CN117911659A - 一种面向工业元宇宙的可见关联场景图构造方法及系统 - Google Patents
一种面向工业元宇宙的可见关联场景图构造方法及系统 Download PDFInfo
- Publication number
- CN117911659A CN117911659A CN202410018888.5A CN202410018888A CN117911659A CN 117911659 A CN117911659 A CN 117911659A CN 202410018888 A CN202410018888 A CN 202410018888A CN 117911659 A CN117911659 A CN 117911659A
- Authority
- CN
- China
- Prior art keywords
- space
- scene
- voxel
- visible
- component
- 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
- 230000000007 visual effect Effects 0.000 title claims abstract description 60
- 238000010276 construction Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 claims abstract description 32
- 238000010586 diagram Methods 0.000 claims abstract description 25
- 239000000306 component Substances 0.000 claims description 203
- 238000005070 sampling Methods 0.000 claims description 33
- 238000012545 processing Methods 0.000 claims description 26
- 238000004458 analytical method Methods 0.000 claims description 23
- 239000008358 core component Substances 0.000 claims description 15
- 210000001163 endosome Anatomy 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000000605 extraction Methods 0.000 claims description 10
- 230000008030 elimination Effects 0.000 claims description 8
- 238000003379 elimination reaction Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 8
- 238000004140 cleaning Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000002372 labelling Methods 0.000 claims description 2
- 238000000513 principal component analysis Methods 0.000 claims description 2
- 238000005192 partition Methods 0.000 claims 1
- 238000009877 rendering Methods 0.000 abstract description 14
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 3
- 230000000875 corresponding effect Effects 0.000 description 27
- 238000004590 computer program Methods 0.000 description 11
- 238000012856 packing Methods 0.000 description 11
- 238000003860 storage Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 3
- 230000002452 interceptive effect Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005474 detonation Methods 0.000 description 1
- 238000007654 immersion Methods 0.000 description 1
- 238000003064 k means clustering Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Image Generation (AREA)
Abstract
本发明公开一种面向工业元宇宙的可见关联场景图构造方法及系统，涉及元宇宙相关的互联网三维引擎与关键技术领域。本发明着眼于Web端在线展示超大规模场景的技术瓶颈，提出了可见关联图的构造方法，设计了面向Web3D工业元宇宙海量场景的可见关联场景图，提供了可见性驱动的Web3D工业元宇宙的在线调度方法，以解决长期困扰Web3D在线渲染超大规模工业元宇宙场景加载速度慢、实时渲染卡的痛点难题，高效率、低成本地实现了工业元宇宙海量场景的Web3D在线展示。这对Web3D大规模地应用于大型数字孪生工厂、智慧城市等场景具有极大的助力与赋能的作用。
Description
技术领域
本发明涉及元宇宙相关的互联网三维引擎与关键技术领域，特别是涉及一种面向Web3D工业元宇宙的可见关联场景图构造方法及系统。
背景技术
近年来，元宇宙的概念得到了市场的高度关注。大多数人理解的元宇宙是使用数字技术构建的3D沉浸式世界。许多人认为元宇宙会是下一代互联网。元宇宙、数字资产等新概念、新业态一时间引爆全球，备受关注。作为3D技术的网络化延伸，Web3D技术极大地丰富了Web端的信息表达和呈现方法，在增加用户交互性操作和沉浸感体验的同时，提升了物体的展示度，大幅度提高了用户对网络信息获取的体验质量。Web3D技术提供了一种更加轻量便捷的三维对象表示方法，为元宇宙的落地提供了强有力的技术手段和更细致的数据补充，Web3D元宇宙呼之欲出。影响Web3D元宇宙应用的因素可以总结为三点：
第一，数据体量大。Web3D应用通常涉及大规模场景和大量构件。为了减少数据传输量，需要利用服务器端的特征分析和抽取技术，使得基本构件可以从服务器端在网络上传输一次，而在Web端引用多次，降低数据量却不降低数据的精度。所以，首先需要对场景进行特征分析和抽取，再计算简易遮挡体，将其以细粒度化的实例化信息存储。这是在服务器端降低场景“数据体量”的必要前提。
第二，文件粒度粗。在元宇宙中，一些建筑物模型文件可能会非常庞大，导致传输效率低、存储需求大、网络延迟增加，这会对实时交互性的Web3D应用产生影响。为了解决这个问题，需要提出适用于超大规模场景的索引调度方案，对场景进行细粒度化的调度结构构造和实时管理，并进行细粒度化传输。
第三，渲染效率低。对于Web3D来说，网页浏览器的计算能力和缓存空间都有所不足，场景过大会对浏览器造成沉重负担。当需要渲染的三角面数量达到数百万时，通常的浏览器就会非常卡顿，如果再增加三角面数量甚至可能会导致渲染器崩溃。渲染效率决定了场景漫游过程中的用户观感和体验。所以，需要有一套合适的剔除算法，在渲染前确定哪些是需要渲染的、哪些是不需要渲染的。
由于平台的限制，超大规模场景给Web3D在线展示带来了压力，需要一种适合实时管理超大规模场景的场景图结构。
发明内容
本发明的目的是提供一种面向工业元宇宙的可见关联场景图构造方法及系统，结合整个场景的空间特征，将超大规模场景以场景图的方式组织起来，使其满足在线实时调度的需要，解决了Web3D元宇宙应用的数据体量大、文件粒度粗和渲染效率低的问题，为Web3D超大规模场景在线可视化提供可能。
为实现上述目的，本发明提供了如下方案：
第一方面，本申请提供一种面向工业元宇宙的可见关联场景图构造方法，包括：
对待处理的超大规模三维场景进行空间多粒度体素化，并基于多粒度体素划分空间构建多粒度体素索引树结构，得到所述待处理的超大规模三维场景的场景层；
基于多粒度体素划分空间，对三维场景内的构件进行查重处理并对相似度高于预设值的构件进行去冗处理，得到所述待处理的超大规模三维场景的实例层；
根据多粒度体素索引将三维场景内的构件添加至多粒度体素化划分空间，基于填充后的多粒度体素化划分空间对三维场景空间进行区域级别的划分，并对每一区域的瓦片进行定位，得到所述待处理的超大规模三维场景的区域层和瓦片层；
根据视觉分析对每一区域进行建筑外壳抽取和内体子空间划分，得到所述待处理的超大规模三维场景的每一区域的外体空间层和内体空间层；
对三维场景内的构件进行可见性分析，根据构件的可见性分析结果选取核构件和对应的可见关联构件，并构造所述核构件与对应的所述可见关联构件的可见关联图，得出所述待处理的超大规模三维场景的所述内体子空间的可见关联层；
对三维场景内的构件进行遮挡体计算，得到所述待处理的超大规模三维场景的遮挡体层；所述待处理的超大规模三维场景对应的可见关联场景图包括所述场景层、所述实例层、所述区域层、所述瓦片层、所述外体空间层、所述内体空间层、所述可见关联层和所述遮挡体层。
第二方面，本申请提供一种面向工业元宇宙的可见关联场景图构造系统，包括：
场景层构建模块，用于对待处理的超大规模三维场景进行空间多粒度体素化，并基于多粒度体素划分空间构建多粒度体素索引树结构，得到所述待处理的超大规模三维场景的场景层；
实例层构建模块，用于基于多粒度体素划分空间，对三维场景内的构件进行查重处理并对相似度高于预设值的构件进行去冗处理，得到所述待处理的超大规模三维场景的实例层；
区域层和瓦片层构建模块，用于根据多粒度体素索引将三维场景内的构件添加至多粒度体素化划分空间，基于填充后的多粒度体素化划分空间对三维场景空间进行区域级别的划分，并对每一区域的瓦片进行定位，得到所述待处理的超大规模三维场景的区域层和瓦片层；
外体及内体空间层构建模块，用于根据视觉分析对每一区域进行建筑外壳抽取和内体子空间划分，得到所述待处理的超大规模三维场景的每一区域的外体空间层和内体空间层；
可见关联层构建模块，用于对三维场景内的构件进行可见性分析，根据构件的可见性分析结果选取核构件和对应的可见关联构件，并构造所述核构件与对应的所述可见关联构件的可见关联图，得出所述待处理的超大规模三维场景的所述内体子空间的可见关联层；
遮挡体层构建模块，用于对三维场景内的构件进行遮挡体计算，得到所述待处理的超大规模三维场景的遮挡体层；所述待处理的超大规模三维场景对应的可见关联场景图包括所述场景层、所述实例层、所述区域层、所述瓦片层、所述外体空间层、所述内体空间层、所述可见关联层和所述遮挡体层。
根据本发明提供的具体实施例，本发明公开了以下技术效果：
本发明提供一种面向工业元宇宙的可见关联场景图构造方法及系统，对待处理的超大规模三维场景进行空间多粒度体素化，解决了Web3D元宇宙应用的文件粒度粗的问题；基于多粒度体素划分空间，对三维场景内的构件进行查重处理并对相似度高于预设值的构件进行去冗处理。解决了Web3D元宇宙应用的文件体量大的问题；引入可见关联层的构建和遮挡体的计算，提供了可见性驱动的Web3D工业元宇宙的在线调度方法，以解决长期困扰Web3D在线渲染超大规模工业元宇宙场景加载速度慢、实时渲染卡的痛点难题。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例1提供的一种面向工业元宇宙的可见关联场景图构造方法流程图；
图2为本发明实施例1提供的面向Web3D工业元宇宙的多体素化可见关联场景图结构示意图；
图3为本发明实施例1提供的多粒度体素填充示意图；
图4为本发明实施例1提供的外壳抽取和内体子空间划分示意图；
图5为本发明实施例1提供的可见关联图构造示意图；
图6为本发明实施例1提供的资源管理和资源引用结构示意图；
图7为本发明实施例2提供的一种面向工业元宇宙的可见关联场景图构造方系统框图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明的目的是提供一种面向工业元宇宙的可见关联场景图构造方法及系统，结合整个场景的空间特征，将超大规模场景以场景图的方式组织起来，使其满足在线实时调度的需要，解决了Web3D元宇宙应用的数据体量大、文件粒度粗和渲染效率低的问题，为Web3D超大规模场景在线可视化提供可能。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1
如图1和2所示，本申请提供一种面向工业元宇宙的可见关联场景图构造方法，包括：
S1：(索引预处理)对待处理的超大规模三维场景进行空间多粒度体素化，并基于多粒度体素划分空间构建多粒度体素索引树结构，得到所述待处理的超大规模三维场景的场景层。
计算场景包围盒：逐步读取整个超大规模场景，记录场景内构件在x轴、y轴、z轴上的边界，在遍历构件的过程中求取坐标轴上的最大范围，获得场景边界。
空间长轴平分：对于空间包围盒，求空间包围盒在x轴、y轴、z轴上的尺寸并进行比较，得到最长轴向尺寸，将垂直于该轴的中平面作为空间划分平面，划分得到两个子空间。
构造多粒度体素：对子空间重复步骤“空间长轴平分”N1次，得到一级体素，再对一级体素重复步骤“空间长轴平分”N2次，得到二级体素，对二级体素重复步骤“空间长轴平分”N3次得到三级体素。
建立多级体素索引：按照空间划分的结果，将每个体素再次划分出的子体素保存到子体素列表，建立体素化场景图树结构索引(以稀疏八叉树的形式存储各级别的体素索引)。
作为一种可选的实施方式，步骤S1具体的包括：
(1)读取所述待处理的超大规模三维场景，遍历场景内每一构件在x轴、y轴和z轴上的边界，在遍历构件的过程中，确定构件在x轴、y轴和z轴上的最大边界，得到场景边界并计算出场景包围盒。
(2)确定所述场景包围盒在x轴、y轴和z轴上尺寸并进行尺寸比较，得到所述场景包围盒的最长轴向尺寸，利用第一中平面将所述场景包围盒划分为两个空间，得到两个场景包围盒子空间；所述第一中平面为垂直于所述场景包围盒的最长轴的中平面。
(3)对每一所述场景包围盒子空间，确定每一当前第一待划分空间在x轴、y轴和z轴上尺寸并进行尺寸比较，得到当前所述第一待划分空间的最长轴向尺寸，利用第二中平面将当前所述第一待划分空间划分为两个空间，得到第n次空间划分结果；所述第二中平面为垂直于当前所述第一待划分空间的最长轴的中平面；n＝1，2，...N1；当n＝1时，所述第一待划分空间为所述场景包围盒子空间。
(4)判断n是否等于第一预设迭代次数N1，得到第一判断结果。
(5)若所述第一判断结果为否，则令n＝n+1，并令所述第n次空间划分结果中每一子空间为所述第一待划分空间，返回步骤(3)“确定每一当前第一待划分空间在x轴、y轴和z轴上尺寸并进行尺寸比较，得到当前所述第一待划分空间的最长轴向尺寸，利用第二中平面将当前所述第一待划分空间划分为两个空间”。
(6)若所述第一判断结果为是，则得到一级体素划分空间。
步骤(1)至步骤(6)得出的是一级体素级别的划分空间。
(7)对所述一级体素划分空间中每一一级体素空间，确定每一当前第二待划分空间在x轴、y轴和z轴上尺寸并进行尺寸比较，得到当前所述第二待划分空间的最长轴向尺寸，利用第三中平面将当前所述第二待划分空间划分为两个空间，得到第m次空间划分结果；所述第三中平面为垂直于当前所述第二待划分空间的最长轴的中平面；m＝1，2，...N2；当m＝1时，所述第二待划分空间为所述一级体素空间。
(8)判断m是否等于第二预设迭代次数N2，得到第二判断结果。
若所述第二判断结果为否，则令m＝m+1，并令所述第m次空间划分结果中每一子空间为所述第二待划分空间，返回步骤(7)“确定每一当前第二待划分空间在x轴、y轴和z轴上尺寸并进行尺寸比较，得到当前所述第二待划分空间的最长轴向尺寸，利用第三中平面将当前所述第二待划分空间划分为两个空间”。
(9)若所述第二判断结果为是，则得到二级体素划分空间。
步骤(7)至步骤(9)得出的是在一级体素级别的划分空间的基础上，进一步细化得到二级体素级别的划分空间。
(10)对所述二级体素划分空间中每一二级体素空间，确定每一当前第三待划分空间在x轴、y轴和z轴上尺寸并进行尺寸比较，得到当前所述第三待划分空间的最长轴向尺寸，利用第四中平面将当前所述第三待划分空间划分为两个空间，得到第p次空间划分结果；所述第四中平面为垂直于当前所述第三待划分空间的最长轴的中平面；p＝1，2，...N3；当p＝1时，所述第三待划分空间为所述二级体素空间。
(11)判断p是否等于第二预设迭代次数N3，得到第三判断结果。
(12)若所述第三判断结果为否，则令p＝p+1，并令所述第p次空间划分结果中每一子空间为所述第三待划分空间，返回步骤(10)“确定每一当前第三待划分空间在x轴、y轴和z轴上尺寸并进行尺寸比较，得到当前所述第三待划分空间的最长轴向尺寸，利用第四中平面将当前所述第三待划分空间划分为两个空间”。
(13)若所述第三判断结果为是，则得到三级体素划分空间。
步骤(10)至步骤(13)得出的是在二级体素级别的划分空间的基础上，进一步细化得到三级体素级别的划分空间。
(14)根据所述一级体素划分空间、所述三级体素划分空间和所述三级体素划分空间构建多粒度体素索引树结构。多粒度体素索引树结构以稀疏八叉树的形式存储各级别的体素索引，将一级体素索引和对应的二级体素索引进行关联，将二级体素索引和对应的三级体素索引进行关联。
S2：(轻量化预处理)基于多粒度体素划分空间，对三维场景内的构件进行查重处理并对相似度高于第一相似度预设值的构件进行去冗处理，得到所述待处理的超大规模三维场景的实例层。
步骤S2具体包括：
S21：基于体素粒度的构件组合：在同一级别的体素划分空间中，查找构件包围盒尺寸大小差异小于预设尺寸差异值的构件并构建尺寸相似构件集，减少后续计算消耗。
S22：构件特征值提取：对每一所述尺寸相似构件集内的构件进行主成分分析，得到构件特征值；将所述构件特征值相似度大于第二预设相似度值的构件组合为特征相似构件组。
S23：计算相似矩阵：对每一特征相似构件组中的每一特征相似构件，根据所述特征相似构件的顶点计算构件中心点和长轴朝向方向；根据所述构件中心和所述长轴朝向方向调整各所述特征相似构件的位置，根据各所述特征相似构件的调整后的位置确定所述特征相似构件之间的空间变化矩阵，即为相似矩阵。
S24：去冗处理：确定所述特征相似构件之间的空间变化矩阵的相似度高于所述第一预设相似度值的所述特征相似构件并进行去冗处理。
每个特征相似构件都会得到一个相似矩阵，从而根据空间变化矩阵之间相似度筛选出高相似度的特征相似构件，进行去重操作。
步骤S3至步骤S6中针对的构件均是去冗处理后的构件。
S3：(区域划分)根据多粒度体素索引将三维场景内的构件添加至多粒度体素化划分空间，基于填充后的多粒度体素化划分空间对三维场景空间进行区域级别的划分，并对每一区域的瓦片进行定位，得到所述待处理的超大规模三维场景的区域层和瓦片层。
作为一种可选的实施方式，步骤S3具体包括：
S31：计算构件填充密度：对所述三维场景内的每一构件，利用构件包围球半径和场景包围盒计算每一构件的填充密度，衡量构件在场景中的重要程度，并按照大小从大到小排序，便于填充处理。
S32：填充多粒度体素：将每一构件的构件包围盒中心视为每一构件的构件坐标，根据所述构件坐标将填充密度高于第一填充密度的构件(高填充密度的构件)添加到所述一级体素划分空间，将填充密度低于所述第一填充密度且高于第二填充密度的构件(中填充密度构件)添加到所述二级体素划分空间，将填充密度低于所述第二填充密度的构件(低填充密度构件)添加到所述三级体素划分空间。如图3示出的多粒度体素填充示意图。
S33：对添加构件后的所述一级体素划分空间、所述二级体素划分空间和所述三级体素划分空间清理无效体素，得到所述填充后的多粒度体素化划分空间。
全部构件都被填充到场景图的体素中。将场景内全部构件都填充完成后，递归遍历场景图，将不包含构件或子体素的体素删除，清理掉无效的体素，具体为，先遍历三级体素空间中不包含构件的体素并进行清理，之后清理掉的三级体素对应的二级体素进行清理，之后将清理掉的二级体素对应的一级体素进行清理。
S34：区域划分：在所述填充后的多粒度体素化划分空间中，将每一体素包围盒的中心视为体素坐标，根据所述体素坐标对所有体素进行聚类，并将每个类别中的所有体素视为一个区域。
遍历场景图，将体素包围盒中心视为体素坐标，使用对其使用K-means聚类，类别数量与建筑物数量一致，基于空间上的距离将体素划分为若干类，每个类别中的全部体素为一个区域。
S35：瓦片定位：查找所述三维场景内的瓦片，确定瓦片图元坐标，根据所述瓦片图元坐标确定每一瓦片所处的区域。
完成区域的划分后，查找场景内包含的瓦片，读取瓦片图元坐标，根据坐标计算该瓦片所处的区域，将瓦片索引保存到该区域节点中，最终形成瓦片层。
S4：(建筑体划分)根据视觉分析对每一区域进行建筑外壳抽取和内体子空间划分，得到所述待处理的超大规模三维场景的每一区域的外体空间层和内体空间层。
作为一种可选的实施方式，如图4所示，步骤S4具体包括：
S41：读取RGB颜色值图像：对每一区域，将每一区域内的构件使用随机RGB颜色值进行标注，得到每一区域对应的RGB颜色值图像；所述RGB颜色值图像中，一种RGB颜色值对应一种构件。
S42：外壳构件拾取：对每一区域，在区域包围盒外选取多个外视点，自每一外视点朝向区域包围盒中心进行观察，得到每一外视点视野范围内的外观察图像；对每一所述外观察图像，分析图像上的每一像素点对应的RGB颜色值，得到每一外视点对应的外部可见构件；所有所述外视点对应的外部可见构件构成外壳构件列表，剩余为内体构件。
作为一种示例，外视点包括区域包围盒六个面的中心点以及八个顶点等。
S43：内体子空间划分：对每一区域，在区域内选择多个内视点，对每一所述内视点，分别自所述内视点朝向不同方向(作为一种示例，如朝向x轴正负方向和y轴正负方向)进行观察，得到每一所述内视点对应的4个内观察图像，分析图像上的每一像素点对应的RGB颜色值，得到每一内视点对应的内部可见构件列表。所述内视点处不同朝向的视野叠加起来覆盖内视点360度视野范围。
S44：判断各所述内视点之间的内部可见构件列表的相似度，将列表相似度高于预设列表相似度的内部可见构件列表所处的空间合并为同一子空间，列表相似度低于预设列表相似度的内部可见构件列表所处的空间视为不同的子空间，得到每一区域内的内体子空间划分结果。
在区域内均匀选择若干内视点，并对前后左右四个方向计算内观察图像，判断各视点之间的构件列表相似度，将相似度高的视为同一子空间并进行合并，相似度低的为不同子空间，添加到子空间集，最终构建子空间连通图。
S45：体素细粒度分划：根据每一区域的所述外壳构件列表的所述外部可见构件所在的体素索引等级得到每一区域的外部可见构件体素列表；根据每一区域的每一内体子空间中内部可见构件所在的体素索引等级得到每一区域的每一内体子空间的内部可见构件体素列表。
S5：(构造可见关联图)对三维场景内的构件进行可见性分析，根据构件的可见性分析结果选取核构件和对应的可见关联构件，并构造所述核构件与对应的所述可见关联构件的可见关联图，得出所述待处理的超大规模三维场景的所述内体子空间的可见关联层。
作为一种可选的实施方式，如图5所示，步骤S5具体包括：
S51：场景采样：在场景包围盒内，选取多个采样点；每一所述采样点视野范围内观察到的构件数量大于预设阈值。
整个场景计算包围盒，在包围盒范围内，均匀选取若干个采样点，计算这些采样点一定范围内的构件数量，若构件数量超过阈值，则将此点作为采样点，进行采样，即可见性计算操作。
S52：可见度计算：对每一所述采样点，使相机分别朝向多个不同方向(作为一种示例，分别朝向前后左右上下六个方向，如x轴正负方向，y轴正负方向，z轴正负方向)观察构件，对各可见构件计算可见度，构建每一所述采样点对应的可见构件列表；所述可见构件列表中存储有可见构件索引和对应的所述可见度，用于可见关联图的构造。所述采样点处不同方向的视野范围叠加起来覆盖采样点的360度视野范围。
为了衡量场景采样及计算过程中构件在视野内的贡献，提出了可见度的概念。构件i的可见度Vis_Degreei通过以下公式来计算：
式中，Vis_Degreei表示可见构件i的可见度；pixel_counti表示可见构件i在渲染目标缓冲中的像素数量，W、H分别表示渲染目标缓冲的长和宽；
S53：核构件选取：对每一区域，计算区域内各所述可见构件的可见性权重，并选取区域内可见性权重最高的前(/>向下取整)个可见构件为核构件。N表示一个区域内的可见构件的数量。
为了从海量场景中选取核构件，提出了构件可见性权重(Component VisibilityWeight)的概念，用于衡量一个构件在场景调度中的重要程度。
所述可见性权重的表达式为：
，式中，CVWi表示可见构件i的可见性权重；BS_Ri是可见构件i包围球半径，Instance_Numi是可见构件i的实例化数量；
S54：构造可见关联图：对每一所述采样点视野范围内的每一所述核构件，确定与所述核构件距离最近的(/>向下取整)个可见构件为可见关联构件；对每一所述核构件，将所述核构件与对应各所述可见关联构件进行连接，根据所述可见度分别计算所述核构件与对应每一所述可见关联构件之间的可见关联度，并将所述可见关联度作为所述核构件与所述可见关联构件之间边的权重，得到可见关联图。
经过可见性采样和核构件确定后，对于每个采样视点，可以找到其包含了多少个核构件和可见关联构件，以及它们的可见度。对于每个核构件，找到与其距离最近的个可见关联构件，计算核构件与每个可见关联构件之间的可见关联度。可见关联度计算完成后，将核构件与可见关联构件连接，将可见关联度作为边的权重值记录下来，构造可见关联图。
为了计算两个构件之间视觉上的关联性，我们提出了可见关联度的概念。核构件i与可见关联构件j的可见关联度(Visibility Correlated Degree)公式为：
式中，VCDi，j表示可见构件i、j之间的可见关联度；Distancei，j表示可见构件i、j之间的距离；∑表示对所有采样点求和。
S6：(遮挡体计算)对三维场景内的构件进行遮挡体计算，得到所述待处理的超大规模三维场景的遮挡体层；所述待处理的超大规模三维场景对应的可见关联场景图包括所述场景层、所述实例层、所述区域层、所述瓦片层、所述外体空间层、所述内体空间层、所述可见关联层和所述遮挡体层。
步骤S6具体包括：
S61：构件体素化采样：根据构件所在的体素索引等级对所述三维场景内的构件进行体素化处理。对每一体素化后的构件，分别从x轴、y轴和z轴对体素进行采样计算，得到每一所述体素化后的构件的最大采样面积和最大采样面。
S62：采样边缘环简化：将每一所述体素化后的构件的所述最大采样面的边缘首尾连接形成边缘环，并通过曲线简化算法将所述边缘环转换成简化后的曲线环。
S63：三角剖分：将所述简化后的曲线环通过三角剖分的方法划分成若个三角形，得到每一构件的遮挡体。这些三角形就是该构件的遮挡替代，可以用于基于本场景图的遮挡计算。
基于以上步骤S1至步骤S6的处理步骤，本发明定义了场景图文件格式，将多粒度可见关联场景图以树结构的形式保存，从根节点往下依次为区域节点、外体空间节点、内体空间节点、可见关联节点、实例节点。
如图6所示，多粒度可见关联场景图的最终构造结果包括根节点、区域节点、外体空间节点、内体空间节点、可见关联节点、实例节点。其中：
(1)根节点：根节点包含了整个场景的尺寸、包围盒、构件数量等宏观信息，其子节点为建筑层节点。
(2)区域节点：包含了步骤S3中划分出的区域的信息，每个区域节点中都保存了区域内的瓦片、建筑物的位置和尺寸信息，便于实时计算中的快速拾取。
(3)外体空间节点：包含了区域内建筑物的外壳构件索引。
(4)内体空间节点：内体空间节点是根据步骤S4，将内体划分出若干子空间形成的，每个子空间可以被视为相对独立的封闭空间，当用户进入某子空间时，只需考虑该子空间以及与它连接的子空间节点。
(5)可见关联节点：可见关联节点包含了子空间内的可见关联信息以及细粒度构件信息，通过构件之间的可见关联关系，对构件的可见性进行计算、实现可见性剔除。
(6)实例节点：实例节点是场景图中粒度最细的构件级节点，保存了构件实例的几何体、材质、实例化矩阵以及遮挡体信息。
本实施例中，引入步骤S2中的轻量化处理，解决了Web3D元宇宙应用的数据体量大的问题；引入了步骤S1中的多粒度体素化处理，解决了Web3D元宇宙应用的文件粒度粗的问题；引入了步骤S3至步骤S6的处理过程，通过区域划分和建筑体划分，能够快速查找到视野内潜在可见的构件。通过构造可见关联图，将构件可见性之间的关联关系纳入可见性判断，并使用遮挡体替代的遮挡剔除算法，大幅降低了需要执行计算的数据量。且在渲染过程中，根据构件可见性使用简易模型替代，解决了Web3D元宇宙应用的渲染效率低的问题。
本发明着眼于Web端在线展示超大规模场景的技术瓶颈，提出了可见关联图的构造方法，设计了面向Web3D工业元宇宙海量场景的可见关联场景图，提供了可见性驱动的Web3D工业元宇宙的在线调度方法，以解决长期困扰Web3D在线渲染超大规模工业元宇宙场景加载速度慢、实时渲染卡的痛点难题，高效率、低成本地实现了工业元宇宙海量场景的Web3D在线展示。对Web3D大规模地应用于大型数字孪生工厂、智慧城市等场景具有极大的助力与赋能的作用。
实施例2
如图7所示，本实施例提供一种面向工业元宇宙的可见关联场景图构造系统，包括：
场景层构建模块100，用于对待处理的超大规模三维场景进行空间多粒度体素化，并基于多粒度体素划分空间构建多粒度体素索引树结构，得到所述待处理的超大规模三维场景的场景层。
实例层构建模块200，用于基于多粒度体素划分空间，对三维场景内的构件进行查重处理并对相似度高于预设值的构件进行去冗处理，得到所述待处理的超大规模三维场景的实例层。
区域层和瓦片层构建模块300，用于根据多粒度体素索引将三维场景内的构件添加至多粒度体素化划分空间，基于填充后的多粒度体素化划分空间对三维场景空间进行区域级别的划分，并对每一区域的瓦片进行定位，得到所述待处理的超大规模三维场景的区域层和瓦片层。
外体及内体空间层构建模块400，用于根据视觉分析对每一区域进行建筑外壳抽取和内体子空间划分，得到所述待处理的超大规模三维场景的每一区域的外体空间层和内体空间层。
可见关联层构建模块500，用于对三维场景内的构件进行可见性分析，根据构件的可见性分析结果选取核构件和对应的可见关联构件，并构造所述核构件与对应的所述可见关联构件的可见关联图，得出所述待处理的超大规模三维场景的所述内体子空间的可见关联层。
遮挡体层构建模块600，用于对三维场景内的构件进行遮挡体计算，得到所述待处理的超大规模三维场景的遮挡体层；所述待处理的超大规模三维场景对应的可见关联场景图包括所述场景层、所述实例层、所述区域层、所述瓦片层、所述外体空间层、所述内体空间层、所述可见关联层和所述遮挡体层。
实施例3
本实施例提供一种电子设备，包括存储器及处理器，存储器用于存储计算机程序，处理器运行计算机程序以使电子设备执行实施例1的面向工业元宇宙的可见关联场景图构造方法。
可选地，上述电子设备可以是服务器。
另外，本发明实施例还提供一种计算机可读存储介质，其存储有计算机程序，该计算机程序被处理器执行时实现实施例1的面向工业元宇宙的可见关联场景图构造方法。
本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。
Claims (9)
1.一种面向工业元宇宙的可见关联场景图构造方法，其特征在于，包括：
对待处理的超大规模三维场景进行空间多粒度体素化，并基于多粒度体素划分空间构建多粒度体素索引树结构，得到所述待处理的超大规模三维场景的场景层；
基于多粒度体素划分空间，对三维场景内的构件进行查重处理并对相似度高于第一相似度预设值的构件进行去冗处理，得到所述待处理的超大规模三维场景的实例层；
根据多粒度体素索引将三维场景内的构件添加至多粒度体素化划分空间，基于填充后的多粒度体素化划分空间对三维场景空间进行区域级别的划分，并对每一区域的瓦片进行定位，得到所述待处理的超大规模三维场景的区域层和瓦片层；
根据视觉分析对每一区域进行建筑外壳抽取和内体子空间划分，得到所述待处理的超大规模三维场景的每一区域的外体空间层和内体空间层；
对三维场景内的构件进行可见性分析，根据构件的可见性分析结果选取核构件和对应的可见关联构件，并构造所述核构件与对应的所述可见关联构件的可见关联图，得出所述待处理的超大规模三维场景的所述内体子空间的可见关联层；
对三维场景内的构件进行遮挡体计算，得到所述待处理的超大规模三维场景的遮挡体层；所述待处理的超大规模三维场景对应的可见关联场景图包括所述场景层、所述实例层、所述区域层、所述瓦片层、所述外体空间层、所述内体空间层、所述可见关联层和所述遮挡体层。
2.根据权利要求1所述的一种面向工业元宇宙的可见关联场景图构造方法，其特征在于，对待处理的超大规模三维场景进行空间多粒度体素化，并基于多粒度体素划分空间构建多粒度体素索引树结构，具体包括：
读取所述待处理的超大规模三维场景，遍历场景内每一构件在x轴、y轴和z轴上的边界，在遍历构件的过程中，确定构件在x轴、y轴和z轴上的最大边界，得到场景边界并计算出场景包围盒；
确定所述场景包围盒在x轴、y轴和z轴上尺寸并进行尺寸比较，得到所述场景包围盒的最长轴向尺寸，利用第一中平面将所述场景包围盒划分为两个空间，得到两个场景包围盒子空间；所述第一中平面为垂直于所述场景包围盒的最长轴的中平面；
对每一所述场景包围盒子空间，确定每一当前第一待划分空间在x轴、y轴和z轴上尺寸并进行尺寸比较，得到当前所述第一待划分空间的最长轴向尺寸，利用第二中平面将当前所述第一待划分空间划分为两个空间，得到第n次空间划分结果；所述第二中平面为垂直于当前所述第一待划分空间的最长轴的中平面；n＝1，2，...N1；当n＝1时，所述第一待划分空间为所述场景包围盒子空间；
判断n是否等于第一预设迭代次数N1，得到第一判断结果；
若所述第一判断结果为否，则令n＝n+1，并令所述第n次空间划分结果中每一子空间为所述第一待划分空间，返回步骤“确定每一当前第一待划分空间在x轴、y轴和z轴上尺寸并进行尺寸比较，得到当前所述第一待划分空间的最长轴向尺寸，利用第二中平面将当前所述第一待划分空间划分为两个空间”；
若所述第一判断结果为是，则得到一级体素划分空间；
对所述一级体素划分空间中每一一级体素空间，确定每一当前第二待划分空间在x轴、y轴和z轴上尺寸并进行尺寸比较，得到当前所述第二待划分空间的最长轴向尺寸，利用第三中平面将当前所述第二待划分空间划分为两个空间，得到第m次空间划分结果；所述第三中平面为垂直于当前所述第二待划分空间的最长轴的中平面；m＝1，2，...N2；当m＝1时，所述第二待划分空间为所述一级体素空间；
判断m是否等于第二预设迭代次数N2，得到第二判断结果；
若所述第二判断结果为否，则令m＝m+1，并令所述第m次空间划分结果中每一子空间为所述第二待划分空间，返回步骤“确定每一当前第二待划分空间在x轴、y轴和z轴上尺寸并进行尺寸比较，得到当前所述第二待划分空间的最长轴向尺寸，利用第三中平面将当前所述第二待划分空间划分为两个空间”；
若所述第二判断结果为是，则得到二级体素划分空间；
对所述二级体素划分空间中每一二级体素空间，确定每一当前第三待划分空间在x轴、y轴和z轴上尺寸并进行尺寸比较，得到当前所述第三待划分空间的最长轴向尺寸，利用第四中平面将当前所述第三待划分空间划分为两个空间，得到第p次空间划分结果；所述第四中平面为垂直于当前所述第三待划分空间的最长轴的中平面；p＝1，2，...N3；当p＝1时，所述第三待划分空间为所述二级体素空间；
判断p是否等于第二预设迭代次数N3，得到第三判断结果；
若所述第三判断结果为否，则令p＝p+1，并令所述第p次空间划分结果中每一子空间为所述第三待划分空间，返回步骤“确定每一当前第三待划分空间在x轴、y轴和z轴上尺寸并进行尺寸比较，得到当前所述第三待划分空间的最长轴向尺寸，利用第四中平面将当前所述第三待划分空间划分为两个空间”；
若所述第三判断结果为是，则得到三级体素划分空间；
根据所述一级体素划分空间、所述三级体素划分空间和所述三级体素划分空间构建多粒度体素索引树结构；所述多粒度体素索引树结构中存储有一级体素索引、二级体素索引和三级体素索引；所述一级体素索引关联对应的所述二级体素索引，所述二级体素索引关联对应的所述三级体素索引。
3.根据权利要求1所述的一种面向工业元宇宙的可见关联场景图构造方法，其特征在于，基于多粒度体素划分空间，对三维场景内的构件进行查重处理并对相似度高于第一预设相似度值的构件进行去冗处理，具体包括：
在同一级别的体素划分空间中，查找构件包围盒尺寸大小差异小于预设尺寸差异值的构件并构建尺寸相似构件集；
对每一所述尺寸相似构件集内的构件进行主成分分析，得到构件特征值；将所述构件特征值相似度大于第二预设相似度值的构件组合为特征相似构件组；
对每一特征相似构件组中的每一特征相似构件，根据所述特征相似构件的顶点计算构件中心点和长轴朝向方向；根据所述构件中心和所述长轴朝向方向调整各所述特征相似构件的位置，根据各所述特征相似构件的调整后的位置确定所述特征相似构件之间的空间变化矩阵；
确定所述特征相似构件之间的空间变化矩阵的相似度高于所述第一预设相似度值的所述特征相似构件并进行去冗处理。
4.根据权利要求1所述的一种面向工业元宇宙的可见关联场景图构造方法，其特征在于，根据多粒度体素索引将三维场景内的构件添加至多粒度体素化划分空间，基于填充后的多粒度体素化划分空间对三维场景空间进行区域级别的划分，并对每一区域的瓦片进行定位，具体包括：
对所述三维场景内的每一构件，利用构件包围球半径和场景包围盒计算每一构件的填充密度；
将每一构件的构件包围盒中心视为每一构件的构件坐标，根据所述构件坐标将填充密度高于第一填充密度的构件添加到所述一级体素划分空间，将填充密度低于所述第一填充密度且高于第二填充密度的构件添加到所述二级体素划分空间，将填充密度低于所述第二填充密度的构件添加到所述三级体素划分空间；
对添加构件后的所述一级体素划分空间、所述二级体素划分空间和所述三级体素划分空间清理无效体素，得到所述填充后的多粒度体素化划分空间；
在所述填充后的多粒度体素化划分空间中，将每一体素包围盒的中心视为体素坐标，根据所述体素坐标对所有体素进行聚类，并将每个类别中的所有体素视为一个区域；聚类的类别数量与三维场景内的建筑物数量一致；
查找所述三维场景内的瓦片，确定瓦片图元坐标，根据所述瓦片图元坐标确定每一瓦片所处的区域。
5.根据权利要求1所述的一种面向工业元宇宙的可见关联场景图构造方法，其特征在于，根据视觉分析对每一区域进行建筑外壳抽取和内体子空间划分，具体包括：
对每一区域，将每一区域内的构件使用随机RGB颜色值进行标注，得到每一区域对应的RGB颜色值图像；所述RGB颜色值图像中，一种RGB颜色值对应一种构件；
对每一区域，在区域包围盒外选取多个外视点，自每一外视点朝向区域包围盒中心进行观察，得到每一外视点视野范围内的外观察图像；对每一所述外观察图像，分析图像上的每一像素点对应的RGB颜色值，得到每一外视点对应的外部可见构件；所有所述外视点对应的外部可见构件构成外壳构件列表；
对每一区域，在区域内选择多个内视点，对每一所述内视点，分别自所述内视点朝向不同方向进行观察，得到每一所述内视点对应的4个内观察图像，分析图像上的每一像素点对应的RGB颜色值，得到每一内视点对应的内部可见构件列表；所述内视点处不同朝向的视野叠加起来覆盖内视点的360度视野范围；
判断各所述内视点之间的内部可见构件列表的相似度，将列表相似度高于预设列表相似度的内部可见构件列表所处的空间合并为同一子空间，列表相似度低于预设列表相似度的内部可见构件列表所处的空间视为不同的子空间，得到每一区域内的内体子空间划分结果；
根据每一区域的所述外壳构件列表的所述外部可见构件所在的体素索引等级得到每一区域的外部可见构件体素列表；根据每一区域的每一内体子空间中内部可见构件所在的体素索引等级得到每一区域的每一内体子空间的内部可见构件体素列表。
6.根据权利要求1所述的一种面向工业元宇宙的可见关联场景图构造方法，其特征在于，对三维场景内的构件进行可见性分析，根据构件的可见性分析结果选取核构件和对应的可见关联构件，并构造所述核构件与对应的所述可见关联构件的可见关联图，具体包括：
在场景包围盒内，选取多个采样点；每一所述采样点视野范围内观察到的构件数量大于预设阈值；
对每一所述采样点，分别朝向多个不同方向观察构件，对各可见构件计算可见度，构建每一所述采样点对应的可见构件列表；所述可见构件列表中存储有可见构件索引和对应的所述可见度；所述采样点处不同方向的视野范围叠加起来覆盖采样点的360度视野范围；
对每一区域，计算区域内各所述可见构件的可见性权重，并选取区域内可见性权重最高的前个可见构件为核构件；N表示一个区域内的可见构件的数量；
对每一所述采样点视野范围内的每一所述核构件，确定与所述核构件距离最近的个可见构件为可见关联构件；
对每一所述核构件，将所述核构件与对应各所述可见关联构件进行连接，根据所述可见度分别计算所述核构件与对应每一所述可见关联构件之间的可见关联度，并将所述可见关联度作为所述核构件与所述可见关联构件之间边的权重，得到可见关联图。
7.根据权利要求6所述的一种面向工业元宇宙的可见关联场景图构造方法，其特征在于，所述可见度的表达式为：
式中，Vis_Degreei表示可见构件i的可见度；pixel_counti表示可见构件i在渲染目标缓冲中的像素数量，W、H分别表示渲染目标缓冲的长和宽；
所述可见性权重的表达式为：
式中，CVWi表示可见构件i的可见性权重；BS_Ri是可见构件i包围球半径，Instance_Numi是可见构件i的实例化数量；
所述可见关联度的表达式为：
式中，VCDi,j表示可见构件i、j之间的可见关联度；Distancei,j表示可见构件i、j之间的距离；∑表示对所有采样点求和。
8.根据权利要求1所述的一种面向工业元宇宙的可见关联场景图构造方法，其特征在于，对三维场景内的构件进行遮挡体计算，具体包括：
根据构件所在的体素索引等级对所述三维场景内的构件进行体素化处理；
对每一体素化后的构件，分别从x轴、y轴和z轴对体素进行采样计算，得到每一所述体素化后的构件的最大采样面积和最大采样面；
将每一所述体素化后的构件的所述最大采样面的边缘首尾连接形成边缘环，并通过曲线简化算法将所述边缘环转换成简化后的曲线环；
将所述简化后的曲线环通过三角剖分的方法划分成若个三角形，得到每一构件的遮挡体。
9.一种面向工业元宇宙的可见关联场景图构造系统，其特征在于，包括：
场景层构建模块，用于对待处理的超大规模三维场景进行空间多粒度体素化，并基于多粒度体素划分空间构建多粒度体素索引树结构，得到所述待处理的超大规模三维场景的场景层；
实例层构建模块，用于基于多粒度体素划分空间，对三维场景内的构件进行查重处理并对相似度高于预设值的构件进行去冗处理，得到所述待处理的超大规模三维场景的实例层；
区域层和瓦片层构建模块，用于根据多粒度体素索引将三维场景内的构件添加至多粒度体素化划分空间，基于填充后的多粒度体素化划分空间对三维场景空间进行区域级别的划分，并对每一区域的瓦片进行定位，得到所述待处理的超大规模三维场景的区域层和瓦片层；
外体及内体空间层构建模块，用于根据视觉分析对每一区域进行建筑外壳抽取和内体子空间划分，得到所述待处理的超大规模三维场景的每一区域的外体空间层和内体空间层；
可见关联层构建模块，用于对三维场景内的构件进行可见性分析，根据构件的可见性分析结果选取核构件和对应的可见关联构件，并构造所述核构件与对应的所述可见关联构件的可见关联图，得出所述待处理的超大规模三维场景的所述内体子空间的可见关联层；
遮挡体层构建模块，用于对三维场景内的构件进行遮挡体计算，得到所述待处理的超大规模三维场景的遮挡体层；所述待处理的超大规模三维场景对应的可见关联场景图包括所述场景层、所述实例层、所述区域层、所述瓦片层、所述外体空间层、所述内体空间层、所述可见关联层和所述遮挡体层。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410018888.5A CN117911659A (zh) | 2024-01-05 | 2024-01-05 | 一种面向工业元宇宙的可见关联场景图构造方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410018888.5A CN117911659A (zh) | 2024-01-05 | 2024-01-05 | 一种面向工业元宇宙的可见关联场景图构造方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117911659A true CN117911659A (zh) | 2024-04-19 |
Family
ID=90696173
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410018888.5A Pending CN117911659A (zh) | 2024-01-05 | 2024-01-05 | 一种面向工业元宇宙的可见关联场景图构造方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117911659A (zh) |
-
2024
- 2024-01-05 CN CN202410018888.5A patent/CN117911659A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Lauterbach et al. | Fast BVH construction on GPUs | |
| AU2018258094B2 (en) | Octree-based convolutional neural network | |
| US8243073B2 (en) | Tree insertion depth adjustment based on view frustum and distance culling | |
| Richter et al. | Out-of-core real-time visualization of massive 3D point clouds | |
| Wiseman et al. | When an inescapable accident of autonomous vehicles is looming | |
| Steinberger et al. | On‐the‐fly generation and rendering of infinite cities on the GPU | |
| Evangelou et al. | Fast radius search exploiting ray-tracing frameworks | |
| JP2023512721A (ja) | ３次元オブジェクトの多角形メッシュの生成のための自己回帰ニューラルネットワーク | |
| CN108986210B (zh) | 三维场景重建的方法和设备 | |
| CN114202454A (zh) | 图优化方法、系统、计算机程序产品以及存储介质 | |
| Kang et al. | Efficient randomized hierarchy construction for interactive visualization of large scale point clouds | |
| CN114359269A (zh) | 基于神经网络的虚拟食品盒缺陷生成方法及系统 | |
| CN110738719A (zh) | 一种基于视距分层优化的Web3D模型渲染方法 | |
| Guo et al. | A 3D Surface Reconstruction Method for Large‐Scale Point Cloud Data | |
| KR102129060B1 (ko) | 단일 깊이 영상을 이용한 내용기반 3차원 모델 검색 방법, 이를 수행하는 3차원 모델 검색 서버 및 컴퓨터로 판독 가능한 기록매체 | |
| CN116434303A (zh) | 基于多尺度特征融合的人脸表情捕捉方法、装置及介质 | |
| CN116452735A (zh) | 基于八叉树的数据处理方法、装置及计算机可读存储介质 | |
| CN117911659A (zh) | 一种面向工业元宇宙的可见关联场景图构造方法及系统 | |
| Glander et al. | Techniques for generalizing building geometry of complex virtual 3D city models | |
| Van Kooten et al. | Point-based visualization of metaballs on a gpu | |
| Pan et al. | A visibility-based surface reconstruction method on the GPU | |
| Dubois et al. | Highly Efficient Controlled Hierarchical Data Reduction techniques for Interactive Visualization of Massive Simulation Data. | |
| Li et al. | Pipeline 3D Modeling Based on High‐Definition Rendering Intelligent Calculation | |
| Argudo et al. | Interactive inspection of complex multi-object industrial assemblies | |
| Ponchio et al. | Interactive rendering of dynamic geometry |
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 |