扫,三者结合使用可最大限度保证扫描的准确性和完整性,综上所述,硬件系统中的三维激光密集点云扫描设备包括有手持式、支架式和无人机式。
S2,基于硬件系统对所有三维激光密集点云扫描设备进行世界坐标系下的空间坐标校准。
S3,基于硬件系统对发电机设备进行密集点云扫描,获得世界坐标系下的点云扫描数据。
S4,对点云扫描数据进行包括剪裁、去噪和拼接在内的后处理操作,保留点云三维坐标及颜色,并储存为二进制扫描点云文件。
S5,基于二进制扫描点云文件进行网格模型硬表面三维重建,获得高精度网格模型,对高精度网格模型进行多象限UV映射,并基于映射结果获取网格模型数据集和贴图阵列数据集。
S6,将网格模型数据集和贴图阵列数据集进行映射与绑定,完成发电机设备网格模型数据集构建。
S7,根据web端、桌面端和/或移动端的三维可视化引擎的PBR标准着色程序输入协议,对构建的发电机设备网格模型数据集进行适配,形成不同场景。
实施例3
本实施例提出一种发电机设备三维可视化模型数据集构建方法,作为本发明一种优选的实施方案,包括以下步骤:
S1,基于计算机设备和若干个三维激光密集点云扫描设备搭建硬件系统。
S2,基于硬件系统对所有三维激光密集点云扫描设备进行世界坐标系下的空间坐标校准。S2,基于硬件系统对所有三维激光密集点云扫描设备进行世界坐标系下的空间坐标校准,包括以下步骤:
S21,测量待扫描发电机设备的立方体包围盒(Bounding Box)尺寸,以获取该立方体包围盒的中心,并将该中心作为世界坐标系的原点;
S22,根据待扫描发电机设备结构,结合世界坐标系进行若干个扫描区域划分;
S23根据扫描区域划分区域布设三维激光密集点云扫描设备,基于三维激光密集点云扫描设备所在位置,将各三维激光密集点云扫描设备的内置坐标相对于世界坐标系进行调整,以完成三维激光密集点云扫描设备在计算机设备中的坐标映射与校准,以保证点云位置的准确。
S3,基于硬件系统对发电机设备进行密集点云扫描,获得世界坐标系下的点云扫描数据。具体是是利用三维激光密集点云扫描设备对发电机设备进行逆向三维扫描,实时获取发电机设备外形曲面的点云相对位置和顶点法线数据,获得发电机设备外形曲面的精确外形点云,并以点云文件的形式保存在计算机设备中。
S4,对点云扫描数据进行包括剪裁、去噪和拼接在内的后处理操作,保留点云三维坐标及颜色,并储存为二进制扫描点云文件。
S5,基于二进制扫描点云文件进行网格模型硬表面三维重建,获得高精度网格模型,对高精度网格模型进行多象限UV映射,并基于映射结果获取网格模型数据集和贴图阵列数据集。
S6,将网格模型数据集和贴图阵列数据集进行映射与绑定,完成发电机设备网格模型数据集构建。
S7,根据web端、桌面端和/或移动端的三维可视化引擎的PBR标准着色程序输入协议,对构建的发电机设备网格模型数据集进行适配,形成不同场景。
实施例4
本实施例提出一种发电机设备三维可视化模型数据集构建方法,作为本发明一种基本的实施方案,包括以下步骤:
S1,基于计算机设备和若干个三维激光密集点云扫描设备搭建硬件系统。
S2,基于硬件系统对所有三维激光密集点云扫描设备进行世界坐标系下的空间坐标校准。
S3,基于硬件系统对发电机设备进行密集点云扫描,获得世界坐标系下的点云扫描数据。
S4,对点云扫描数据进行包括剪裁、去噪和拼接在内的后处理操作,保留点云三维坐标及颜色,并储存为二进制扫描点云文件。
S5,基于二进制扫描点云文件进行网格模型硬表面三维重建,获得高精度网格模型,对高精度网格模型进行多象限UV映射,并基于映射结果获取网格模型数据集和贴图阵列数据集。其中:
网格模型硬表面三维重建是将二进制点云文件导入逆向工程软件中,基于二进制点云文件逆向建立发电机设备的高精度网格模型。其中,逆向是工程名词,主要指逆向工程,逆向工程RE(Reverse Engineering)俗称三维激光扫描抄数,就是利用三维激光扫描仪或者三坐标测量仪对物体表面进行三维扫描或测量,获得物体的三维点数据,再利用逆向工程软件对获得的三维扫描数据进行整理、编辑、获取所需的三维特征曲线,最终通过三维曲面表达出物体的外形,为后续的设计或是加工做准备。
多象限UV映射是对高精度网格模型进行UV展开,并利用多象限贴图映射技术(UDIM),使高精度网格模型相邻表面同时使用多个较低分辨率的纹理贴图进行拼接,实现高分辨率贴图的效果,也便于在后序操作中烘焙出清晰的网格模型特征纹理。具体的:UV是网格模型进行纹理坐标映射(UV Mapping)时使用的坐标系名称,横坐标为U,纵坐标为V,可理解为立体模型的“皮肤”,本领域称之为UV映射、纹理映射或UV ;UV映射就是将二维图像映射数据投影到三维模型的表面以进行纹理映射的3D建模过程。拆分UV时,一般系统只默认一个象限,但一个象限面积有限,在处理较复杂的模型时,无法将所有UV部件都安排在一起,如果将UV部件缩小,就会导致在实际贴图中,每个UV部件分到的贴图像素较少,因此需要多个象限的UV进行拆分,拆分后就能在一张大贴图上画出所有UV贴图。综上所述,多象限UV映射就是将多个复杂的UV部件整合到一张贴图上,尤其适合于复杂模型的使用。
获取网格模型数据集是以经过多象限UV映射后的高精度网格模型为基础,对高精度网格模型采用包括半边压缩(Edge Collapse)和顶点聚合(Vertex Clustering)在内的方法进行轻量化处理,并删除不可见的三角面,生成三级多层次细节代理模型(ProxyMesh),其优点是可根据模型的屏占比,动态选择不同细节精度的代理模型进行渲染,降低硬件设备的渲染负担;将高精度网格模型与三级多层次细节代理模型集合在一起,构成网格模型数据集。综上所述,本技术方案是基于了细节层次(Levelof Detail)技术,当物体在屏幕中显示范围较小的时候,采用低精度的代理模型渲染来替代精度较高的模型,在屏幕渲染光栅化的时候降低DrawCall(CPU调用底层图形绘制接口命令,向GPU发起的一种在屏幕上绘制内容的请求)数量和OverDraw(DrawCall的过度绘制,导致3D画面某一帧图像在屏幕上显示的某个像素或某个部分使用了过多的DrawCall请求进行绘制,而OverDraw会降低GPU的像素填充率)。由于制作低模的工作量是制作单个高模的3倍左右,故在高模制作完成后,再采用半边压缩(Edge Collapse)或顶点聚类(Vertex Clustering)算法生成低模,可极大程度的减少工作量。
获取贴图阵列数据集包括以下步骤:
网格模型特征纹理烘焙:使用特征纹理将二进制扫描点云文件所包含的点云顶点颜色信息通过三平面投影(Tri-Planar Projection)的形式,根据网格模型的UV属性和点云文件顶点法线数据,逐行线扫描地渲染和烘焙为网格模型基色特征纹理和色彩遮罩纹理;
网格模型材质制作:使用基于物理的光照模型(Physically Based Rendering,PBR)金属度/粗糙度工作流程,根据网格模型特征纹理,使用包括边缘检测(Edge Detect)、水平环境光遮蔽(HBAO)在内的程序化图像处理算法,制作PBR材质贴图,形成网格模型UV属性对应的材质贴图,即多级象限贴图阵列;
多级渐进纹理生成:基于多级象限贴图阵列,对多级象限贴图进行线性过滤和缩减像素采样(Downsampling),形成不同分辨率和细节层次的贴图,即获得多级渐进纹理贴图阵列;
贴图阵列数据集:将多级象限贴图阵列与多级渐进纹理贴图阵列集合在一起,构成贴图阵列数据集。
S6,将网格模型数据集和贴图阵列数据集进行映射与绑定,完成发电机设备网格模型数据集构建。
S7,根据web端、桌面端和/或移动端的三维可视化引擎的PBR标准着色程序输入协议,对构建的发电机设备网格模型数据集进行适配,形成不同场景。
实施例5
本实施例提出一种发电机设备三维可视化模型数据集构建方法,作为本发明一种基本的实施方案,包括以下步骤:
S1,基于计算机设备和若干个三维激光密集点云扫描设备搭建硬件系统。
S2,基于硬件系统对所有三维激光密集点云扫描设备进行世界坐标系下的空间坐标校准。
S3,基于硬件系统对发电机设备进行密集点云扫描,获得世界坐标系下的点云扫描数据。
S4,对点云扫描数据进行包括剪裁、去噪和拼接在内的后处理操作,保留点云三维坐标及颜色,并储存为二进制扫描点云文件。
S5,基于二进制扫描点云文件进行网格模型硬表面三维重建,获得高精度网格模型,对高精度网格模型进行多象限UV映射,并基于映射结果获取网格模型数据集和贴图阵列数据集。
S6,将网格模型数据集和贴图阵列数据集进行映射与绑定,完成发电机设备网格模型数据集构建,具体是将高精度网格模型与轻量化的代理模型进行绑定,并给与以多级渐进纹理阵列为输入的材质对象,以便于在发电机设备三维可视化模型的屏占比低于75%时,选择并渲染轻量化代理模型。
S7,根据web端、桌面端和/或移动端的三维可视化引擎的PBR标准着色程序输入协议,对构建的发电机设备网格模型数据集进行适配,形成不同场景。
实施例6
本实施例提出一种发电机设备三维可视化模型数据集构建方法,作为本发明一种基本的实施方案,具体公开其步骤S2中,基于硬件系统对所有三维激光密集点云扫描设备进行世界坐标系下的空间坐标校准的方法,包括以下步骤:
1)如图1所示,根据发电机设备结构布设手持式、支架式和无人机式三维激光密集点云扫描设备;
2)根据发电机设备结构的结构,利用三维扫描仪标定板构建立方体标定物(参考德国标准VDI/VDE 2634 Part2),根据立方体标定物与三维激光密集点云扫描设备的距离位置划出最小包围盒,基于该最小包围盒中心建立坐标系,并指定该坐标系为世界坐标系;
3)所有三维激光密集点云扫描设备分别获取立方体标定物的点云,通过位置关系完成三维激光密集点云扫描设备到世界坐标系的转换。具体的,令三维激光密集点云扫描设备内置坐标系的坐标为(,/>,/>),其对应世界坐标系中的坐标为(/>,/>,/>),则三维激光密集点云扫描设备坐标系与世界坐标系具有以下关系:/>;其中,其中,R为旋转矩阵,表示三维激光密集点云扫描设备在世界坐标系统的旋转量是一个空间角;不同的三维激光密集点云扫描设备坐标,对应不同的旋转矩阵R。
实施例8
本实施例提出一种发电机设备三维可视化模型数据集构建方法,作为本发明一种基本的实施方案,包括以下步骤:
S1,基于计算机设备和若干个三维激光密集点云扫描设备搭建硬件系统。具体的,搭建硬件系统是使用5G CPE搭建5G高速局域网,并将所有三维激光密集点云扫描设备通过该5G高速局域网接入计算机设备,其中,硬件系统中的三维激光密集点云扫描设备包括有手持式、支架式和无人机式。
S2,基于硬件系统对所有三维激光密集点云扫描设备进行世界坐标系下的空间坐标校准。具体的,空间坐标校准包括以下步骤:
S21,测量待扫描发电机设备的立方体包围盒尺寸,以获取该立方体包围盒的中心,并将该中心作为世界坐标系的原点;
S22,根据待扫描发电机设备结构,结合世界坐标系进行若干个扫描区域划分;
S23根据扫描区域划分区域布设三维激光密集点云扫描设备,基于三维激光密集点云扫描设备所在位置,将各三维激光密集点云扫描设备的内置坐标相对于世界坐标系进行调整,以完成三维激光密集点云扫描设备在计算机设备中的坐标映射与校准。
S3,基于硬件系统对发电机设备进行密集点云扫描,获得世界坐标系下的点云扫描数据。其中,获得世界坐标系下的点云扫描数据是利用三维激光密集点云扫描设备对发电机设备进行逆向三维扫描,实时获取发电机设备外形曲面的点云相对位置和顶点法线数据,获得发电机设备外形曲面的精确外形点云,并以点云文件的形式保存在计算机设备中。
S4,对点云扫描数据进行包括剪裁、去噪和拼接在内的后处理操作,保留点云三维坐标及颜色,并储存为二进制扫描点云文件;
S5,基于二进制扫描点云文件进行网格模型硬表面三维重建,获得高精度网格模型,对高精度网格模型进行多象限UV映射,并基于映射结果获取网格模型数据集和贴图阵列数据集。其中:
网格模型硬表面三维重建是将二进制点云文件导入逆向工程软件中,基于二进制点云文件逆向建立发电机设备的高精度网格模型。
多象限UV映射是对高精度网格模型进行UV展开,并利用多象限贴图映射技术,使高精度网格模型相邻表面同时使用多个较低分辨率的纹理贴图进行拼接。
获取贴图阵列数据集包括以下步骤:
网格模型特征纹理烘焙:使用特征纹理将二进制扫描点云文件所包含的点云顶点颜色信息通过三平面投影的形式,根据网格模型的UV属性和点云文件顶点法线数据,逐行线扫描地渲染和烘焙为网格模型基色特征纹理和色彩遮罩纹理;
网格模型材质制作:使用基于物理的光照模型金属度/粗糙度工作流程,根据网格模型特征纹理,使用包括边缘检测、水平环境光遮蔽在内的程序化图像处理算法,制作PBR材质贴图,形成网格模型UV属性对应的材质贴图,即多级象限贴图阵列;
多级渐进纹理生成:基于多级象限贴图阵列,对多级象限贴图进行线性过滤和缩减像素采样,形成不同分辨率和细节层次的贴图,即获得多级渐进纹理贴图阵列;
贴图阵列数据集:将多级象限贴图阵列与多级渐进纹理贴图阵列集合在一起,构成贴图阵列数据集。
获取网格模型数据集是以经过多象限UV映射的高精度网格模型为基础,对高精度网格模型采用包括半边压缩和顶点聚合在内的方法进行轻量化处理,并删除不可见的三角面,生成三级多层次细节代理模型;将高精度网格模型与三级多层次细节代理模型集合在一起,构成网格模型数据集。
S6,将网格模型数据集和贴图阵列数据集进行映射与绑定,完成发电机设备网格模型数据集构建。网格模型数据集和贴图阵列数据集的映射与绑定是将高精度网格模型与轻量化的代理模型进行绑定,并给与以多级渐进纹理阵列为输入的材质对象,在发电机设备三维可视化模型的屏占比低于75%时,选择并渲染轻量化代理模型。
S7,根据web端、桌面端和/或移动端的三维可视化引擎的PBR标准着色程序输入协议,对构建的发电机设备网格模型数据集进行适配,形成不同场景。
Claims (9)
1.一种发电机设备三维可视化模型数据集构建方法,其特征在于,包括以下步骤:
S1,基于计算机设备和若干个三维激光密集点云扫描设备搭建硬件系统;
S2,基于硬件系统对所有三维激光密集点云扫描设备进行世界坐标系下的空间坐标校准;
S3,基于硬件系统对发电机设备进行密集点云扫描,获得世界坐标系下的点云扫描数据;
S4,对点云扫描数据进行包括剪裁、去噪和拼接在内的后处理操作,保留点云三维坐标及颜色,并储存为二进制扫描点云文件;
S5,基于二进制扫描点云文件进行网格模型硬表面三维重建,获得高精度网格模型,对高精度网格模型进行多象限UV映射,并基于映射结果获取网格模型数据集和贴图阵列数据集;
S6,将网格模型数据集和贴图阵列数据集进行映射与绑定,完成发电机设备网格模型数据集构建;
S7,根据web端、桌面端和/或移动端的三维可视化引擎的PBR标准着色程序输入协议,对构建的发电机设备网格模型数据集进行适配,形成不同场景。
2.如权利要求1所述一种发电机设备三维可视化模型数据集构建方法,其特征在于:所述步骤S1中,搭建硬件系统是使用5G CPE搭建5G高速局域网,并将所有三维激光密集点云扫描设备通过该5G高速局域网接入计算机设备,其中,硬件系统中的三维激光密集点云扫描设备包括有手持式、支架式和无人机式。
3.如权利要求1所述一种发电机设备三维可视化模型数据集构建方法,其特征在于,所述步骤S2中,所述空间坐标校准包括以下步骤:
S21,测量待扫描发电机设备的立方体包围盒尺寸,以获取该立方体包围盒的中心,并将该中心作为世界坐标系的原点;
S22,根据待扫描发电机设备结构,结合世界坐标系进行若干个扫描区域划分;
S23根据扫描区域划分区域布设三维激光密集点云扫描设备,基于三维激光密集点云扫描设备所在位置,将各三维激光密集点云扫描设备的内置坐标相对于世界坐标系进行调整,以完成三维激光密集点云扫描设备在计算机设备中的坐标映射与校准。
4.如权利要求1所述一种发电机设备三维可视化模型数据集构建方法,其特征在于,所述步骤S3中,获得世界坐标系下的点云扫描数据是利用三维激光密集点云扫描设备对发电机设备进行逆向三维扫描,实时获取发电机设备外形曲面的点云相对位置和顶点法线数据,获得发电机设备外形曲面的精确外形点云,并以点云文件的形式保存在计算机设备中。
5.如权利要求1所述一种发电机设备三维可视化模型数据集构建方法,其特征在于,所述步骤S5中,网格模型硬表面三维重建是将二进制点云文件导入逆向工程软件中,基于二进制点云文件逆向建立发电机设备的高精度网格模型。
6.如权利要求1所述一种发电机设备三维可视化模型数据集构建方法其特征在于,所述步骤S5中,多象限UV映射是对高精度网格模型进行UV展开,并利用多象限贴图映射技术,使高精度网格模型相邻表面同时使用多个较低分辨率的纹理贴图进行拼接。
7.如权利要求6所述一种发电机设备三维可视化模型数据集构建方法,其特征在于,所述步骤S5中,获取贴图阵列数据集包括以下步骤:
网格模型特征纹理烘焙:使用特征纹理将二进制扫描点云文件所包含的点云顶点颜色信息通过三平面投影的形式,根据网格模型的UV属性和点云文件顶点法线数据,逐行线扫描地渲染和烘焙为网格模型基色特征纹理和色彩遮罩纹理;
网格模型材质制作:使用基于物理的光照模型金属度/粗糙度工作流程,根据网格模型特征纹理,使用包括边缘检测、水平环境光遮蔽在内的程序化图像处理算法,制作PBR材质贴图,形成网格模型UV属性对应的材质贴图,即多级象限贴图阵列;
多级渐进纹理生成:基于多级象限贴图阵列,对多级象限贴图进行线性过滤和缩减像素采样,形成不同分辨率和细节层次的贴图,即获得多级渐进纹理贴图阵列;
贴图阵列数据集:将多级象限贴图阵列与多级渐进纹理贴图阵列集合在一起,构成贴图阵列数据集。
8.如权利要求6所述一种发电机设备三维可视化模型数据集构建方法,其特征在于,所述步骤S5中,获取网格模型数据集是以经过多象限UV映射的高精度网格模型为基础,对高精度网格模型采用包括半边压缩和顶点聚合在内的方法进行轻量化处理,并删除不可见的三角面,生成三级多层次细节代理模型;将高精度网格模型与三级多层次细节代理模型集合在一起,构成网格模型数据集。
9.如权利要求1所述一种发电机设备三维可视化模型数据集构建方法,其特征在于:所述步骤S6中,网格模型数据集和贴图阵列数据集的映射与绑定是将高精度网格模型与轻量化的代理模型进行绑定,并给与以多级渐进纹理阵列为输入的材质对象,在发电机设备三维可视化模型的屏占比低于75%时,选择并渲染轻量化代理模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311073565.8A CN117274527A (zh) | 2023-08-24 | 2023-08-24 | 一种发电机设备三维可视化模型数据集构建方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311073565.8A CN117274527A (zh) | 2023-08-24 | 2023-08-24 | 一种发电机设备三维可视化模型数据集构建方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117274527A true CN117274527A (zh) | 2023-12-22 |
Family
ID=89203427
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311073565.8A Pending CN117274527A (zh) | 2023-08-24 | 2023-08-24 | 一种发电机设备三维可视化模型数据集构建方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117274527A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117745974A (zh) * | 2024-02-19 | 2024-03-22 | 潍坊幻视软件科技有限公司 | 一种动态生成圆角矩形网格的方法 |
CN117745974B (zh) * | 2024-02-19 | 2024-05-10 | 潍坊幻视软件科技有限公司 | 一种动态生成圆角矩形网格的方法 |
-
2023
- 2023-08-24 CN CN202311073565.8A patent/CN117274527A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117745974A (zh) * | 2024-02-19 | 2024-03-22 | 潍坊幻视软件科技有限公司 | 一种动态生成圆角矩形网格的方法 |
CN117745974B (zh) * | 2024-02-19 | 2024-05-10 | 潍坊幻视软件科技有限公司 | 一种动态生成圆角矩形网格的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108648269B (zh) | 三维建筑物模型的单体化方法和系统 | |
CN110827402B (zh) | 一种基于栅格化技术的类建筑物三维模型简化方法及系统 | |
US20230053462A1 (en) | Image rendering method and apparatus, device, medium, and computer program product | |
CN105678683A (zh) | 一种三维模型的二维存储方法 | |
CN104484852A (zh) | 一种点云曲面的复合几何图像表示方法 | |
CN113593051B (zh) | 一种实景可视化方法及大坝可视化方法及计算机设备 | |
CN106991215B (zh) | 一种基于gpu的高精度图形电磁散射计算方法 | |
US20190272347A1 (en) | Scalable and precise fitting of nurbs surfaces to large-size mesh representations | |
Merlo et al. | 3D model visualization enhancements in real-time game engines | |
CN113592711B (zh) | 点云数据不均匀的三维重建方法、系统、设备及存储介质 | |
CN103544731B (zh) | 一种基于多相机的快速反射绘制方法 | |
CN113593027B (zh) | 一种三维航电显控界面装置 | |
US11087511B1 (en) | Automated vectorization of a raster image using a gradient mesh with arbitrary topology | |
JP4198087B2 (ja) | 画像生成装置および画像生成方法 | |
CN113610975A (zh) | 一种准三维地图生成及坐标转换方法 | |
CN116402966A (zh) | 一种三维地形可视化仿真建模方法 | |
US7158131B2 (en) | Implicit function rendering method of nonmanifold, direct drawing method of implicit function curved surface and programs thereof | |
CN116363290A (zh) | 一种用于大规模场景三维重建的纹理贴图生成方法 | |
US10347034B2 (en) | Out-of-core point rendering with dynamic shapes | |
CN117274527A (zh) | 一种发电机设备三维可视化模型数据集构建方法 | |
CN111179398A (zh) | 基于3dgis的机动车尾气扩散模拟和体视化方法 | |
Congote et al. | Volume ray casting in WebGL | |
JP3712015B2 (ja) | 画像作成装置および方法 | |
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 | |
KR101287513B1 (ko) | 3차원 렌더링을 위한 격자 기반의 텍스처 매핑장치 및 방법 |
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 |