CN117473632A - 对建筑信息模型的处理方法、装置、设备及存储介质 - Google Patents
对建筑信息模型的处理方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117473632A CN117473632A CN202311804500.6A CN202311804500A CN117473632A CN 117473632 A CN117473632 A CN 117473632A CN 202311804500 A CN202311804500 A CN 202311804500A CN 117473632 A CN117473632 A CN 117473632A
- Authority
- CN
- China
- Prior art keywords
- model
- file
- grid
- target
- triggering
- 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.)
- Granted
Links
- 238000012545 processing Methods 0.000 title claims abstract description 55
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000003062 neural network model Methods 0.000 claims abstract description 16
- 230000000007 visual effect Effects 0.000 claims abstract description 11
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 238000004590 computer program Methods 0.000 claims description 11
- 239000000463 material Substances 0.000 claims description 11
- 238000013507 mapping Methods 0.000 claims description 7
- 238000010276 construction Methods 0.000 abstract description 8
- 230000001960 triggered effect Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 239000003086 colorant Substances 0.000 description 6
- 238000009877 rendering Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005314 correlation function Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000002372 labelling Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 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
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Hardware Design (AREA)
- Structural Engineering (AREA)
- Computational Mathematics (AREA)
- Civil Engineering (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Architecture (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请公开了一种对建筑信息模型的处理方法、装置、设备及存储介质，所述方法包括：触发虚拟引擎获取从奔特利软件导出的建筑信息模型的模型文件、对模型文件进行预处理得到目标文件、确定预设空间范围内的目标用户，触发虚拟引擎根据训练好的神经网络模型以及目标用户的移动轨迹、手势信息、视角信息和目标用户距离显示屏的距离确定目标观测区域；以及触发虚拟引擎对观测范围中的每个网格生成不同观测精度的多层次细节模型、动态加载和卸载多层次细节模型。基于本申请的方案，能够在虚拟引擎中加载建筑信息模型的模型文件，使得虚拟引擎能够应用于城市建设、建筑、交通运输等项目中。
Description
技术领域
本申请涉及虚拟现实技术领域，具体涉及一种对建筑信息模型的处理方法、装置、设备及存储介质。
背景技术
虚幻引擎（Unreal Engine，UE）是一款强大的游戏引擎软件，提供了丰富的功能和工具，包括图形渲染、物理模拟、动画系统、碰撞检测、脚本支持等，可以帮助开发人员创建高品质、逼真的游戏和应用程序。
建筑信息模型（Building Information Modeling，BIM）是建筑学、工程学及土木工程等领域的工具，奔特利（Bentley）是目前主流的BIM软件，其产生的DGN格式数据文件广泛应用于路桥、工业、地铁等场景的三维模型建设，可满足建造和管理公路、桥梁、机场、摩天大楼、工业厂房、电厂以及公用事业网络等基础设施领域专业人士的需求。
如何在UE中加载DGN格式的BIM数据，使UE应用在城市建设、建筑、交通运输等项目中，是目前亟待解决的技术问题。
发明内容
本申请提供了一种对建筑信息模型的处理方法、装置、设备及存储介质，能够在UE中加载建筑信息模型的模型文件，使UE能够应用于城市建设、建筑、交通运输等项目中。
第一方面，本申请实施例提供了一种对建筑信息模型的处理方法，所述方法包括：
触发虚拟引擎UE获取从奔特利软件导出的建筑信息模型BIM的模型文件，所述模型文件是DGN格式的文件；
触发所述UE根据预设要求，对所述模型文件进行预处理得到目标文件；其中，所述预设要求包括：将所述模型文件中的坐标系转换为2000国家大地坐标系；
触发所述UE读取所述目标文件中的数据，所述目标文件中的数据包括：文件数据和文件信息，所述文件数据包括：所述BIM的几何信息、材质信息和贴图信息；所述文件信息包括：文件版本信息、创建日期和文件大小；
触发所述UE确定预设空间范围内的目标用户；
触发所述UE根据训练好的神经网络模型、以及所述目标用户的移动轨迹、手势信息、视角信息和所述目标用户距离显示屏的距离确定目标观测区域；
触发所述UE根据所述目标文件的数据对观测范围中的每个网格生成不同观测精度的多层次细节LOD模型；
触发所述UE动态加载和卸载LOD模型，使观测范围中的每个网格被观测到的LOD模型的精度与所述目标观测区域和所述目标用户距离显示屏的距离匹配。
在另一种可能的实现方式中，所述使观测范围中的每个网格被观测到的LOD模型的精度与所述目标观测区域和所述目标用户距离显示屏的距离匹配，包括：使所述目标观测区域中的网格被观测到的LOD模型的观测精度大于非所述目标观测区域中的网格被观测到的LOD模型的观测精度；观测范围中的每个网格被观测到的LOD模型的精度与所述目标用户距离显示屏的距离成反比。
在另一种可能的实现方式中，在触发所述UE根据所述目标文件的数据对观测范围中的每个网格生成不同观测精度的多层次细节LOD模型之前，所述方法还包括：
将所述观测范围划分为多个网格，所述网格的大小与所述目标用户距离显示屏的距离成正比。
在另一种可能的实现方式中，触发所述UE动态加载和卸载LOD模型，包括：
触发所述UE确定每个网格被观测到的LOD模型的精度，以及触发UE在任一网格i被观测到的LOD模型的精度改变时，对所述网格i加载与所述网格i被确定的LOD模型的精度匹配的LOD模型，以及对所述网格i卸载与所述网格i被确定的LOD模型的精度不匹配的LOD模型。
第二方面，提供了一种对建筑信息模型的处理装置，所述处理装置包括：
获取单元，用于触发虚拟引擎UE获取从奔特利软件导出的建筑信息模型BIM的模型文件，所述模型文件是DGN格式的文件；
预处理单元，用于触发所述UE根据预设要求，对所述模型文件进行预处理得到目标文件；其中，所述预设要求包括：将所述模型文件中的坐标系转换为2000国家大地坐标系；
读取单元，用于触发所述UE读取所述目标文件中的数据，所述目标文件中的数据包括：文件数据和文件信息，所述文件数据包括：所述BIM的几何信息、材质信息和贴图信息；所述文件信息包括：文件版本信息、创建日期和文件大小；
第一确定单元，用于触发所述UE确定预设空间范围内的目标用户；
第二确定单元，用于触发所述UE根据训练好的神经网络模型、以及所述目标用户的移动轨迹、手势信息、视角信息和所述目标用户距离显示屏的距离确定目标观测区域；
生成单元，用于触发所述UE根据所述目标文件的数据对观测范围中的每个网格生成不同观测精度的多层次细节LOD模型；
处理单元，用于触发所述UE动态加载和卸载LOD模型，使观测范围中的每个网格被观测到的LOD模型的精度与所述目标观测区域和所述目标用户距离显示屏的距离匹配。
在另一种可能的实现方式中，在所述使观测范围中的每个网格被观测到的LOD模型的精度与所述目标观测区域和所述目标用户距离显示屏的距离匹配方面，所述处理单元具体用于，触发UE使所述目标观测区域中的网格被观测到的LOD模型的观测精度大于非所述目标观测区域中的网格被观测到的LOD模型的观测精度；以及使观测范围中的每个网格被观测到的LOD模型的精度与所述目标用户距离显示屏的距离成反比。
在另一种可能的实现方式中，所述处理单元还用于，触发所述UE将所述观测范围划分为多个网格，所述网格的大小与所述目标用户距离显示屏的距离成正比。
在另一种可能的实现方式中，在触发所述UE动态加载和卸载LOD模型方面，
所述处理单元具体用于，触发所述UE确定每个网格被观测到的LOD模型的精度，在任一网格i被观测到的LOD模型的精度改变时，对所述网格i加载与所述网格i被确定的LOD模型的精度匹配的LOD模型，以及对所述网格i卸载与所述网格i被确定的LOD模型的精度不匹配的LOD模型。
第三方面，本申请提供了一种处理设备，包括：存储器和处理器，所述存储器存储有所述处理器可执行的计算机程序，所述处理器执行上述第一方面或者第一方面的任一种可能实现方式所述的对建筑信息模型的处理方法。
第四方面，本申请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了计算机程序，当所述计算机程序被处理器执行时，使得处理器执行上述第一方面或者第一方面的任一种可能实现方式所述的对建筑信息模型的处理方法。
在本申请的实施例中，对建筑信息模型进行处理时，先触发UE获取建筑信息模型的模型文件、对模型文件进行预处理、将模型文件转为符合预设要求的目标文件；比如将模型文件中的坐标系转换为2000国家大地坐标系；然后触发UE读取目标文件中的数据，以及确定目标用户；然后触发UE根据训练好的神经网络模型、以及目标用户的移动轨迹、手势信息、视角信息和目标用户距离显示屏的距离确定目标观测区域；触发UE根据目标文件的数据对观测范围中的每个网格生成不同观测精度的多层次细节LOD模型；触发UE动态加载和卸载LOD模型，使观测范围中的每个网格被观测到的LOD模型的精度与目标观测区域和目标用户距离显示屏的距离匹配。这样能够使UE应用于城市建设、建筑、交通运输等项目中。
附图说明
图1是本申请一实施例提供的对建筑信息模型的处理方法的流程示意图；
图2A是本申请一实施例在预设空间范围内标识目标用户的示意图；
图2B是本申请一实施例在预设空间范围内标识目标用户的示意图；
图2C是本申请一实施例在预设空间范围内标识目标用户的示意图；
图2D是本申请一实施例在预设空间范围内标识目标用户的示意图；
图3是本申请另一实施例提供的对建筑信息模型的处理方法的流程示意图；
图4是本申请一实施例提供的一种对建筑信息模型的处理装置的结构示意图；
图5是本申请一实施例提供的处理设备的结构示意图。
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。
UE是由Epic Games开发的一款强大的游戏引擎软件，UE提供了丰富的功能和工具，包括图形渲染、物理模拟、动画系统、碰撞检测、脚本支持等，可以帮助开发人员创建高品质、逼真的游戏和应用程序。
在数字建造基础技术研究、产品应用及软件研发领域，Bentley（奔特利）作为国际主流大型BIM软件，占据核心技术和应用生态的垄断地位。其主要生成DGN格式的数据文件，广泛应用于路桥、工业、地铁等领域的三维建模。
基于UE引擎强大的视觉传达能力、复杂的动画、信息图表、高质量的虚拟沉浸感以及环境的逼真感等优势。如何在UE引擎中更好加载Bentley工程数据，更好应用于城市建设，建筑，交通运输等项目，是目前亟待解决的技术问题。
为了解决上述的技术问题，本申请提供了一种UE对BIM的处理方法，下面结合附图对本申请实施例提供的UE对BIM的处理方法的应用场景进行介绍。
请参见图1，图1本申请一个实施例提供的对建筑信息模型的处理方法的流程示意图。如图1所示，本申请实施例提供的对建筑信息模型的处理方法包括步骤：101至107。下面，对步骤101至107进行详细介绍。
101. 触发虚拟引擎UE获取从奔特利软件导出的建筑信息模型BIM的模型文件，模型文件是DGN格式的文件。
在实际应用中，DGN格式的文件可以是对应公路、桥梁、机场、摩天大楼、工业厂房、电厂或者公用事业网络等场景的文件。
102. 触发UE根据预设要求，对模型文件进行预处理得到目标文件；预设要求包括：将模型文件中的坐标系转换为2000国家大地坐标系。
其中，2000国家大地坐标系（China Geodetic Coordinate System 2000，CGCS2000）是我国当前最新的国家大地坐标系，2000国家大地坐标系的原点为包括海洋和大气的整个地球的质量中心；2000国家大地坐标系的Z轴由原点指向历元2000.0的地球参考极的方向，该历元的指向由国际时间局给定的历元为1984.0的初始指向推算，定向的时间演化保证相对于地壳不产生残余的全球旋转，X轴由原点指向格林尼治参考子午线与地球赤道面（历元2000.0）的交点，Y轴与Z轴、X轴构成右手正交坐标系。
需要说明的是，DGN 模型文件需要符合 UE 引擎的格式要求，如果文件格式不正确，UE将无法加载模型。格式包括模型的坐标，如果BIM的DGN对应的坐标系不是2000国家大地坐标系，先进行坐标系转换，将模型文件中的坐标系转换为2000国家大地坐标系。
103.触发UE读取目标文件中的数据，目标文件中的数据包括：文件数据和文件信息，文件数据包括：BIM的几何信息、材质信息和贴图信息；文件信息包括：文件版本信息、创建日期和文件大小。
在一些可能的实施方式中，可以采用C++读取DGN模型文件数据和文件信息。比如，C++可以使用库来读取DGN模型文件数据和文件信息。具体地，可以先创建数据访问对象(DataAccessObject，ODA)库环境对象，ODA 库是一个开放的应用程序编程接口（Application Programming Interface, API），它提供了一个 C++类层次结构，用于处理DGN 文件。
使用 ODA 库，可以打开 DGN 文件并读取其中的数据。可以使用 ODA 库来遍历文件中的实体，如几何信息，顶点，顶点顺序，法线，材质信息，贴图信息等。ODA库支持的实体包括：二维和三维几何图形、形状、网格、圆锥体、曲面、B样条曲线边界和功能实体、线、弧和椭圆等，以及光源、颜色，其中，颜色包括导入的 DGN 文件中的 RGB 颜色模型（比如255色），还可以包括：逐行倒相（Phase Alteration Line，PAL） 和 MAT 调色板和材质文件中的材质的环境光、漫射和亮度特性、纹理贴图参照文件（包括别名）载入/导出 DGN 和 PRP文件时动态绘制参数化模型、现已转换并在默认情况下显示用于注释和标签的三维文字，三维软件TriForma 中的族、零件和纹理信息，以及 DRV 文件中的 PDS 对象信息等。
除了读取DGN中的数据外，还可以读取 DGN的一些文件信息，DGN文件信息可以包括：“样式”信息，如何对数据进行着色和显示，以及文件版本、创建日期、文件大小等。这些信息可以通过 ODA 库中的相关函数来获取。
104.触发 UE确定预设空间范围内的目标用户。
举例来说，如图2A至图2D所示，在墙壁200上安装有显示屏201，预设空间可以是显示屏201前面一个梯形范围内的区域。可以理解地，预设空间可以根据需要进行设定，这里不做限定，为简单起见，这里以图2A中显示屏201前面对应的一个梯形地面范围内（比如，距离显示屏201前面10米范围内，距离显示屏201左右边缘垂直墙面的方向30度范围内）对应的垂直空间为预设空间。
需要说明的是，目标用户可以是一个人也可以是多个人，如图2A所示，在预设空间范围内只有一个人时，目标用户可以是预设空间范围内标识为202的人202，预设空间外的人不是目标用户。
在一些可能的实现方式中，目标用户可以是预设空间内多个人中的一个人，如图2B中所示的标识为203的人是目标用户。
在一些可能的实现方式中，目标用户可以是预设空间内多个人中的所有人，如图2C中所示的标识为204的人和标识为205的人都是目标用户。
在一些可能的实现方式中，目标用户可以是预设空间内多个人中的一部分人，如图2D中所示的标识为206的人和标识为207的人是目标用户。需要说明的是，可以按照预设的图像识别算法来确定目标用户，可以通过显示屏中的摄像头，或者墙壁上设置的摄像头获取每个人的位置，根据位置来确定目标用户。除了位置以外，还可以结合其他特征，比如根据视角，在某个时间段内，被一半以上的人关注，并且被关注的时长超过预设时长的人可以确定为目标用户（比如在预设空间内有10个人，有一个人被6个人关注的时长超过5秒钟，则可以将这个人确定为目标用户）。
105. 触发UE根据训练好的神经网络模型、以及目标用户的移动轨迹、手势信息、视角信息和目标用户距离显示屏的距离确定目标观测区域。
其中，训练好的神经网络模型是利用样本数据集对神经网络模型进行训练，得到的用于确定目标观测区域的模型。利用训练好的神经网络模型可以根据目标用户的移动轨迹、手势信息、视角信息和目标用户距离显示屏的距离确定目标观测区域。
目标观测区域可以是显示屏中的一个区域，也可以是显示屏中的多个区域，可以根据需要和不同场景确定。
106. 触发UE根据目标文件的数据对观测范围中的每个网格生成不同观测精度的多层次细节LOD模型。
观测范围可以是显示屏对那个的可视区域，可以将观测范围划分为多个网格。
107. 触发UE动态加载和卸载LOD模型，使观测范围中的每个网格被观测到的LOD模型的精度与目标观测区域和所述目标用户距离显示屏的距离匹配。
在一些可能的实现方式中，触发UE将显示屏划分为多个网格，可以设定目标观测区域中的网格被观测到的LOD模型的观测精度大于非目标观测区域中的网格被观测到的LOD模型的观测精度；观测范围中的每个网格被观测到的LOD模型的精度与目标用户距离显示屏的距离成反比。比如目标用户距离显示屏越近，在网格中显示的LOD模型的精度越高。
在一些可能的实现方式中，触发UE动态加载和卸载LOD模型，包括：触发UE根据目标用户距离显示屏的距离确定每个网格被观测到的LOD模型的精度；在任一网格i被观测到的LOD模型的精度改变时，触发UE对网格i加载与网格i被确定的LOD模型的精度匹配的LOD模型，以及触发UE对网格i卸载与网格i被确定的LOD模型的精度不匹配的LOD模型。举例来说，若任一网格i的LOD模型有4个不同精度（第一精度、第二精度、第三精度和第四精度，精度依次降低）的模型，若网格i当前LOD模型的精度是第二精度，若网格i被关注的时长超过预设值（比如10秒），相对于当前显示的LOD模型的精度，在有精度更高的LOD模型时，可以触发UE对网格i加载精度更高的模型，比如可以触发UE对网格i加载第一精度的模型，为了减少渲染可以触发UE卸载网格i当前第二精度的模型。具体可以根据需要和预先设置的规则进行确定。
在本申请的实施例中，对建筑信息模型的处理时，触发UE先进行预处理将模型文件转为符合预设要求的目标文件；比如将模型文件中的坐标系转换为2000国家大地坐标系；然后触发UE读取目标文件中的数据，以及确定目标用户；然后触发UE根据训练好的神经网络模型、以及目标用户的移动轨迹、手势信息、视角信息和目标用户距离显示屏的距离确定目标观测区域；触发UE根据目标文件的数据对观测范围中的每个网格生成不同观测精度的多层次细节LOD模型；触发UE动态加载和卸载LOD模型，使观测范围中的每个网格被观测到的LOD模型的精度与目标观测区域和目标用户距离显示屏的距离匹配。采用该方案能够使UE应用于城市建设、建筑、交通运输等项目中。
请参见图3，图3本申请另一实施例提供的对建筑信息模型的处理方法的流程示意图。如图3所示，本申请实施例提供的对建筑信息模型的处理的方法包括步骤：301至307。下面，对步骤301至307进行详细介绍。
301. 触发虚拟引擎UE获取从奔特利软件导出的建筑信息模型BIM的模型文件，模型文件是DGN格式的文件。
在实际应用中，DGN格式的文件可以是对应公路、桥梁、机场、摩天大楼、工业厂房、电厂或者公用事业网络等场景的文件。
302. 触发UE根据预设要求，对模型文件进行预处理得到目标文件；预设要求包括：将模型文件中的坐标系转换为2000国家大地坐标系。
其中，2000国家大地坐标系是我国当前最新的国家大地坐标系，2000国家大地坐标系的原点为包括海洋和大气的整个地球的质量中心；2000国家大地坐标系的Z轴由原点指向历元2000.0的地球参考极的方向，该历元的指向由国际时间局给定的历元为1984.0的初始指向推算，定向的时间演化保证相对于地壳不产生残余的全球旋转，X轴由原点指向格林尼治参考子午线与地球赤道面（历元2000.0）的交点，Y轴与Z轴、X轴构成右手正交坐标系。
需要说明的是，DGN 模型文件需要符合 UE 引擎的格式要求，如果文件格式不正确，UE将无法加载模型。格式包括模型的坐标，如果BIM的DGN对应的坐标系不是2000国家大地坐标系，先进行坐标系转换，将模型文件中的坐标系转换为2000国家大地坐标系。
303. 触发UE读取目标文件中的数据，目标文件中的数据包括：文件数据和文件信息，文件数据包括：BIM的几何信息、材质信息和贴图信息；文件信息包括：文件版本信息、创建日期和文件大小。
在一些可能的实施方式中，可以采用C++读取DGN模型文件数据和文件信息。比如，C++可以使用库来读取DGN模型文件数据和文件信息。具体地，可以先创建数据访问对象ODA库环境对象，ODA库是一个开放的应用程序编程接口API，它提供了一个 C++类层次结构，用于处理 DGN 文件。
使用 ODA 库，可以打开 DGN 文件并读取其中的数据。可以使用 ODA 库来遍历文件中的实体，如几何信息，顶点，顶点顺序，法线，材质信息，贴图信息等。ODA库支持的实体包括：二维和三维几何图形、形状、网格、圆锥体、曲面、B样条曲线边界和功能实体、线、弧和椭圆等，以及光源、颜色，其中，颜色包括导入的 DGN 文件中的 RGB 颜色模型（比如255色），还可以包括：逐行倒相PAL 和 MAT 调色板和材质文件中的材质的环境光、漫射和亮度特性、纹理贴图参照文件（包括别名）载入/导出 DGN 和 PRP 文件时动态绘制参数化模型、现已转换并在默认情况下显示用于注释和标签的三维文字，三维软件TriForma 中的族、零件和纹理信息，以及 DRV 文件中的 PDS 对象信息等。
除了读取DGN中的数据外，还可以读取 DGN的一些文件信息，DGN文件信息可以包括：“样式”信息，如何对数据进行着色和显示，以及文件版本、创建日期、文件大小等。这些信息可以通过 ODA 库中的相关函数来获取。
304. 触发UE确定预设空间范围内的目标用户。
举例来说，如图2A至图2D所示，在墙壁200上安装有显示屏201，预设空间可以是显示屏201前面一个梯形范围内的区域。可以理解地，预设空间可以根据需要进行设定，这里不做限定，为简单起见，这里以图2A中显示屏201前面对应的一个梯形地面范围内（比如，距离显示屏201前面10米范围内，距离显示屏201左右边缘垂直墙面的方向30度范围内）对应的垂直空间为预设空间。
需要说明的是，目标用户可以是一个人也可以是多个人，如图2A所示，在预设空间范围内只有一个人时，目标用户可以是预设空间范围内标识为202的人202，预设空间外的人不是目标用户。
在一些可能的实现方式中，目标用户可以是预设空间内多个人中的一个人，如图2B中所示的标识为203的人是目标用户。
在一些可能的实现方式中，目标用户可以是预设空间内多个人中的所有人，如图2C中所示的标识为204的人和标识为205的人都是目标用户。
在一些可能的实现方式中，目标用户可以是预设空间内多个人中的一部分人，如图2D中所示的标识为206的人和标识为207的人是目标用户。需要说明的是，可以按照预设的图像识别算法来确定目标用户，可以通过显示屏中的摄像头，或者墙壁上设置的摄像头获取每个人的位置，根据位置来确定目标用户。除了位置以外，还可以结合其他特征，比如根据视角，在某个时间段内，被一半以上的人关注，并且被关注的时长超过预设时长的人可以确定为目标用户（比如在预设空间内有10个人，有一个人被6个人关注的时长超过5秒钟，则可以将这个人确定为目标用户）。
305. 触发UE根据训练好的神经网络模型、以及目标用户的移动轨迹、手势信息、视角信息和目标用户距离显示屏的距离确定目标观测区域。
其中，训练好的神经网络模型可以是利用样本数据集对神经网络模型进行训练，得到的模型。利用训练好的神经网络模型可以根据目标用户的移动轨迹、手势信息、视角信息和目标用户距离显示屏的距离确定目标观测区域。
目标观测区域可以是显示屏中的一个区域，也可以是显示屏中的多个区域，可以根据需要和不同场景确定。
306. 触发UE将观测范围划分为多个网格，网格的大小与目标用户距离显示屏的距离成正比。
观测范围可以是显示屏的显示区域，若网格大小有多种设置规格，目标用户距离显示屏的距离在第一预设距离内时采用第一规格设置网格的大小，在目标用户距离显示屏的距离在第二预设距离内时采用第二规格设置网格的大小，第一预设距离小于第二预设距离，第一规格对应的网格的大小小于第二规格对应的网格的大小。
需要说明的时，显示屏中的所有网格可以为相同大小，在另一些实施方式中显示屏中的网格的大小也可以不完全一样，比如为了观测的更清楚，可以设置目标观测区域内的网格比非目标观测区域内的网格小，以及在目标观测区域内显示清晰度更高的模型。
307. 触发UE根据目标文件的数据对观测范围中的每个网格生成不同观测精度的多层次细节LOD模型。
308. 触发UE动态加载和卸载LOD模型，使观测范围中的每个网格被观测到的LOD模型的精度与目标观测区域和所述目标用户距离显示屏的距离匹配。
在一些可能的实现方式中，目标观测区域中的网格被观测到的LOD模型的观测精度大于非目标观测区域中的网格被观测到的LOD模型的观测精度；观测范围中的每个网格被观测到的LOD模型的精度与目标用户距离显示屏的距离成反比。
在一些可能的实现方式中，触发UE动态加载和卸载LOD模型，包括：触发UE确定每个网格被观测到的LOD模型的精度；在任一网格i被观测到的LOD模型的精度改变时，触发UE对网格i加载与网格i被确定的LOD模型的精度匹配的LOD模型，以及触发UE对网格i卸载与网格i被确定的LOD模型的精度不匹配的LOD模型。举例来说，若任一网格i对那个的LOD模型有4个不同精度（第一精度、第二精度、第三精度、第四精度，精度依次降低）的模型，若网格i当前LOD模型的第二精度，若网格i被关注的时长超过预设值（比如10秒），在有精度更高的LOD模型时，可以触发UE对网格i加载精度更高的模型，比如可以对网格i加载第一精度的模型，为了减少渲染可以触发UE卸载网格i当前第二精度的模型。具体可以根据需要和预先设置的规则进行确定。
上文结合图1至图3，详细介绍了适用于本申请实施例的对建筑信息模型的处理方法、与本申请实施例提供的对建筑信息模型的处理方法相对应的，本申请还提供一种对建筑信息模型的处理装置。
如图4所示，是本申请实施例提供的对建筑信息模型的处理装置的结构示意图。参见图4，对建筑信息模型的处理装置400包括：获取单元401、预处理单元402、读取单元403、第一确定单元404、第二确定单元405、生成单元406和处理单元407。
其中，获取单元401，用于触发虚拟引擎UE获取从奔特利软件导出的建筑信息模型BIM的模型文件，模型文件是DGN格式的文件。预处理单元402，用于触发UE根据预设要求，对模型文件进行预处理得到目标文件；其中，预设要求包括：将模型文件中的坐标系转换为2000国家大地坐标系。读取单元403，用于触发UE读取目标文件中的数据，目标文件中的数据包括：文件数据和文件信息，文件数据包括：BIM的几何信息、材质信息和贴图信息；文件信息包括：文件版本信息、创建日期和文件大小。第一确定单元404，用于触发UE确定预设空间范围内的目标用户。第二确定单元405，用于触发UE根据训练好的神经网络模型、以及目标用户的移动轨迹、手势信息、视角信息和目标用户距离显示屏的距离确定目标观测区域。生成单元406，用于触发UE根据目标文件的数据对观测范围中的每个网格生成不同观测精度的多层次细节LOD模型。处理单元407，用于触发UE动态加载和卸载LOD模型，使观测范围中的每个网格被观测到的LOD模型的精度与目标观测区域和目标用户距离显示屏的距离匹配。
在一些可能的实现方式中，在使观测范围中的每个网格被观测到的LOD模型的精度与目标观测区域和目标用户距离显示屏的距离匹配方面，处理单元具体用于，触发UE使目标观测区域中的网格被观测到的LOD模型的观测精度大于非目标观测区域中的网格被观测到的LOD模型的观测精度；以及使观测范围中的每个网格被观测到的LOD模型的精度与目标用户距离显示屏的距离成反比。
在一些可能的实现方式中，处理单元还用于，触发UE将观测范围划分为多个网格，网格的大小与目标用户距离显示屏的距离成正比。
在一些可能的实现方式中，在UE动态加载和卸载LOD模型方面，处理单元具体用于，触发UE确定每个网格被观测到的LOD模型的精度，在任一网格i被观测到的LOD模型的精度改变时，触发UE对网格i加载与网格i被确定的LOD模型的精度匹配的LOD模型，以及触发UE对网格i卸载与网格i被确定的LOD模型的精度不匹配的LOD模型。
为了简单起见，各单元模块的具体实现方式可以参考前面方法实施例中相关步骤中的描述，这里不再赘述。
需要说明的是，“单元”可以是实现上述功能的软件程序、硬件电路或二者结合。所述硬件电路可能包括应用特有集成电路（application specific integrated circuit，ASIC）、电子电路、用于执行一个或多个软件或固件程序的处理器（例如共享处理器、专有处理器或组处理器等）和存储器、合并逻辑电路和/或其它支持所描述的功能的合适组件。
因此，在本申请的实施例中描述的各示例的单元，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
与本申请实施例提供的UE对BIM的处理方法相对应，本申请还提供一种处理设备，如图5所示，处理设备500包括：存储器501和处理器502。存储器501存储有处理器502可执行的计算机程序，处理器502执行计算机程序时实现上述任一方法实施例所述的对建筑信息模型的处理方法。
本申请还提供了一种计算机程序产品，该计算机程序产品被处理器502执行时实现本申请中任一方法实施例所述的对建筑信息模型的处理方法。该计算机程序产品可以存储在存储器501中。
本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被计算机执行时实现本申请中任一方法实施例所述的对建筑信息模型的处理方法。该计算机程序可以是高级语言程序，也可以是可执行目标程序。
该计算机可读存储介质可以是易失性存储器或非易失性存储器。其中，非易失性存储器可以是只读存储器（read-only memory，ROM）、可编程只读存储器（programmableROM，PROM）、可擦除可编程只读存储器（erasable PROM，EPROM）、电可擦除可编程只读存储器（electrically EPROM，EEPROM）或闪存。易失性存储器可以是随机存取存储器（randomaccess memory，RAM），其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器（static RAM，SRAM）、动态随机存取存储器（dynamicRAM，DRAM）、同步动态随机存取存储器（synchronous DRAM，SDRAM）、双倍数据速率同步动态随机存取存储器（double data rate SDRAM，DDR SDRAM）、增强型同步动态随机存取存储器（enhanced SDRAM，ESDRAM）、同步连接动态随机存取存储器（synchlink DRAM，SLDRAM）和直接内存总线随机存取存储器（direct rambus RAM，DR RAM）。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的方法和终端设备，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (10)
1.一种对建筑信息模型的处理方法，其特征在于，所述方法包括：
触发虚拟引擎获取从奔特利软件导出的建筑信息模型的模型文件，所述模型文件是DGN格式的文件；
触发所述虚拟引擎根据预设要求，对所述模型文件进行预处理得到目标文件；其中，所述预设要求包括：将所述模型文件中的坐标系转换为2000国家大地坐标系；
触发所述虚拟引擎读取所述目标文件中的数据，所述目标文件中的数据包括：文件数据和文件信息，所述文件数据包括：所述建筑信息模型的几何信息、材质信息和贴图信息；所述文件信息包括：文件版本信息、创建日期和文件大小；
触发所述虚拟引擎确定预设空间范围内的目标用户；
触发所述虚拟引擎根据训练好的神经网络模型、以及所述目标用户的移动轨迹、手势信息、视角信息和所述目标用户距离显示屏的距离确定目标观测区域；
触发所述虚拟引擎根据所述目标文件的数据对观测范围中的每个网格生成不同观测精度的多层次细节模型；
触发所述虚拟引擎动态加载和卸载多层次细节模型，使观测范围中的每个网格被观测到的多层次细节模型的精度与所述目标观测区域和所述目标用户距离显示屏的距离匹配。
2.根据权利要求1所述的方法，其特征在于，所述使观测范围中的每个网格被观测到的多层次细节模型的精度与所述目标观测区域和所述目标用户距离显示屏的距离匹配，包括：
使所述目标观测区域中的网格被观测到的多层次细节模型的观测精度大于非所述目标观测区域中的网格被观测到的多层次细节模型的观测精度；观测范围中的每个网格被观测到的多层次细节模型的精度与所述目标用户距离显示屏的距离成反比。
3.根据权利要求1所述的方法，其特征在于，在触发所述虚拟引擎根据所述目标文件的数据对观测范围中的每个网格生成不同观测精度的多层次细节模型之前，所述方法还包括：
触发所述虚拟引擎将所述观测范围划分为多个网格，所述网格的大小与所述目标用户距离显示屏的距离成正比。
4.根据权利要求1至3任一项所述的方法，其特征在于，触发所述虚拟引起动态加载和卸载多层次细节模型，包括：
确定每个网格被观测到的多层次细节模型的精度；
在任一网格i被观测到的多层次细节模型的精度改变时，对所述网格i加载与所述网格i被确定的多层次细节模型的精度匹配的多层次细节模型，以及对所述网格i卸载与所述网格i被确定的多层次细节模型的精度不匹配的多层次细节模型。
5.一种对建筑信息模型的处理装置，其特征在于，所述处理装置包括：
获取单元，用于触发虚拟引擎获取从奔特利软件导出的建筑信息模型的模型文件，所述模型文件是DGN格式的文件；
预处理单元，用于触发所述虚拟引擎根据预设要求，对所述模型文件进行预处理得到目标文件；其中，所述预设要求包括：将所述模型文件中的坐标系转换为2000国家大地坐标系；
读取单元，用于触发所述虚拟引擎读取所述目标文件中的数据，所述目标文件中的数据包括：文件数据和文件信息，所述文件数据包括：所述建筑信息模型的几何信息、材质信息和贴图信息；所述文件信息包括：文件版本信息、创建日期和文件大小；
第一确定单元，用于触发所述虚拟引擎确定预设空间范围内的目标用户；
第二确定单元，用于触发所述虚拟引擎根据训练好的神经网络模型、以及所述目标用户的移动轨迹、手势信息、视角信息和所述目标用户距离显示屏的距离确定目标观测区域；
生成单元，用于触发所述虚拟引擎根据所述目标文件的数据对观测范围中的每个网格生成不同观测精度的多层次细节模型；
处理单元，用于触发所述虚拟引擎动态加载和卸载多层次细节模型，使观测范围中的每个网格被观测到的多层次细节模型的精度与所述目标观测区域和所述目标用户距离显示屏的距离匹配。
6.根据权利要求5所述的处理装置，其特征在于，在所述使观测范围中的每个网格被观测到的多层次细节模型的精度与所述目标观测区域和所述目标用户距离显示屏的距离匹配方面，所述处理单元具体用于，使所述目标观测区域中的网格被观测到的多层次细节模型的观测精度大于非所述目标观测区域中的网格被观测到的多层次细节模型的观测精度；以及使观测范围中的每个网格被观测到的多层次细节模型的精度与所述目标用户距离显示屏的距离成反比。
7.根据权利要求5所述的处理装置，其特征在于，
所述处理单元还用于，触发所述虚拟引擎将所述观测范围划分为多个网格，所述网格的大小与所述目标用户距离显示屏的距离成正比。
8.根据权利要求5至7任一项所述的处理装置，其特征在于，在触发所述虚拟引擎动态加载和卸载多层次细节模型方面，
所述处理单元具体用于，触发所述虚拟引擎确定每个网格被观测到的多层次细节模型的精度，在任一网格i被观测到的多层次细节模型的精度改变时，对所述网格i加载与所述网格i被确定的多层次细节模型的精度匹配的多层次细节模型，以及对所述网格i卸载与所述网格i被确定的多层次细节模型的精度不匹配的多层次细节模型。
9.一种处理设备，其特征在于，包括：存储器和处理器，所述存储器存储有所述处理器可执行的计算机程序，所述处理器执行所述计算机程序时实现所述权利要求1-4任一项所述的对建筑信息模型的处理方法。
10.一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上存储有计算机程序，所述计算机程序被读取并执行时，实现所述权利要求1-4任一项所述的对建筑信息模型的处理方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311804500.6A CN117473632B (zh) | 2023-12-26 | 2023-12-26 | 对建筑信息模型的处理方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311804500.6A CN117473632B (zh) | 2023-12-26 | 2023-12-26 | 对建筑信息模型的处理方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117473632A true CN117473632A (zh) | 2024-01-30 |
| CN117473632B CN117473632B (zh) | 2024-05-03 |
Family
ID=89638181
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311804500.6A Active CN117473632B (zh) | 2023-12-26 | 2023-12-26 | 对建筑信息模型的处理方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117473632B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107393013A (zh) * | 2017-06-30 | 2017-11-24 | 网易（杭州）网络有限公司 | 虚拟漫游文件生成、显示方法、装置、介质、设备和系统 |
| CN111782585A (zh) * | 2020-06-18 | 2020-10-16 | 万翼科技有限公司 | 建筑信息模型数据处理方法、装置与系统 |
| CN111930694A (zh) * | 2020-07-17 | 2020-11-13 | 万翼科技有限公司 | 电子文件处理方法、电子设备与处理服务器 |
| CN114239261A (zh) * | 2021-12-06 | 2022-03-25 | 清华大学 | 一种建筑信息模型中机电构件连接关系的检查方法和系统 |
| CN117216857A (zh) * | 2023-10-20 | 2023-12-12 | 广西大藤峡水利枢纽开发有限责任公司 | 一种基于虚幻和gis双引擎的数字孪生可视化方法及平台 |
-
2023
- 2023-12-26 CN CN202311804500.6A patent/CN117473632B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107393013A (zh) * | 2017-06-30 | 2017-11-24 | 网易（杭州）网络有限公司 | 虚拟漫游文件生成、显示方法、装置、介质、设备和系统 |
| CN111782585A (zh) * | 2020-06-18 | 2020-10-16 | 万翼科技有限公司 | 建筑信息模型数据处理方法、装置与系统 |
| CN111930694A (zh) * | 2020-07-17 | 2020-11-13 | 万翼科技有限公司 | 电子文件处理方法、电子设备与处理服务器 |
| CN114239261A (zh) * | 2021-12-06 | 2022-03-25 | 清华大学 | 一种建筑信息模型中机电构件连接关系的检查方法和系统 |
| CN117216857A (zh) * | 2023-10-20 | 2023-12-12 | 广西大藤峡水利枢纽开发有限责任公司 | 一种基于虚幻和gis双引擎的数字孪生可视化方法及平台 |
Non-Patent Citations (2)
| Title |
|---|
| WEIGUO XIANG ET AL.: "Research on integration of multi-source BIM models based on GIS platform", 《IEEE》, 16 May 2019 (2019-05-16), pages 1 - 5 * |
| 周文婷: "基于Unreal Engine4平台的大地形建模方法研究", 《资源信息与工程》, 15 October 2018 (2018-10-15), pages 207 - 208 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117473632B (zh) | 2024-05-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11042278B2 (en) | Providing graphical indication of label boundaries in digital maps | |
| Albourae et al. | Architectural heritage visualization using interactive technologies | |
| CN112884875A (zh) | 图像渲染方法、装置、计算机设备和存储介质 | |
| McLaren et al. | Visualisation of digital terrain models: techniques and applications | |
| Kolivand et al. | ReVitAge: Realistic virtual heritage taking shadows and sky illumination into account | |
| CN113750516A (zh) | 一种在游戏引擎中实现三维gis数据加载方法、系统及设备 | |
| CN114119853A (zh) | 图像渲染方法、装置、设备和介质 | |
| CN112860839A (zh) | 一种基于Unity3D的水环境质量实时监测方法及装置 | |
| CN115409957A (zh) | 基于虚幻引擎的地图构建方法、电子设备和存储介质 | |
| CN109697755B (zh) | 输电铁塔模型的增强现实显示方法、装置和终端设备 | |
| CN110428504A (zh) | 文本图像合成方法、装置、计算机设备和存储介质 | |
| CN117473632B (zh) | 对建筑信息模型的处理方法、装置、设备及存储介质 | |
| CN113096251A (zh) | 基于cim的模型处理方法、装置、设备及存储介质 | |
| Liu et al. | Conversion of model file information from IFC to GML | |
| Thorne | Origin-centric techniques for optimising scalability and the fidelity of motion, interaction and rendering | |
| CN115409962B (zh) | 虚幻引擎内构建坐标系统的方法、电子设备和存储介质 | |
| US9007374B1 (en) | Selection and thematic highlighting using terrain textures | |
| CN114020390A (zh) | Bim模型显示方法、装置、计算机设备和存储介质 | |
| Tao | A VR/AR-based display system for arts and crafts museum | |
| De Vivo et al. | Occlusion points identification algorithm | |
| US11651557B2 (en) | Systems and methods of using mixed reality for interacting with a display system | |
| CN117368869B (zh) | 雷达三维威力范围的可视化方法、装置、设备及介质 | |
| US20220221975A1 (en) | Systems And Methods Of Using A Digital Twin For Interacting With A City Model | |
| Thöny et al. | Vision paper: The future of scientific terrain visualization | |
| Zhou et al. | Gymnasium simulation design and implementation based on 3D virtual building |
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 |