CN117572996A - 智慧标识的数字孪生展示方法、装置、设备及存储介质 - Google Patents
智慧标识的数字孪生展示方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117572996A CN117572996A CN202410044912.2A CN202410044912A CN117572996A CN 117572996 A CN117572996 A CN 117572996A CN 202410044912 A CN202410044912 A CN 202410044912A CN 117572996 A CN117572996 A CN 117572996A
- Authority
- CN
- China
- Prior art keywords
- event
- data
- target
- trigger
- digital twin
- 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
- 238000000034 method Methods 0.000 title claims abstract description 66
- 230000003993 interaction Effects 0.000 claims abstract description 117
- 238000010276 construction Methods 0.000 claims abstract description 57
- 238000004458 analytical method Methods 0.000 claims abstract description 48
- 238000004088 simulation Methods 0.000 claims abstract description 28
- 230000009471 action Effects 0.000 claims description 44
- 230000007613 environmental effect Effects 0.000 claims description 39
- 238000004140 cleaning Methods 0.000 claims description 36
- 230000000007 visual effect Effects 0.000 claims description 25
- 238000000605 extraction Methods 0.000 claims description 20
- 238000009877 rendering Methods 0.000 claims description 15
- 230000001360 synchronised effect Effects 0.000 claims description 10
- 238000000547 structure data Methods 0.000 claims description 9
- 239000003550 marker Substances 0.000 claims description 8
- 238000012937 correction Methods 0.000 claims description 5
- 238000013506 data mapping Methods 0.000 claims description 5
- 238000012300 Sequence Analysis Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 8
- 230000002452 interceptive effect Effects 0.000 description 21
- 230000008569 process Effects 0.000 description 21
- 238000011161 development Methods 0.000 description 9
- 238000012800 visualization Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000013461 design Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 239000003086 colorant Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000001364 causal effect Effects 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000013450 outlier detection Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000009966 trimming Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
- G06F3/04815—Interaction with a metaphor-based environment or interaction object displayed as three-dimensional, e.g. changing the user viewpoint with respect to the environment or object
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
- G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
- G06F3/04817—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance using icons
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/54—Interprogram communication
- G06F9/542—Event management; Broadcasting; Multicasting; Notifications
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Processing Or Creating Images (AREA)
Abstract
本申请涉及数据处理技术领域,公开了一种智慧标识的数字孪生展示方法、装置、设备及存储介质。包括:对每个触发事件对应的事件关键词集合进行事件触发场景模拟,得到多个模拟触发场景;对每个模拟触发场景进行事件流构建,得到每个触发事件对应的目标事件流,对每个触发事件对应的目标事件流进行三维交互元素匹配,得到三维交互元素集合;通过三维交互元素集合生成三维交互场景,对每个目标数字孪生模型进行智能标识构建,得到多个智能标识;对每个智能标识进行标识放置位置分析,得到每个智能标识在三维交互场景中的位置坐标数据,对多个智能标识进行数字孪生展示,本申请提升了智慧标识的数字孪生展示的效率及准确率。
Description
技术领域
本申请涉及数据处理领域,尤其涉及一种智慧标识的数字孪生展示方法、装置、设备及存储介质。
背景技术
当前,随着物联网和数字化技术的飞速发展,对于实时环境状态监测和数字化建模的需求日益增长。传统的数据采集和处理方法往往难以满足复杂环境下物体的全面感知和准确建模的需求。因此,数字孪生技术应运而生,成为一种强大的工具,能够将现实世界的物体数字化表示,实现虚拟和实际之间的无缝连接。
对于复杂场景下大规模数据的实时采集和处理仍然是一个挑战,尤其是在保证数据质量的同时保持高效性能。其次,数字孪生模型的构建在特定场景下受到数据噪声和缺失的影响,需要更加适应的算法和方法来应对这些情况。最后,对于数字孪生展示的用户体验和交互设计也需要更深入的研究,以确保用户能够直观、高效地与数字化模型进行互动。这些问题需要进一步的研究和技术创新来解决,以推动智慧标识数字孪生展示方法的发展。
发明内容
本申请提供了一种智慧标识的数字孪生展示方法、装置、设备及存储介质,用于提升智慧标识的数字孪生展示的效率及准确率。
第一方面,本申请提供了一种智慧标识的数字孪生展示方法,所述智慧标识的数字孪生展示方法包括:
从预置的多个数据源采集多个目标物体的环境状态信息,并对每个所述目标物体的环境状态信息进行数据清洗,得到多个清洗状态数据;
将多个所述清洗状态数据输入预置的数字孪生体构建模型进行模型构建,得到多个目标数字孪生模型;
对每个所述目标数字孪生模型进行触发事件匹配,得到多个触发事件,并对每个所述触发事件进行事件关键词提取,得到每个所述触发事件对应的事件关键词集合;
对每个所述触发事件对应的事件关键词集合进行事件触发场景模拟,得到多个模拟触发场景;
对每个所述模拟触发场景进行事件流构建,得到每个所述触发事件对应的目标事件流,并对每个所述触发事件对应的目标事件流进行三维交互元素匹配,得到三维交互元素集合;
通过三维交互元素集合生成三维交互场景,并在所述三维交互场景中对每个所述目标数字孪生模型进行智能标识构建,得到多个智能标识;
对每个所述智能标识进行标识放置位置分析,得到每个所述智能标识在所述三维交互场景中的位置坐标数据,并基于每个所述智能标识在所述三维交互场景中的位置坐标数据对多个所述智能标识进行数字孪生展示。
结合第一方面,在本申请第一方面的第一种实现方式中,所述将多个所述清洗状态数据输入预置的数字孪生体构建模型进行模型构建,得到多个目标数字孪生模型,包括:
将多个所述清洗状态数据输入预置的数字孪生体构建模型进行数据同步,得到多个同步状态数据;
分别对每个所述同步状态数据输入所述数字孪生体构建模型进行物体状态特征,得到多个物体状态特征;
将多个所述物体状态特征输入所述数字孪生体构建模型进行环境变量分析,得到每个所述物体状态特征对应的多个环境变量数据;
基于多个所述物体状态在特征,对多个所述环境变量数据进行时空关系分析,得到每个所述环境变量数据对应的时空关系数据;
基于每个所述环境变量数据对应的时空关系数据,对多个所述目标物体进行通用特征构建,得到通用特征集合;
基于所述通用特征集合对多个所述目标物体进行模型构建,得到多个目标数字孪生模型。
结合第一方面,在本申请第一方面的第二种实现方式中,所述对每个所述目标数字孪生模型进行触发事件匹配,得到多个触发事件,并对每个所述触发事件进行事件关键词提取,得到每个所述触发事件对应的事件关键词集合,包括:
基于预置的触发事件规则,对每个所述目标数字孪生模型进行触发事件标识提取,得到多个触发事件标识;
基于每个所述触发事件标识,对每个所述目标数字孪生模型进行触发事件采集,得到多个触发事件;
对每个所述触发事件进行事件描述内容提取,得到每个所述触发事件对应的事件描述内容;
通过每个所述触发事件对应的事件描述内容进行事件关键词提取,得到多个每个所述触发事件对应的事件关键词集合。
结合第一方面,在本申请第一方面的第三种实现方式中,所述对每个所述触发事件对应的事件关键词集合进行事件触发场景模拟,得到多个模拟触发场景,包括:
对每个所述触发事件对应的事件关键词集合进行关键词分类,得到每个所述事件关键词集合的多组子关键词数据;
分别对每个所述事件关键词集合的每组子关键词数据进行关键词关联数据映射,得到每个所述事件关键词集合的关联数据集合;
分别对每个所述事件关键词集合的关联数据集合进行模拟场景元素构建,得到每个所述事件关键词集合对应的场景元素集合;
每个所述事件关键词集合对应的场景元素集合进行元素渲染内容匹配,得到渲染内容数据;
基于所述渲染内容数据,对每个所述触发事件对应的事件关键词集合进行事件触发场景模拟,得到多个模拟触发场景。
结合第一方面,在本申请第一方面的第四种实现方式中,所述对每个所述模拟触发场景进行事件流构建,得到每个所述触发事件对应的目标事件流,并对每个所述触发事件对应的目标事件流进行三维交互元素匹配,得到三维交互元素集合,包括:
对每个所述模拟触发场景进行触发事件标定,得到多个目标触发事件;
对每个所述目标触发事件进行事件动作分析,得到每个所述目标触发事件对应的事件动作集合;
分别对每个所述目标触发事件对应的事件动作集合进行动作时序分析,得到多个动作时序数据;
基于多个所述动作时序数据,对每个所述模拟触发场景进行事件流构建,得到每个所述触发事件对应的目标事件流;
对每个所述触发事件对应的目标事件流进行三维交互元素匹配,得到三维交互元素集合。
结合第一方面,在本申请第一方面的第五种实现方式中,所述对每个所述触发事件对应的目标事件流进行三维交互元素匹配,得到三维交互元素集合,包括:
分别对每个所述触发事件对应的目标事件流进行事件流结构匹配,得到每个所述触发事件对应的目标事件流的事件流结构数据;
基于每个所述触发事件对应的目标事件流的事件流结构数据,分别对每个所述目标事件流进行虚拟对象构建,得到多个虚拟对象;
通过每个所述虚拟对象进行可视化元素构建,得到每个所述虚拟对象的可视化元素集合;
基于每个所述虚拟对象的可视化元素集合,对每个所述触发事件对应的目标事件流进行三维交互元素匹配,得到三维交互元素集合。
结合第一方面,在本申请第一方面的第六种实现方式中,所述对每个所述智能标识进行标识放置位置分析,得到每个所述智能标识在所述三维交互场景中的位置坐标数据,并基于每个所述智能标识在所述三维交互场景中的位置坐标数据对多个所述智能标识进行数字孪生展示,包括:
对每个所述智能标识进行标识类型标定,得到每个所述智能标识对应的标识类型;
基于每个所述智能标识对应的标识类型,对每个所述智能标识进行标识放置位置分析,得到每个智能标识的初始放置位置;
分别对每个所述智能标识进行标识外观轮廓提取,得到每个所述智能标识的标识外观轮廓数据;
基于每个所述智能标识的标识外观轮廓数据,分别对每个所述智能标识进行标识中心点提取,得到每个所述智能标识的标识中心点数据;
基于每个所述智能标识的标识中心点数据,分别对每个智能标识的初始放置位置进行位置修正,得到每个智能标识的目标放置位置;
在所述三维交互场景中,分别对每个智能标识的目标放置位置进行坐标位置提取,得到每个所述智能标识在所述三维交互场景中的位置坐标数据;
基于每个所述智能标识在所述三维交互场景中的位置坐标数据对多个所述智能标识进行数字孪生展示。
第二方面,本申请提供了一种智慧标识的数字孪生展示装置,所述智慧标识的数字孪生展示装置包括:
采集模块,用于从预置的多个数据源采集多个目标物体的环境状态信息,并对每个所述目标物体的环境状态信息进行数据清洗,得到多个清洗状态数据;
构建模块,用于将多个所述清洗状态数据输入预置的数字孪生体构建模型进行模型构建,得到多个目标数字孪生模型;
提取模块,用于对每个所述目标数字孪生模型进行触发事件匹配,得到多个触发事件,并对每个所述触发事件进行事件关键词提取,得到每个所述触发事件对应的事件关键词集合;
模拟模块,用于对每个所述触发事件对应的事件关键词集合进行事件触发场景模拟,得到多个模拟触发场景;
匹配模块,用于对每个所述模拟触发场景进行事件流构建,得到每个所述触发事件对应的目标事件流,并对每个所述触发事件对应的目标事件流进行三维交互元素匹配,得到三维交互元素集合;
生成模块,用于通过三维交互元素集合生成三维交互场景,并在所述三维交互场景中对每个所述目标数字孪生模型进行智能标识构建,得到多个智能标识;
分析模块,用于对每个所述智能标识进行标识放置位置分析,得到每个所述智能标识在所述三维交互场景中的位置坐标数据,并基于每个所述智能标识在所述三维交互场景中的位置坐标数据对多个所述智能标识进行数字孪生展示。
本申请第三方面提供了一种智慧标识的数字孪生展示设备,包括:存储器和至少一个处理器,所述存储器中存储有指令;所述至少一个处理器调用所述存储器中的所述指令,以使得所述智慧标识的数字孪生展示设备执行上述的智慧标识的数字孪生展示方法。
本申请的第四方面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中存储有指令,当其在计算机上运行时,使得计算机执行上述的智慧标识的数字孪生展示方法。
本申请提供的技术方案中,通过从预置的多个数据源采集目标物体的环境状态信息,经过数据清洗得到多个清洗状态数据,随后将这些清洗状态数据输入预置的数字孪生体构建模型进行模型构建,得到多个目标数字孪生模型。对每个目标数字孪生模型进行触发事件匹配,得到多个触发事件,并通过事件关键词提取获得每个触发事件对应的事件关键词集合。在此基础上,对每个触发事件的事件关键词集合进行事件触发场景模拟,得到多个模拟触发场景。通过模拟触发场景进行事件流构建,得到每个触发事件对应的目标事件流,并对目标事件流进行三维交互元素匹配,形成三维交互元素集合。随后,利用这些元素集合生成三维交互场景,并在场景中对每个目标数字孪生模型进行智能标识构建,最终得到多个智能标识。通过对每个智能标识进行标识放置位置分析,得到每个智能标识在三维交互场景中的位置坐标数据,并基于这些数据对多个智能标识进行数字孪生展示。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,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,还可以基于这些附图获得其他的附图。
图1为本申请实施例中智慧标识的数字孪生展示方法的一个实施例示意图;
图2为本申请实施例中智慧标识的数字孪生展示装置的一个实施例示意图。
具体实施方式
本申请实施例提供了一种智慧标识的数字孪生展示方法、装置、设备及存储介质。本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外,术语“包括”或“具有”及其任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
为便于理解,下面对本申请实施例的具体流程进行描述,请参阅图1,本申请实施例中智慧标识的数字孪生展示方法的一个实施例包括:
步骤S101、从预置的多个数据源采集多个目标物体的环境状态信息,并对每个目标物体的环境状态信息进行数据清洗,得到多个清洗状态数据;
可以理解的是,本申请的执行主体可以为智慧标识的数字孪生展示装置,还可以是终端或者服务器,具体此处不做限定。本申请实施例以服务器为执行主体为例进行说明。
具体的,首先,确定哪些数据源能够提供关于目标物体环境状态的有效信息,例如传感器网络、卫星数据、物联网设备等。这些数据源应能够实时或定期收集目标物体的环境参数,如温度、湿度、压力、位置等关键信息。接下来,建立一个稳定且高效的数据收集系统,使用通讯协议和数据传输技术,以确保数据的完整性和实时性。随后,对每个目标物体的环境状态信息进行数据清洗。数据清洗的目的是提高数据质量,通过去除错误、重复或不完整的记录来实现。可以应用多种数据处理技术,如噪声过滤、异常值检测、数据标准化等。例如,可以通过统计分析方法识别并剔除异常值,或者使用数据插值技术填补缺失的数据。数据清洗提高了数据的准确性和可靠性。最终,清洗后的数据将反映出目标物体的准确环境状态,为构建高质量的数字孪生模型提供关键支持。
步骤S102、将多个清洗状态数据输入预置的数字孪生体构建模型进行模型构建,得到多个目标数字孪生模型;
具体的,首先,将经过数据清洗的状态数据输入到预置的数字孪生体构建模型进行数据同步,确保不同数据源的信息能够被准确地对齐和同步,从而得到一组时间和空间上一致的同步状态数据。接下来,分别对每个同步状态数据输入数字孪生体构建模型进行物体状态特征,包括物体的动态位置、运动状态、环境响应等。通过应用数据分析和特征提取技术,以确保每个物体的关键状态特征被精确地捕捉和表征。随后,模型将把这些物体状态特征作为输入,进行环境变量分析,目的是理解和识别每个物体状态特征与其周围环境之间的相互作用和影响。环境变量分析的结果是得到每个物体状态特征对应的多个环境变量数据,这些数据揭示了物体状态与环境条件之间的复杂关系。接着,模型对这些环境变量数据进行时空关系分析,获得物体状态和环境条件在时间和空间上的相互关联和变化规律。时空关系分析的重要性在于它能够帮助构建模型理解物体状态随时间和空间变化的动态特性,从而为构建更加准确和动态的数字孪生模型提供支持。完成时空关系分析后,模型将基于环境变量数据对应的时空关系数据,对目标物体进行通用特征构建,以得到通用特征集合,提炼出能够普遍适用于不同物体和环境的关键特征,这些通用特征是构建高质量数字孪生模型的关键要素。最后,基于这些通用特征集合,对目标物体进行模型构建工作,最终得到一系列既精确又具有代表性的目标数字孪生模型。这些数字孪生模型不仅能够反映每个目标物体的实际状态和特性,还能够在虚拟环境中模拟和预测其未来的状态变化。
步骤S103、对每个目标数字孪生模型进行触发事件匹配,得到多个触发事件,并对每个触发事件进行事件关键词提取,得到每个触发事件对应的事件关键词集合;
具体的,首先,基于预置的触发事件规则,对每个目标数字孪生模型进行触发事件标识的提取。通过定义的规则来识别发生的特定事件,这些规则通常是根据历史数据或行业标准预设的。接下来,基于每个触发事件标识,对目标数字孪生模型进行触发事件采集。这一过程涉及到实时数据流的分析和历史数据的回溯,以确保能够捕捉到与每个触发事件标识相关的具体发生情况。这不仅包括事件的时间和地点,还涉及到事件的严重程度、影响范围及其它相关参数。然后,对每个触发事件进行事件描述内容的提取,将事件的技术参数转化为更易于理解的描述性信息,这有助于后续的关键词提取。事件描述内容的提取通过数据转换和文本生成过程,提供清晰、准确的事件概述。最后,通过每个触发事件对应的事件描述内容进行关键词提取。识别出描述事件最重要和最具代表性的词汇,这些关键词集合有助于后续的事件处理、分析和展示。事件关键词提取会运用自然语言处理技术,如文本挖掘和关键词提取算法,以从文本描述中提炼出核心的概念和术语。
步骤S104、对每个触发事件对应的事件关键词集合进行事件触发场景模拟,得到多个模拟触发场景;
具体的,首先,对每个触发事件对应的事件关键词集合进行关键词分类。关键词分类的目的是将复杂的事件数据细分成更具体、更易于处理的子集。随后,对每组子关键词数据进行关键词关联数据映射,建立关键词之间的联系,从而揭示它们在事件中的相互关系。关键词关联数据映射会利用数据关联技术,例如图论或关联规则挖掘,以构建一个全面的关键词网络。接着,对每个事件关键词集合的关联数据集合进行模拟场景元素的构建,将关键词和关联数据转化为可视化元素,从而形成直观的模拟场景。模拟场景元素构建涉及到3D建模技术和虚拟现实技术,以确保场景的真实感和互动性。随后,对每个场景元素集合进行元素渲染内容的匹配。选择适合的视觉和音频内容,以增强模拟场景的真实性和沉浸感。元素渲染内容的匹配会使用图像处理和音频处理技术,以确保渲染效果与事件的真实情况相符。最后,基于这些渲染内容数据,对每个触发事件对应的事件关键词集合进行事件触发场景模拟,将所有前面步骤的结果综合起来,创造出一个完整、动态且互动的模拟触发场景。
步骤S105、对每个模拟触发场景进行事件流构建,得到每个触发事件对应的目标事件流,并对每个触发事件对应的目标事件流进行三维交互元素匹配,得到三维交互元素集合;
具体的,首先,对每个模拟触发场景进行触发事件的标定,识别和确定在特定场景中发生的关键事件。这种标定工作通常通过分析历史数据或实时监控数据进行预设,以此来获取一系列的目标触发事件。接下来,对于每个识别出的目标触发事件,进行事件动作分析。这个分析过程涉及对事件中的每个动作、反应或变化进行详细审查,从而生成一个包含所有相关动作的集合。这些动作集合不仅包括物理动作,还包括数据变化、系统状态的转换等。接着,对每个事件动作集合进行动作时序分析,帮助服务器理解不同动作之间的时序关系,即哪些动作是先发生的,哪些是随后发生的,以及它们之间存在的因果联系。此时序数据的生成是通过分析动作发生的时间点和持续时间来完成的,这有助于后续构建准确的事件流。基于这些动作时序数据,进一步对每个模拟触发场景进行事件流的构建。通过将动作时序数据整合成一个连贯的流程,形成了一个完整的事件流,它反映了在特定场景中事件发展的整个过程。这个构建的事件流能够清晰地展示事件的起始点、经过的各个阶段,以及最终的结果,为后续的三维交互元素匹配提供了基础。最后,对每个事件流进行三维交互元素的匹配。在三维虚拟环境中为每个事件流选择合适的交互元素,以便用户能够直观地理解和交互。三维交互元素的选择和匹配是基于事件流中的具体内容和逻辑进行的,它旨在提供一种直观、互动的方式来展现复杂的事件流程。通过这种方式,可以将抽象的数据和事件流转化为用户可以直接感知和操作的三维场景,从而提升用户的理解和参与度。
首先,对每个触发事件对应的目标事件流进行事件流结构匹配,解析和理解每个事件流的内部结构,包括事件发生的顺序、持续时间、以及各个事件之间的相互关系。通过这种结构匹配,可以获得关于事件流如何发展和演变的深入见解,进而生成每个触发事件对应的目标事件流的事件流结构数据。接着,基于每个触发事件对应的目标事件流的事件流结构数据,对每个目标事件流进行虚拟对象的构建。将事件流中的每个事件或者事件阶段转化为一个虚拟对象,这些虚拟对象在数字孪生模型中代表现实世界中的物理对象或者事件。通过这种方式,可以将抽象的事件流转化为具体的、可视化的元素。随后,通过每个虚拟对象进行可视化元素的构建,进一步增强虚拟对象的表现力和用户的交互体验。可视化元素包括颜色、形状、纹理、动画等,这些元素不仅使虚拟对象更加生动和直观,而且可以通过视觉线索向用户传达更多信息,如事件的紧急程度、发展趋势等。通过精心设计的可视化元素,可以极大地提升数字孪生模型的可用性和用户体验。最后,基于每个虚拟对象的可视化元素集合,对每个触发事件对应的目标事件流进行三维交互元素的匹配。将前面构建的虚拟对象和可视化元素集成到一个三维交互环境中。在这个环境中,用户不仅可以观察到每个事件流的发展和演变,还可以通过交互元素直接与事件流进行互动,例如通过点击、拖动或缩放来探索不同的事件和阶段。
步骤S106、通过三维交互元素集合生成三维交互场景,并在三维交互场景中对每个目标数字孪生模型进行智能标识构建,得到多个智能标识;
具体的,首先,将设计好的三维交互元素集合综合起来,创建一个完整的三维交互场景,将抽象的数据和模型转化为用户可以直接观察和互动的三维空间。在这个三维空间中,每一个交互元素都不仅代表了特定的数据或模型属性,还通过其在空间中的位置、形状、颜色等特征与用户进行交流。这种三维交互场景的构建需要考虑到用户交互的直观性和易用性,确保用户能够迅速理解场景中的元素及其代表的含义。在创建了这个三维交互场景之后,在场景中对每个目标数字孪生模型进行智能标识的构建。智能标识是指那些能够提供关于数字孪生模型重要信息的标记或符号,例如,它们可以标示出模型的关键部分、显示实时数据、或者提供操作提示等。智能标识的构建不仅需要考虑到标识的信息内容和可视化表现,还需要考虑其与用户交互的方式。例如,一个智能标识在用户接近时显得更加明显,或者当用户点击某个标识时,能够展示更多详细信息。
步骤S107、对每个智能标识进行标识放置位置分析,得到每个智能标识在三维交互场景中的位置坐标数据,并基于每个智能标识在三维交互场景中的位置坐标数据对多个智能标识进行数字孪生展示。
具体的,首先,对每个智能标识进行标识类型的标定,不同类型的标识承载着不同的信息和交互方式,例如,有的标识用于显示实时数据,而有的则用于指示操作流程或警告信息。通过确定每个智能标识的类型,可以为后续的放置位置分析和外观设计提供明确的指导。接下来,基于每个智能标识的类型,对其进行放置位置分析,这一过程涉及到考虑标识的功能、与用户交互的便利性以及在整个三维交互场景中的视觉平衡。确定了每个智能标识的初始放置位置后,接着对每个标识进行外观轮廓的提取。随后,对每个智能标识进行中心点提取,确定标识的几何中心。中心点数据的提取可以基于轮廓数据通过计算几何算法来实现,以确保中心点的准确性和一致性。接着,对每个智能标识的初始放置位置进行修正,根据三维场景的具体布局和用户的视角来微调位置,以确保标识在场景中既容易被用户注意到,又不会干扰场景的整体布局和其他元素的可视性。接下来,在三维交互场景中对每个智能标识的目标放置位置进行坐标位置的提取,确保每个标识都能在三维空间中被准确地定位。这些位置坐标数据是实现精确展示的关键,因为它们直接影响到标识在三维空间中的呈现方式和用户的交互体验。最后,基于每个智能标识在三维交互场景中的位置坐标数据,进行数字孪生展示,这个过程包括将所有标识整合到三维场景中,并确保每个标识都能在其最佳位置呈现,同时与其他元素和场景的整体布局协调一致。通过这样的方法,不仅可以确保每个智能标识都能有效地传达其承载的信息,还能提供一种直观、互动的方式来展现复杂的数据和模型,从而在数字孪生技术的应用中实现高效、直观的信息展示和交互体验。
本申请实施例中,通过从预置的多个数据源采集目标物体的环境状态信息,经过数据清洗得到多个清洗状态数据,随后将这些清洗状态数据输入预置的数字孪生体构建模型进行模型构建,得到多个目标数字孪生模型。对每个目标数字孪生模型进行触发事件匹配,得到多个触发事件,并通过事件关键词提取获得每个触发事件对应的事件关键词集合。在此基础上,对每个触发事件的事件关键词集合进行事件触发场景模拟,得到多个模拟触发场景。通过模拟触发场景进行事件流构建,得到每个触发事件对应的目标事件流,并对目标事件流进行三维交互元素匹配,形成三维交互元素集合。随后,利用这些元素集合生成三维交互场景,并在场景中对每个目标数字孪生模型进行智能标识构建,最终得到多个智能标识。通过对每个智能标识进行标识放置位置分析,得到每个智能标识在三维交互场景中的位置坐标数据,并基于这些数据对多个智能标识进行数字孪生展示。
在一具体实施例中,执行步骤S102的过程可以具体包括如下步骤:
(1)将多个清洗状态数据输入预置的数字孪生体构建模型进行数据同步,得到多个同步状态数据;
(2)分别对每个同步状态数据输入数字孪生体构建模型进行物体状态特征,得到多个物体状态特征;
(3)将多个物体状态特征输入数字孪生体构建模型进行环境变量分析,得到每个物体状态特征对应的多个环境变量数据;
(4)基于多个物体状态在特征,对多个环境变量数据进行时空关系分析,得到每个环境变量数据对应的时空关系数据;
(5)基于每个环境变量数据对应的时空关系数据,对多个目标物体进行通用特征构建,得到通用特征集合;
(6)基于通用特征集合对多个目标物体进行模型构建,得到多个目标数字孪生模型。
具体的,首先,将从不同数据源收集的多个清洗状态数据输入到预置的数字孪生体构建模型中进行数据同步,确保来自不同来源的数据能够在时间和格式上保持一致性,从而为构建高质量的数字孪生模型提供可靠的基础。例如,如果数据源包括卫星遥感数据和地面监测站的数据,同步这些数据就意味着对它们的时间戳进行对齐,并确保数据格式统一,以便于后续处理。接下来,分别对每个同步状态数据输入数字孪生体构建模型进行物体状态特征的提取。使用算法识别和提取每个目标物体的关键状态特征,如温度、压力、位置等。这些特征有助于理解物体的当前状态和行为。接着,将这些特征输入数字孪生体构建模型进行环境变量分析,识别和分析影响目标物体状态的外部环境因素,如温度、湿度、光照等。通过对环境变量的分析,可以更好地理解物体状态变化的外部驱动因素。随后,基于物体状态特征对环境变量数据进行时空关系分析,理解不同环境变量之间以及环境变量与物体状态之间的时空关联性。通过这种分析,可以揭示物体状态变化与环境变量之间的复杂相互作用。之后,基于每个环境变量数据对应的时空关系数据,对多个目标物体进行通用特征的构建。将各种分析结果综合起来,以提取出影响所有目标物体的共有特征或规律,这有助于构建具有普适性的数字孪生模型。最后,基于提取的通用特征集合对多个目标物体进行模型构建,将之前所有步骤的分析结果综合起来,构建出能够准确反映每个目标物体在特定环境条件下行为和状态的数字孪生模型。
在一具体实施例中,执行步骤S103的过程可以具体包括如下步骤:
(1)基于预置的触发事件规则,对每个目标数字孪生模型进行触发事件标识提取,得到多个触发事件标识;
(2)基于每个触发事件标识,对每个目标数字孪生模型进行触发事件采集,得到多个触发事件;
(3)对每个触发事件进行事件描述内容提取,得到每个触发事件对应的事件描述内容;
(4)通过每个触发事件对应的事件描述内容进行事件关键词提取,得到多个每个触发事件对应的事件关键词集合。
具体的,首先,定义一套触发事件规则。这些规则是预设的条件或参数,用于识别和标定那些在数字孪生模型中应被特别关注的事件。例如,这些规则包括特定的参数阈值,状态变化速率或模式的变化等。基于这些规则,能够从模型中提取相应的触发事件标识,这些标识代表了需要进一步分析或响应的事件。接下来,对每个目标数字孪生模型进行触发事件的具体采集。根据提取的事件标识,从数字孪生模型中收集详细的事件数据,包括事件发生的时间、持续时间、影响范围等。例如,如果一个事件标识指示了某个系统的性能突然下降,那么在这一步骤中,需要收集该事件的具体表现,如性能降低的幅度、影响的模块、持续时间等。随后,对每个采集到的触发事件进行事件描述内容的提取,从事件的原始数据中提炼出详细的、可理解的描述信息。这些描述内容能够更直观地反映事件的本质和影响,为后续的分析和响应提供基础。例如,对于一个涉及温度异常上升的事件,描述内容包括温度的具体变化曲线、影响的区域、的原因等。最后,进行事件关键词的提取。从事件的描述中识别和提取关键词或短语,这些关键词或短语能够概括事件的主要特征和影响。通过关键词提取,可以将复杂的事件描述简化为一组核心概念。
在一具体实施例中,执行步骤S104的过程可以具体包括如下步骤:
(1)对每个触发事件对应的事件关键词集合进行关键词分类,得到每个事件关键词集合的多组子关键词数据;
(2)分别对每个事件关键词集合的每组子关键词数据进行关键词关联数据映射,得到每个事件关键词集合的关联数据集合;
(3)分别对每个事件关键词集合的关联数据集合进行模拟场景元素构建,得到每个事件关键词集合对应的场景元素集合;
(4)每个事件关键词集合对应的场景元素集合进行元素渲染内容匹配,得到渲染内容数据;
(5)基于渲染内容数据,对每个触发事件对应的事件关键词集合进行事件触发场景模拟,得到多个模拟触发场景。
具体的,首先,对每个触发事件的关键词集合进行分类。将关键词根据其属性、性质或与事件的关联程度进行分组,以形成多组子关键词数据。接下来,对每组子关键词数据进行关联数据映射,识别不同子关键词组之间的关联性,以及它们与事件本身的联系。通过这种映射,可以构建出一个更加完整和细致的事件视图,其中包含了事件各方面的信息和它们之间的相互关系。接着,基于每个事件关键词集合的关联数据集合,进行模拟场景元素的构建。将关键词和它们的关联数据转化为可视化的场景元素,这些元素能够在模拟场景中直观地展示事件的各个方面。这些场景元素不仅需要反映事件的关键信息,还应该在视觉上易于理解和区分。随后,对每个事件关键词集合对应的场景元素集合进行元素渲染内容匹配,确保场景中的每个元素都能以最适合的方式呈现,包括颜色、大小、纹理等视觉属性的选择,以及它们在场景中的布局,这直接影响了场景的可读性和用户的体验。最后,基于渲染内容数据,对每个触发事件对应的事件关键词集合进行事件触发场景的模拟。将所有准备好的场景元素和它们的渲染内容整合到一个统一的虚拟环境中,以模拟和展示事件的发生和发展过程。这个模拟场景不仅提供了对事件的直观理解,还可以用于探索事件的不同性和结果,为决策提供支持。
在一具体实施例中,执行步骤S105的过程可以具体包括如下步骤:
(1)对每个模拟触发场景进行触发事件标定,得到多个目标触发事件;
(2)对每个目标触发事件进行事件动作分析,得到每个目标触发事件对应的事件动作集合;
(3)分别对每个目标触发事件对应的事件动作集合进行动作时序分析,得到多个动作时序数据;
(4)基于多个动作时序数据,对每个模拟触发场景进行事件流构建,得到每个触发事件对应的目标事件流;
(5)对每个触发事件对应的目标事件流进行三维交互元素匹配,得到三维交互元素集合。
具体的,首先,对每个模拟触发场景进行观察和分析,以标定出多个目标触发事件,准确识别和定义那些在每个场景中关键的事件,这些事件是由特定条件触发的,如参数达到阈值、系统状态发生重要变化等。标定目标触发事件的过程需要对场景中的各种因素进行综合考虑,确保正确地识别出那些对整个系统或过程有重大影响的事件。接下来,对每个事件进行事件动作分析,以得到每个事件对应的事件动作集合。通过深入分析事件中的每一个动作或反应,以理解事件的组成部分和内在机制。例如,对于一个由温度升高触发的事件,事件动作分析包括温度升高的速率、系统的响应、以及随后触发的安全措施等。接着,对每个事件动作集合进行动作时序分析,揭示不同动作之间的时序关系,即哪些动作是先发生的,哪些是后发生的,以及它们之间存在的因果联系。动作时序分析通过考察每个动作的时间点和持续时间来完成。随后,基于动作时序数据,对每个模拟触发场景进行事件流的构建。将动作时序数据整合成一个连贯的流程,形成了反映特定事件发展和演变的完整事件流。这个构建的事件流能够清晰地展示事件的起始点、发展的各个阶段,以及最终的结果,为后续的三维交互元素匹配提供了基础。最后。对每个事件流进行三维交互元素的匹配。为事件流中的每一个阶段或重要动作选择合适的交互元素,以便在三维环境中进行直观的展示。这些交互元素的选择和匹配是基于事件流的具体内容和逻辑进行的,旨在提供一种直观、互动的方式来展现复杂的事件流程。
在一具体实施例中,执行对每个触发事件对应的目标事件流进行三维交互元素匹配步骤的过程可以具体包括如下步骤:
(1)分别对每个触发事件对应的目标事件流进行事件流结构匹配,得到每个触发事件对应的目标事件流的事件流结构数据;
(2)基于每个触发事件对应的目标事件流的事件流结构数据,分别对每个目标事件流进行虚拟对象构建,得到多个虚拟对象;
(3)通过每个虚拟对象进行可视化元素构建,得到每个虚拟对象的可视化元素集合;
(4)基于每个虚拟对象的可视化元素集合,对每个触发事件对应的目标事件流进行三维交互元素匹配,得到三维交互元素集合。
具体的,首先,分别对每个触发事件的目标事件流进行分析和匹配,以确定其结构特征,精确理解事件流的构成,如识别事件的起始点、发展阶段、关键转折点和结束状态等。这种结构匹配的过程是为了从原始的事件数据中提取出一种结构化的表示,从而得到每个事件流的事件流结构数据。这些数据将为后续的虚拟对象构建和可视化提供基础。接着,基于这些数据对每个目标事件流进行虚拟对象的构建。每个事件流中的关键元素、阶段或动作被转化为相应的虚拟对象。这些虚拟对象的设计和构建需要考虑如何有效地在数字空间中表示事件流中的每个重要部分。例如,一个虚拟对象代表一个特定的事件阶段,如系统故障的发生,而另一个对象代表故障后的恢复过程。这些对象的构建涉及到选择合适的形状、大小和其他属性,以确保它们能够直观地表示事件流中的关键部分。接下来,对每个虚拟对象进行可视化元素的构建。为每个虚拟对象选择和设计一系列的可视化元素,如颜色、纹理、标签等,这些元素用于在视觉上增强虚拟对象的表达力。例如,可以通过不同的颜色来区分事件流中的不同阶段,或者使用特定的图标来标示特定类型的事件。这些可视化元素的设计旨在使虚拟对象不仅能够准确地反映事件流的结构和内容,而且在视觉上吸引用户的注意,并促进用户对事件的理解。最后,基于每个虚拟对象的可视化元素集合,进行触发事件对应的目标事件流的三维交互元素匹配。在三维空间中为每个事件流选择和排列适当的交互元素,以便用户可以通过直观的交互方式来探索和理解事件流。在这一步骤中,交互元素的选择和排列不仅要考虑如何准确和有效地展示事件流的结构和内容,还要考虑如何提供一种用户友好的交互体验。例如,可以通过交互式图表、动画序列或者三维模型来展示事件流的不同阶段和关键动作,使用户能够通过点击、拖动或缩放等操作来探索事件的不同方面。通过这个过程,可以将从数字孪生模型中提取的复杂事件数据转化为一系列清晰、有序的虚拟对象,并以直观的三维交互元素呈现出来。这不仅使得从数字孪生模型中提取的数据和事件能够转化为一个直观的三维虚拟场景,而且使得事件的理解更加直观和深入,为进一步的分析和决策提供了有力的支持。
在一具体实施例中,执行步骤S107的过程可以具体包括如下步骤:
(1)对每个智能标识进行标识类型标定,得到每个智能标识对应的标识类型;
(2)基于每个智能标识对应的标识类型,对每个智能标识进行标识放置位置分析,得到每个智能标识的初始放置位置;
(3)分别对每个智能标识进行标识外观轮廓提取,得到每个智能标识的标识外观轮廓数据;
(4)基于每个智能标识的标识外观轮廓数据,分别对每个智能标识进行标识中心点提取,得到每个智能标识的标识中心点数据;
(5)基于每个智能标识的标识中心点数据,分别对每个智能标识的初始放置位置进行位置修正,得到每个智能标识的目标放置位置;
(6)在三维交互场景中,分别对每个智能标识的目标放置位置进行坐标位置提取,得到每个智能标识在三维交互场景中的位置坐标数据;
(7)基于每个智能标识在三维交互场景中的位置坐标数据对多个智能标识进行数字孪生展示。
具体的,首先,对每个智能标识进行标识类型标定,识别和定义每个智能标识的具体类型,这些类型基于标识的功能、内容或使用场景。例如,某些标识用于显示数据,而其他标识用于指示方向或提供操作指南。通过对每个标识进行类型标定,可以更清晰地理解其用途和在整个交互场景中的作用。接下来,基于每个智能标识的类型,进行标识放置位置的分析。考虑标识的视觉效果、用户交互的便利性以及与场景中其他元素的关系。接着,对每个智能标识进行外观轮廓提取,确定每个标识的形状和尺寸,外观轮廓直接影响到标识的视觉表现和空间占用。例如,一个圆形的数据显示标识和一个长方形的操作指南标识,其外观轮廓不同,因此在三维空间中的布局和放置也将不同。接下来,基于每个智能标识的外观轮廓数据,进行标识中心点的提取。中心点的确定对于确保标识在三维空间中的正确放置至关重要。例如,标识的中心点可以用于在后续步骤中精确地定位标识,确保其与场景中的其他元素协调一致。每个标识的中心点数据反映了其在三维空间中的几何中心,这对于后续的位置修正非常有用。然后,基于中心点数据对每个智能标识的初始放置位置进行位置修正。根据三维场景的布局、用户视角以及与其他元素的关系来调整每个标识的位置。例如,为了确保标识在视觉上平衡且不会被其他元素遮挡,需要将某些标识向上或向下移动,或者在水平或垂直方向上进行微调。最后,在三维交互场景中,对每个智能标识的目标放置位置进行坐标位置的提取。这意味着确定每个标识在三维空间中的具体位置,包括其在x、y、z轴上的坐标。这些位置坐标数据是实现精确展示的关键,因为它们直接影响到标识在三维空间中的呈现方式和用户的交互体验。例如,确保每个标识都在用户容易看到且易于互动的位置,可以增强整个三维交互场景的可用性和效果。
上面对本申请实施例中智慧标识的数字孪生展示方法进行了描述,下面对本申请实施例中智慧标识的数字孪生展示装置进行描述,请参阅图2,本申请实施例中智慧标识的数字孪生展示装置一个实施例包括:
采集模块201,用于从预置的多个数据源采集多个目标物体的环境状态信息,并对每个所述目标物体的环境状态信息进行数据清洗,得到多个清洗状态数据;
构建模块202,用于将多个所述清洗状态数据输入预置的数字孪生体构建模型进行模型构建,得到多个目标数字孪生模型;
提取模块203,用于对每个所述目标数字孪生模型进行触发事件匹配,得到多个触发事件,并对每个所述触发事件进行事件关键词提取,得到每个所述触发事件对应的事件关键词集合;
模拟模块204,用于对每个所述触发事件对应的事件关键词集合进行事件触发场景模拟,得到多个模拟触发场景;
匹配模块205,用于对每个所述模拟触发场景进行事件流构建,得到每个所述触发事件对应的目标事件流,并对每个所述触发事件对应的目标事件流进行三维交互元素匹配,得到三维交互元素集合;
生成模块206,用于通过三维交互元素集合生成三维交互场景,并在所述三维交互场景中对每个所述目标数字孪生模型进行智能标识构建,得到多个智能标识;
分析模块207,用于对每个所述智能标识进行标识放置位置分析,得到每个所述智能标识在所述三维交互场景中的位置坐标数据,并基于每个所述智能标识在所述三维交互场景中的位置坐标数据对多个所述智能标识进行数字孪生展示。
通过上述各个组成部分的协同合作,通过从预置的多个数据源采集目标物体的环境状态信息,经过数据清洗得到多个清洗状态数据,随后将这些清洗状态数据输入预置的数字孪生体构建模型进行模型构建,得到多个目标数字孪生模型。对每个目标数字孪生模型进行触发事件匹配,得到多个触发事件,并通过事件关键词提取获得每个触发事件对应的事件关键词集合。在此基础上,对每个触发事件的事件关键词集合进行事件触发场景模拟,得到多个模拟触发场景。通过模拟触发场景进行事件流构建,得到每个触发事件对应的目标事件流,并对目标事件流进行三维交互元素匹配,形成三维交互元素集合。随后,利用这些元素集合生成三维交互场景,并在场景中对每个目标数字孪生模型进行智能标识构建,最终得到多个智能标识。通过对每个智能标识进行标识放置位置分析,得到每个智能标识在三维交互场景中的位置坐标数据,并基于这些数据对多个智能标识进行数字孪生展示。
本申请还提供一种智慧标识的数字孪生展示设备,所述智慧标识的数字孪生展示设备包括存储器和处理器,存储器中存储有计算机可读指令,计算机可读指令被处理器执行时,使得处理器执行上述各实施例中的所述智慧标识的数字孪生展示方法的步骤。
本申请还提供一种计算机可读存储介质,该计算机可读存储介质可以为非易失性计算机可读存储介质,该计算机可读存储介质也可以为易失性计算机可读存储介质,所述计算机可读存储介质中存储有指令,当所述指令在计算机上运行时,使得计算机执行所述智慧标识的数字孪生展示方法的步骤。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,系统和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-only memory,ROM)、随机存取存储器(random acceS memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上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。
Claims (10)
1.一种智慧标识的数字孪生展示方法,其特征在于,所述智慧标识的数字孪生展示方法包括:
从预置的多个数据源采集多个目标物体的环境状态信息,并对每个所述目标物体的环境状态信息进行数据清洗,得到多个清洗状态数据;
将多个所述清洗状态数据输入预置的数字孪生体构建模型进行模型构建,得到多个目标数字孪生模型;
对每个所述目标数字孪生模型进行触发事件匹配,得到多个触发事件,并对每个所述触发事件进行事件关键词提取,得到每个所述触发事件对应的事件关键词集合;
对每个所述触发事件对应的事件关键词集合进行事件触发场景模拟,得到多个模拟触发场景;
对每个所述模拟触发场景进行事件流构建,得到每个所述触发事件对应的目标事件流,并对每个所述触发事件对应的目标事件流进行三维交互元素匹配,得到三维交互元素集合;
通过三维交互元素集合生成三维交互场景,并在所述三维交互场景中对每个所述目标数字孪生模型进行智能标识构建,得到多个智能标识;
对每个所述智能标识进行标识放置位置分析,得到每个所述智能标识在所述三维交互场景中的位置坐标数据,并基于每个所述智能标识在所述三维交互场景中的位置坐标数据对多个所述智能标识进行数字孪生展示。
2.根据权利要求1所述的智慧标识的数字孪生展示方法,其特征在于,所述将多个所述清洗状态数据输入预置的数字孪生体构建模型进行模型构建,得到多个目标数字孪生模型,包括:
将多个所述清洗状态数据输入预置的数字孪生体构建模型进行数据同步,得到多个同步状态数据;
分别对每个所述同步状态数据输入所述数字孪生体构建模型进行物体状态特征,得到多个物体状态特征;
将多个所述物体状态特征输入所述数字孪生体构建模型进行环境变量分析,得到每个所述物体状态特征对应的多个环境变量数据;
基于多个所述物体状态在特征,对多个所述环境变量数据进行时空关系分析,得到每个所述环境变量数据对应的时空关系数据;
基于每个所述环境变量数据对应的时空关系数据,对多个所述目标物体进行通用特征构建,得到通用特征集合;
基于所述通用特征集合对多个所述目标物体进行模型构建,得到多个目标数字孪生模型。
3.根据权利要求1所述的智慧标识的数字孪生展示方法,其特征在于,所述对每个所述目标数字孪生模型进行触发事件匹配,得到多个触发事件,并对每个所述触发事件进行事件关键词提取,得到每个所述触发事件对应的事件关键词集合,包括:
基于预置的触发事件规则,对每个所述目标数字孪生模型进行触发事件标识提取,得到多个触发事件标识;
基于每个所述触发事件标识,对每个所述目标数字孪生模型进行触发事件采集,得到多个触发事件;
对每个所述触发事件进行事件描述内容提取,得到每个所述触发事件对应的事件描述内容;
通过每个所述触发事件对应的事件描述内容进行事件关键词提取,得到多个每个所述触发事件对应的事件关键词集合。
4.根据权利要求1所述的智慧标识的数字孪生展示方法,其特征在于,所述对每个所述触发事件对应的事件关键词集合进行事件触发场景模拟,得到多个模拟触发场景,包括:
对每个所述触发事件对应的事件关键词集合进行关键词分类,得到每个所述事件关键词集合的多组子关键词数据;
分别对每个所述事件关键词集合的每组子关键词数据进行关键词关联数据映射,得到每个所述事件关键词集合的关联数据集合;
分别对每个所述事件关键词集合的关联数据集合进行模拟场景元素构建,得到每个所述事件关键词集合对应的场景元素集合;
每个所述事件关键词集合对应的场景元素集合进行元素渲染内容匹配,得到渲染内容数据;
基于所述渲染内容数据,对每个所述触发事件对应的事件关键词集合进行事件触发场景模拟,得到多个模拟触发场景。
5.根据权利要求1所述的智慧标识的数字孪生展示方法,其特征在于,所述对每个所述模拟触发场景进行事件流构建,得到每个所述触发事件对应的目标事件流,并对每个所述触发事件对应的目标事件流进行三维交互元素匹配,得到三维交互元素集合,包括:
对每个所述模拟触发场景进行触发事件标定,得到多个目标触发事件;
对每个所述目标触发事件进行事件动作分析,得到每个所述目标触发事件对应的事件动作集合;
分别对每个所述目标触发事件对应的事件动作集合进行动作时序分析,得到多个动作时序数据;
基于多个所述动作时序数据,对每个所述模拟触发场景进行事件流构建,得到每个所述触发事件对应的目标事件流;
对每个所述触发事件对应的目标事件流进行三维交互元素匹配,得到三维交互元素集合。
6.根据权利要求5所述的智慧标识的数字孪生展示方法,其特征在于,所述对每个所述触发事件对应的目标事件流进行三维交互元素匹配,得到三维交互元素集合,包括:
分别对每个所述触发事件对应的目标事件流进行事件流结构匹配,得到每个所述触发事件对应的目标事件流的事件流结构数据;
基于每个所述触发事件对应的目标事件流的事件流结构数据,分别对每个所述目标事件流进行虚拟对象构建,得到多个虚拟对象;
通过每个所述虚拟对象进行可视化元素构建,得到每个所述虚拟对象的可视化元素集合;
基于每个所述虚拟对象的可视化元素集合,对每个所述触发事件对应的目标事件流进行三维交互元素匹配,得到三维交互元素集合。
7.根据权利要求1所述的智慧标识的数字孪生展示方法,其特征在于,所述对每个所述智能标识进行标识放置位置分析,得到每个所述智能标识在所述三维交互场景中的位置坐标数据,并基于每个所述智能标识在所述三维交互场景中的位置坐标数据对多个所述智能标识进行数字孪生展示,包括:
对每个所述智能标识进行标识类型标定,得到每个所述智能标识对应的标识类型;
基于每个所述智能标识对应的标识类型,对每个所述智能标识进行标识放置位置分析,得到每个智能标识的初始放置位置;
分别对每个所述智能标识进行标识外观轮廓提取,得到每个所述智能标识的标识外观轮廓数据;
基于每个所述智能标识的标识外观轮廓数据,分别对每个所述智能标识进行标识中心点提取,得到每个所述智能标识的标识中心点数据;
基于每个所述智能标识的标识中心点数据,分别对每个智能标识的初始放置位置进行位置修正,得到每个智能标识的目标放置位置;
在所述三维交互场景中,分别对每个智能标识的目标放置位置进行坐标位置提取,得到每个所述智能标识在所述三维交互场景中的位置坐标数据;
基于每个所述智能标识在所述三维交互场景中的位置坐标数据对多个所述智能标识进行数字孪生展示。
8.一种智慧标识的数字孪生展示装置,其特征在于,所述智慧标识的数字孪生展示装置包括:
采集模块,用于从预置的多个数据源采集多个目标物体的环境状态信息,并对每个所述目标物体的环境状态信息进行数据清洗,得到多个清洗状态数据;
构建模块,用于将多个所述清洗状态数据输入预置的数字孪生体构建模型进行模型构建,得到多个目标数字孪生模型;
提取模块,用于对每个所述目标数字孪生模型进行触发事件匹配,得到多个触发事件,并对每个所述触发事件进行事件关键词提取,得到每个所述触发事件对应的事件关键词集合;
模拟模块,用于对每个所述触发事件对应的事件关键词集合进行事件触发场景模拟,得到多个模拟触发场景;
匹配模块,用于对每个所述模拟触发场景进行事件流构建,得到每个所述触发事件对应的目标事件流,并对每个所述触发事件对应的目标事件流进行三维交互元素匹配,得到三维交互元素集合;
生成模块,用于通过三维交互元素集合生成三维交互场景,并在所述三维交互场景中对每个所述目标数字孪生模型进行智能标识构建,得到多个智能标识;
分析模块,用于对每个所述智能标识进行标识放置位置分析,得到每个所述智能标识在所述三维交互场景中的位置坐标数据,并基于每个所述智能标识在所述三维交互场景中的位置坐标数据对多个所述智能标识进行数字孪生展示。
9.一种智慧标识的数字孪生展示设备,其特征在于,所述智慧标识的数字孪生展示设备包括:存储器和至少一个处理器,所述存储器中存储有指令;
所述至少一个处理器调用所述存储器中的所述指令,以使得所述智慧标识的数字孪生展示设备执行如权利要求1-7中任一项所述的智慧标识的数字孪生展示方法。
10.一种计算机可读存储介质,所述计算机可读存储介质上存储有指令,其特征在于,所述指令被处理器执行时实现如权利要求1-7中任一项所述的智慧标识的数字孪生展示方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410044912.2A CN117572996B (zh) | 2024-01-12 | 2024-01-12 | 智慧标识的数字孪生展示方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410044912.2A CN117572996B (zh) | 2024-01-12 | 2024-01-12 | 智慧标识的数字孪生展示方法、装置、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117572996A true CN117572996A (zh) | 2024-02-20 |
CN117572996B CN117572996B (zh) | 2024-03-26 |
Family
ID=89864588
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410044912.2A Active CN117572996B (zh) | 2024-01-12 | 2024-01-12 | 智慧标识的数字孪生展示方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117572996B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112462696A (zh) * | 2020-08-18 | 2021-03-09 | 江苏大学 | 一种智能制造车间数字孪生模型构建方法与系统 |
CN113064351A (zh) * | 2021-03-26 | 2021-07-02 | 京东数字科技控股股份有限公司 | 数字孪生模型构建方法、装置、存储介质及电子设备 |
CN114357732A (zh) * | 2021-12-17 | 2022-04-15 | 中国电子科技集团公司第三十八研究所 | 电子装备数字孪生模型及其构建方法和应用 |
CN114707315A (zh) * | 2022-03-24 | 2022-07-05 | 西安塔力科技有限公司 | 一种数字孪生场景下辅助模型的创建方法 |
US20230115887A1 (en) * | 2021-05-14 | 2023-04-13 | Gridraster, Inc. | Digital twin sub-millimeter alignment using multimodal 3d deep learning fusion system and method |
-
2024
- 2024-01-12 CN CN202410044912.2A patent/CN117572996B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112462696A (zh) * | 2020-08-18 | 2021-03-09 | 江苏大学 | 一种智能制造车间数字孪生模型构建方法与系统 |
CN113064351A (zh) * | 2021-03-26 | 2021-07-02 | 京东数字科技控股股份有限公司 | 数字孪生模型构建方法、装置、存储介质及电子设备 |
US20230115887A1 (en) * | 2021-05-14 | 2023-04-13 | Gridraster, Inc. | Digital twin sub-millimeter alignment using multimodal 3d deep learning fusion system and method |
CN114357732A (zh) * | 2021-12-17 | 2022-04-15 | 中国电子科技集团公司第三十八研究所 | 电子装备数字孪生模型及其构建方法和应用 |
CN114707315A (zh) * | 2022-03-24 | 2022-07-05 | 西安塔力科技有限公司 | 一种数字孪生场景下辅助模型的创建方法 |
Non-Patent Citations (1)
Title |
---|
葛世荣 等: "数字孪生智采工作面技术架构研究", 煤炭学报, no. 06, 15 June 2020 (2020-06-15), pages 23 - 34 * |
Also Published As
Publication number | Publication date |
---|---|
CN117572996B (zh) | 2024-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Augmented Reality in built environment: Classification and implications for future research | |
US11146460B2 (en) | System and method for generating a network diagram | |
CN105678842A (zh) | 室内环境三维地图制作方法及装置 | |
CN111124567B (zh) | 目标应用的操作录制方法和装置 | |
CN113752264A (zh) | 基于数字孪生的机械臂智能装备控制方法及系统 | |
CN111966068A (zh) | 电机产线增强现实监控方法、装置、电子设备及存储介质 | |
CN108604256B (zh) | 零件信息检索装置、零件信息检索方法以及程序 | |
CN110348109A (zh) | 三维仿真培训数据处理的方法及终端设备 | |
JP4731335B2 (ja) | 組立性評価方法、そのシステム及びプログラム | |
CN112288860A (zh) | 三维组态图设计系统及方法 | |
US8564594B2 (en) | Similar shader search apparatus and method using image feature extraction | |
CN104081347A (zh) | 运算次序的图形表示 | |
CN117572996B (zh) | 智慧标识的数字孪生展示方法、装置、设备及存储介质 | |
CN113312924A (zh) | 一种基于nlp高精解析标签的风险规则分类方法及装置 | |
JP6054532B2 (ja) | データ視覚化の方法及びシステム | |
US9405651B1 (en) | Apparatus and method for processing log file data | |
CN113343409B (zh) | 一种基于虚拟设备的可视化组态方法和装置 | |
JP2010225053A (ja) | 数値解析結果レポート作成方法とシステムおよびプログラム | |
CN115098747A (zh) | 游戏中场景资源的处理方法、装置、可读存储介质和电子装置 | |
CN103425825A (zh) | 基于cad平面设计图的3d超市展示方法 | |
CN114254414A (zh) | 面向数字孪生的旋转机组虚拟现实方法、装置、电子设备 | |
CN113362443A (zh) | 刺绣效果图的生成方法和装置、存储介质、电子设备 | |
CN113926201A (zh) | 外挂识别的方法及装置、电子设备、存储介质 | |
CN111413889A (zh) | 四连杆机构的运动仿真控制方法及装置 | |
CN109445581B (zh) | 基于用户行为分析的大规模场景实时渲染方法 |
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 |