面向大型产品虚拟展示的数据管理方法研究

合理有效的模型数据管理是在桌面虚拟环境中实现大型产品虚拟展示的关键问题。针对大型产品模型数据量大、结构复杂的特点,采用关系型数据库管理模型数据。设计了场景图管理方法,并基于NUR算法实现内存动态调度,充分利用系统内存空间。综合利用视锥体裁减、隐藏面删除和几何体数据合并等模型简化与显示优化技术,提高场景渲染效率。基于以上方案设计实现了机车虚拟装配与展示系统,验证了所采用方法的有效性。     

基于自适应二叉树的场景视锥体裁剪算法

建立逼真而丰富的三维场景是可视化领域的主要任务.场景的数据管理和可见性判断对后续渲染的质量和效率起到了至关重要的作用.为了弥补传统场景组织方式在实际应用中的缺陷,本文采用自适应二叉树场景组织算法对场景进行管理,采用层次化裁剪的方式对场景树的节点进行视锥体裁剪,在裁剪过程中所操作的对象是节点中的包围球和包围盒.实验表明,这种基于包围球和包围盒的层次化的视锥体裁剪算法大大的减少了参与裁剪的节点的数量,提高了裁剪的精确性,具有较好的裁剪效率和较高的稳定性.     

基于层次细节模型的遮挡裁剪算法

遮挡裁剪和应用层次细节模型是两种有效的三维复杂场景渲染加速算法，为了快速地进行三维复杂场景的渲染，提出了一种结合层次细节模型与遮挡裁剪技术的算法框架，该算法首先在预处理阶段，将场景划分成不同空间层次结构；然后在运行时刻，对较高的空间层次，可应用遮挡裁剪技术判别场景的可见性，并裁剪掉不可见场景部分，而在局部的较低层次上，则应用网格简化方法来选择适当的模型层次细节，实验结果显示，该算法取得了较好的加速性能。     

基于WebGL的3D可视化告警系统关键技术研究与应用

如何将工业生产设备的运行情况形象立体的展示给管理者,一直是3D可视化研究领域的热点。本文提出了一种基于Web GL技术的3D可视化告警系统设备管理运维方案,在浏览器端对工业生产设备进行虚拟化仿真模拟,并把设备运行情况呈现给设备管理人员,使数据的展示更加形象立体,给设备管理者以交互感和沉浸感。此外,本文还研究了该方案实现过程中涉及到的场景渲染技术,通过改进基于八叉树的视锥体剔除渲染算法,提高了复杂三维场景的渲染性能,解决了系统渲染复杂三维场景时浏览器响应时间过长的问题。最后,本文给出了一个3D可视化告警系统的设计与实现。     

基于优化八叉树的场景视锥体裁剪算法

大体量3D模型容易导致浏览器端渲染帧数低、显示卡顿及资源消耗大等问题,其原因是这类模型通常包含数以亿计的三角面片,在有限的时间内无法实现快速加载与渲染。针对此类问题,提出一种基于优化八叉树的场景视锥体裁剪算法。该算法采用地址码（Morton码）、节点视距标准和按需增量划分技术,使得八叉树具有自适应性与良好的压缩效率;采用双层包围体和基础相交测试技术,提高视锥体裁剪的精确性,整体上实现提升渲染帧数、显示流畅的目标。高速列车实例模型研究表明,与传统八叉树视锥体裁剪算法相比,所提算法平均渲染帧数上提高了约14帧,空间压缩率提高了37.8个百分点。     

基于3DS室内模型虚拟漫游场景的管理方法

以3DS室内模型作为虚拟漫游场景,提出了一种基于Portal技术的入口生成新方法及视锥体裁剪算法。首先在3DS MAX建模时确定入口位置,然后在虚拟漫游时由入口位置计算生成入口平面,进而用入口平面裁剪视锥体创建物体可见集实现场景管理。实验结果表明,这种入口生成方法效率高,室内模型遮挡性越强,裁剪算法的优越性越突出,此方法可适用于任何3DS室内模型虚拟漫游的场景管理。     

改进的基于冗余点过滤的3D目标检测方法

VoxelNet网络模型是第一个基于点云的端对端目标检测网络,只利用点云数据来生成高精度的3D目标检测框,具有十分良好的效果。但是,VoxelNet使用完整场景的点云数据作为输入,导致耗费了更多的计算资源在背景点云数据上,而且只包含几何信息的点云对目标的识别粒度较低,在较复杂的场景中容易出现误检测和漏检测。针对这些问题对VoxelNet进行了改进,在VoxelNet模型中加入视锥体候选区。首先,通过RGB前视图对感兴趣目标进行定位;然后,将目标2D位置升维至空间视锥体,在点云中提取目标视锥体候选区,过滤冗余点云,仅对视锥体候选区中的点云数据进行计算来得到检测结果。改进后的算法与VoxelNet相比,降低了点云计算量,避免了对背景点云数据的计算,提升了有效运算率,同时,避免了过多背景点的干扰,降低了误检测和漏检测率。KITTI数据集上的实验结果表明,改进后的算法在简单、中等、困难三种模式下的3D平均精度分别为67.92%、59.98%、53.95%,优于VoxelNet模型。     

改进的基于冗余点过滤的3D目标检测方法

VoxelNet网络模型是第一个基于点云的端对端目标检测网络，只利用点云数据来生成高精度的3D目标检测框，具有十分良好的效果。但是，VoxelNet使用完整场景的点云数据作为输入，导致耗费了更多的计算资源在背景点云数据上，而且只包含几何信息的点云对目标的识别粒度较低，在较复杂的场景中容易出现误检测和漏检测。针对这些问题对VoxelNet进行了改进，在VoxelNet模型中加入视锥体候选区。首先，通过RGB前视图对感兴趣目标进行定位；然后，将目标2D位置升维至空间视锥体，在点云中提取目标视锥体候选区，过滤冗余点云，仅对视锥体候选区中的点云数据进行计算来得到检测结果。改进后的算法与VoxelNet相比，降低了点云计算量，避免了对背景点云数据的计算，提升了有效运算率，同时，避免了过多背景点的干扰，降低了误检测和漏检测率。KITTI数据集上的实验结果表明，改进后的算法在简单、中等、困难三种模式下的3D平均精度分别为67.92%、59.98%、53.95%，优于VoxelNet模型。     

基于GPU的大规模地形数据绘制算法

针对大规模地形数据绘制中,对绘制过程快速、生成图像清晰准确的要求,从地形数据的组织、实时绘制时LOD选取标准、层次过渡优化、视锥体裁减等地形可视化的几个关键技术层面着手,提出合理的解决方案。生成的结果表明,该方法能够充分利用GPU进行绘制,可以适用于大规模地形数据绘制。     

面向交互的场景外存调度和空间剖分算法

提出了一个新的面向交互操作的三维模型数据外存调度算法,该算法解决了基于外存三维模型数据难以进行添加、删除、平移等交互操作的问题.同时,文中还提出了双层的BSP空间剖分结构,在交互操作的过程中,保持每个物体的BSP树不变,自适应地更新整个BSP场景绘制加速结构,使得交互操作不会降低场景的绘制加速空间削分结构的使用效率.     

深度聚类索引下的海量地震数据快速三维可视化

地震数据的三维可视化能够直观反映地质的相关结构信息,为地质勘探等研究提供数据支持。针对传统体绘制算法在集中载入海量数据时存在显示延迟、画面跳跃、卡顿等问题,提出一种快速三维可视化算法。使用变分自编码器和深度聚类学习数据的空间特征表示,通过迭代优化目标函数提高聚类性能,以解决因空间数据分布不均造成的节点重叠问题。建立高效的索引结构,提高数据实时读取的效率,通过时序卷积网络预测下一个视点位置,提前将潜在数据载入内存,避免因海量数据集中加载导致画面卡顿、跳跃。使用基于双层视锥体的视点动态划分调度模型,剔除不必要的绘制节点及减轻系统负荷,从而提高数据渲染速度和流畅度。实验结果表明,该算法在索引结构上查询数据块的时间相比希尔伯特R树算法减少了64.14%～66.37%,预测视点的正确率相比拉格朗日插值算法提高了12.08%～22.70%,实时帧率在较大规模的子集上也能够相对稳定平滑,在保证图像质量的前提下整体系统的渲染性能达到预期效果。     

大区域地形可视化技术的研究

近年来，地形场景的实时绘制已受到人们越来越广泛的关注，目前已经提出的一系列场景加速绘制算法,虽然在不同的应用场合也取得了一定的效果，但都存在着局限性，尚不能满足大区域地形环境的实时高速绘制的要求，而与其密切相关的技术主要涉及到地形多分辨率表示、海量地形数据和纹理数据的分页管理、地形和纹理数据的LOD控制、地形和纹理数据的快速存取和更新等．为了能够对地形场景进行实时绘制，在对大区域地形数据管理和实时绘制技术进行研究和试验的基础上，对构建视相关动态多分辨率模型的方法进行了改进，实现了地形模型多分辨率表示与视相关的有机结合，并提出了一种高效的场景数据存取方法，进而实现了一个整合自适应三角网剖分、地形场景数据分页管理和动态更新等相关技术于一体的地形三维可视化系统，试验结果表明，该算法能够实时绘制地形场景，且质量较好．     

基于CUDA的光线追踪优化算法研究与实现

在三维场景仿真过程中,为了实现真实的光影效果,通常采用光线追踪法对场景进行渲染。光线追踪算法的核心过程是光线与场景中的片元进行相交测试,而对于一个复杂的场景,该过程计算量非常大。为了改善光线追踪算法的计算速度问题,实现一种基于CUDA(Compute Unified Device Architecture)的光线追踪算法。该算法利用GPU的并行处理能力同时结合KD-Tree加速相交测试过程,最终提高仿真场景的渲染速度。通过实验表明,该算法的KD-Tree创建性能相比传统方法提升约20%,光线追踪性能提升约6倍。     

基于智能的配电网电力大数据三维场景可视化分析

配电网电力大数据的三维场景重构是实现数据优化挖掘的关键,提出基于人工智能的配电网电力大数据三维场景可视化分析方法。建立配电网电力大数据三维场景的网格分布结构模型,并进行配电网电力大数据三维场景实时数据监测,根据监测结果进行配电网电力大数据的统计特征分析,对配电网电力大数据三维场景实时数据采用信息融合和模糊层析性分析方法进行信息融合和自适应调度,提取配电网电力大数据的三维可视化分布特征量,采用视觉特征重构技术,实现对配电网电力大数据三维场景可视化重构,在人工智能算法控制下提高电力大数据三维场景可视化重构的精度。仿真结果表明,采用该方法进行配电网电力大数据三维场景可视化重构的精度较高,提高了配电网电力大数据挖掘的效能。     

基于GPU的光源空间平行分割阴影图算法

针对平行分割阴影图算法中当光线方向与视线方向不垂直时,场景中对象被冗余渲染到多层阴影图中的问题,提出一种基于GPU的光源空间平行分割阴影图算法.在光源空间中,利用光源视锥体将场景划分为不相交的多层区域,利用GPU为各层生成阴影图,以确保场景采样点不在多层阴影图中重复出现;同时给出了一种快速综合场景阴影效果的绘制方法,通过避免判断像素层次的操作提高了GPU的利用率.实验结果表明,文中算法解决了平行分割阴影图算法的冗余渲染问题,提高了渲染效率和场景阴影质量.     

地形可视化中的改进Geoclipmap算法

在大地形实时绘制中,大规模的地形数据和有限的硬件数据通信带宽是限制地形绘制效率的主要原因。在Geoclipmap算法的基础上,通过使用几何场景图(GSG)组织结构提高数据外存加载效率,在mipmap棱锥生成过程中采取sinc滤波方法进行重采样,避免地形细节丢失。为减少CPU到图形处理器（GPU）的数据流量,提出一种基于层次包围球的二级视锥体裁剪技术,并将法线的生成放到GPU的片段着色器中。实验结果表明,算法保持地形真实感,并有效提高绘制效率,能满足大地形的实时渲染要求。     

View Frustum Culling在三维视景仿真中的应用

详细阐述了视锥剔除算法的原理及实现,对设置虚拟摄像机、点测试、球测试、包围盒测试和在剪切空间中抽取视锥体平面方程等进行了详细地分析。此方法在实际工作中能够提高渲染时的绘制速度,有效地解决复杂场景渲染速度慢的问题。     

视景仿真实时显示技术的研究

视景模型实时显示与交互技术是目前分布式视景仿真研究的关键技术。以视景实时显示为目的,探讨了雾化技术、实例化技术、纹理映射技术、纹理裁减、场景模型分块、LOD（level of detail）等技术,重点研究了面向大场景仿真的实时显示问题,通过对各种视景仿真实时显示技术和场景显示调度算法的综合应用,实现了对三维大场景海量数据进行较为流畅的显示,满足了大场景实时显示帧率要求,并具有较好的显示精度和清晰度。     

视锥体裁剪几何算法研究

从几何角度出发,以投影理论为指导,设计了一种降维投影的视锥体裁剪几何算法。基本思想是基于视锥体构建计算坐标系,在计算坐标系下,向两个投影平面做正投影。空间中被裁剪线段与视锥体的位置关系被简化为投影平面内线段与等腰梯形的关系。这种几何化的降维方法有利于解决空间几何奇异问题。构建了空间视锥体裁剪中线段与视锥体的各种位置关系的测试样本,特别是78种处于几何奇异状态的位置关系,用于综合评估算法的速度和稳定性。用C语言在VC++平台上分别实现了投影降维的视锥体裁剪几何算法、经典的Liang-Barsky算法和与6个面分别求交的一般算法。在定性分析基础上,利用测试样本对3种算法做了计算速度与稳定性方面的测试对比。     

基于Faster R-CNN深度学习的变电站三维可视化方法

变电站视频三维可视化存在的识别准确率低、可移植性差的问题,对此提出一种基于Faster R-CNN深度学习的变电站三维可视化方法。对变电站摄像头采集的视频数据进行预处理,过滤与现场设备无关的数据,减少噪声数据对变电站现三维可视化带来的影响。采用SIFT算法在不同时空尺度上提取变电站设备特征,为变电站三维可视化提供数据基础。再次,通过Faster R-CNN深度学习算法,构建变电站三维可视化场景,并形成完整的变电站三维可视化场景。以某220 kV变电站为例,验证本算法三维可视化的自动生成性能和准确率,其结果验证了本方法的实用性和有效性。