CN115222792A - 一种铁路桥梁数字孪生建模方法 - Google Patents
一种铁路桥梁数字孪生建模方法 Download PDFInfo
- Publication number
- CN115222792A CN115222792A CN202211047193.7A CN202211047193A CN115222792A CN 115222792 A CN115222792 A CN 115222792A CN 202211047193 A CN202211047193 A CN 202211047193A CN 115222792 A CN115222792 A CN 115222792A
- Authority
- CN
- China
- Prior art keywords
- model
- physical
- digital twin
- data
- simulation
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
-
- 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
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/08—Indexing scheme for image data processing or generation, in general involving all processing steps from image acquisition to 3D model generation
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Graphics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Optics & Photonics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明提供一种铁路桥梁数字孪生建模方法,包括建立物理实体的三维物理模型,还包括以下步骤:将所述物理模型映射到逻辑模型;基于开源图形场景构建可视化的仿真模型;基于多源数据,采用多目标优化蚁群算法对所述仿真模型进行训练和优化,并将仿真结果反馈到所述物理模型;对所述物理模型与所述仿真模型进行一致性与可靠性验证;构建可计算的数据模型;集成所述物理模型、所述逻辑模型、所述仿真模型和所述数据模型,通过映射重构和1∶1镜像,建立物理空间物理实体在虚拟空间的数字孪生体。本发明基于机器视觉和图形学技术、利用图卷积和Nerf的深度学习技术的铁路桥梁数字孪生模型构建方法,实现数字孪生体与物理实体之间实时信息交互与虚拟监控。
Description
技术领域
本发明涉及数字孪生的技术领域,特别是一种铁路桥梁数字孪生建模方法。
背景技术
随着经济高速发展,越来越多的大跨度、高海拔铁路桥梁不断建造建成。日益复杂的建桥环境和持续提高的建造标准,也对桥梁施工中的各个环节提出了更高的要求,加速桥梁施工向信息化、智能化转型已成必然趋势。伴随着机器视觉三维建模技术以及视觉传感器测量技术在工业应用成果的不断推广,基于机器视觉和虚拟仿真的数字孪生技术将在铁路桥梁三维场景建模、物理信息***以及虚拟空间数字镜像等应用方面发挥重要作用。
现有铁路桥梁大多采用BIM+GIS等虚拟仿真技术,但是由于多源数据的异构性以及物理和虚拟模型的异步性,仿真模型存在着自学习和自优化能力弱的限制,并且模型缺乏可计算性与信息交互能力,无法通过虚拟空间对物理空间的铁路桥梁应用场景、桥梁组件及装配过程进行智能感知和实时监控。
申请公开号为CN111161410A发明专利申请公开一种矿井数字孪生模型及其构建方法,所述数字孪生模型由物理模型、逻辑模型、仿真模型和数据模型相互耦合和演化集成,包含以下方法步骤:(1)物理模型构建;(2)逻辑模型表示;(3)仿真模型建立;(4)仿真模型优化;(5)仿真模型验证;(6)数据模型构建;(7)数字孪生表征。该方法的缺点是网络模型较大层数受限,参数量较大,训练时间长;优点在于可以更好的挖掘点云特征,建立可信计算的点云模型,具有更强的泛化性能。
发明内容
为了解决上述的技术问题,本发明提出的一种铁路桥梁数字孪生建模方法,利用图卷积和Nerf的深度学习技术的铁路桥梁数字孪生模型构建方法,旨在通过构建物理空间铁路桥梁在虚拟空间的数字孪生模型,实现数字孪生体与物理实体之间信息交互与虚拟监控。
本发明提供一种铁路桥梁数字孪生建模方法,包括建立物理实体的三维物理模型,还包括以下步骤:
步骤1:将所述物理模型映射到逻辑模型;
步骤2:基于开源图形场景OpenSceneGraph构建可视化的仿真模型;
步骤3:基于多源数据,采用多目标优化蚁群算法对所述仿真模型进行训练和优化,并将仿真结果反馈到所述物理模型;
步骤4:对所述物理模型与所述仿真模型进行一致性与可靠性验证;
步骤5:构建可计算的数据模型;
步骤6:集成所述物理模型、所述逻辑模型、所述仿真模型和所述数据模型,通过映射重构和1∶1镜像,建立物理空间物理实体在虚拟空间的数字孪生体。
优选的是,所述建立物理实体的三维物理模型步骤包括基于输入的点云数据,利用球查询建立图结构,并通过图卷积算法提取物理实体的三维模型特征,挖掘点云模型的几何特征,以及隐藏的边缘信息。最后基于点的特征构建辐射场,利用Nerf算法建立三维模型。
在上述任一方案中优选的是,所述步骤1包括通过图形化、形式化描述所述逻辑模型的组成要素、组织结构和运行机制,并通过所述逻辑模型将各要素属性和行为反馈到所述物理模型,实现对所述物理模型的优化。
在上述任一方案中优选的是,所述步骤4包括若满足所述仿真模型的目标函数迭代优化条件,则执行所述步骤5,否则,执行所述步骤1。
在上述任一方案中优选的是,所述步骤5包括基于多源异构数据融合和神经网络算法,实现物理空间与虚拟空间信息流、控制流、数据流和决策流的数据清洗转换,共享汇聚、融合及迭代优化。
在上述任一方案中优选的是,所述数字孪生建模方法还包括以下步骤:
步骤a:进行物理实体建模;
步骤b:对物理实体模型进行优化渲染;
步骤c:搭建仿真场景;
步骤d:进行多源数据融合;
步骤e:通过基于分布式架构的数据库接口,实现数字孪生体与物理实体的实时交互及同步反馈。
在上述任一方案中优选的是,所述步骤a包括以下子步骤:
步骤a1:利用激光雷达和相机采集点云数据,根据图片生成点云并融合激光雷达采集的点云,通过图卷积网络提取点云的场景和几何特征;
步骤a2:利用提取的点云特征构建场景辐射场,使用可微分的ray marching实现高质量渲染建立铁路桥梁的物理实体三维模型;
步骤a3:使用loss函数对模型进行训练优化。
在上述任一方案中优选的是,所述图卷积的实现如下公式:
在上述任一方案中优选的是,所述loss函数为
其中,Lsparse为置信重建损失函数,γ为点云数量,γi为实际表面点的置信度。
在上述任一方案中优选的是,所述步骤b包括使用3d建模软件和渲染工具对物理实体模型进行物理实体模型渲染、贴图以及边缘优化。
在上述任一方案中优选的是,所述步骤c包括将渲染后的所述物理实体模型导入到Unity 3D中,利用物理引擎的计算结果驱动图形渲染引擎进行渲染和绘制,构建铁路桥梁的可视化仿真模型,实现数字孪生体可视化建模与可展示。
在上述任一方案中优选的是,所述步骤d包括基于分布式集群数仓,将物理实体的多源传感器数据作为输入,经数据清洗转换后实施进行数据分发,驱动物理实体与数字孪生体进行信息交互与数据同步,并将传感器实时数据、历史数据及物理模型进行分布式存储在RDBMS和NOSQL数据库。
本发明提出了一种铁路桥梁数字孪生建模方法,高度精准的还原了桥梁施工现场环境的三维空间表达,不仅可以实时反应铁路桥梁的施工进度,还可以进行远程监控和指导。
附图说明
图1为按照本发明的铁路桥梁数字孪生建模方法的一优选实施例的流程图。
图2为按照本发明的铁路桥梁数字孪生建模方法的一优选实施例的模块图。
图3为按照本发明的铁路桥梁数字孪生建模方法的另一优选实施例的计算流程图。
图4为按照本发明的铁路桥梁数字孪生建模方法的全过程修正的另一优选实施例的结果对比图。
具体实施方式
下面结合附图和具体的实施例对本发明做进一步的阐述。
实施例一
一种铁路桥梁数字孪生建模方法,利用了图卷积网络对点云进行特征提取,并采用了神经辐射场对模型进行渲染,得到高质量的铁路桥梁点云模型,为后续全生命周期铁路桥梁数字孪生模型提供良好的输入。
如图1所示,执行步骤100,建立物理实体的三维物理模型,基于输入的点云数据,利用球查询建立图结构,并通过图卷积算法提取物理实体的三维模型特征,挖掘点云模型的几何特征,以及隐藏的边缘信息。最后基于点的特征构建辐射场,利用Nerf算法建立三维模型。
执行步骤110,将所述物理模型映射到逻辑模型,通过图形化、形式化描述所述逻辑模型的组成要素、组织结构和运行机制,并通过所述逻辑模型将各要素属性和行为反馈到所述物理模型,实现对所述物理模型的优化。
执行步骤120,基于开源图形场景OpenSceneGraph构建可视化的仿真模型;
执行步骤130,基于多源数据,采用多目标优化蚁群算法对所述仿真模型进行训练和优化,并将仿真结果反馈到所述物理模型;
执行步骤140,对所述物理模型与所述仿真模型进行一致性与可靠性验证。若满足所述仿真模型的目标函数迭代优化条件,则执行所述步骤150,否则,执行所述步骤110。
执行步骤150,构建可计算的数据模型,基于多源数据融合和神经网络算法,实现物理空间与虚拟空间信息流、控制流、数据流和决策流的数据清洗转换、共享汇聚、融合及迭代优化。
执行步骤160,集成所述物理模型、所述逻辑模型、所述仿真模型和所述数据模型,通过映射重构和1∶1镜像,建立物理空间物理实体在虚拟空间的数字孪生体。
如图2所示,一种铁路桥梁数字孪生建模方法,还包括以下步骤:
执行步骤a,进行物理实体建模,包括以下子步骤:
执行步骤a1,利用激光雷达和相机采集点云数据,根据图片生成点云并融合激光雷达采集的点云,通过图卷积网络提取点云的场景和几何特征,图卷积的实现如下公式:
执行步骤a2,利用提取的点云特征构建场景辐射场,使用可微分的ray marching实现高质量渲染建立铁路桥梁的物理实体三维模型;
执行步骤a3,使用loss函数对模型进行训练优化,loss函数为
其中,Lsparse为置信重建损失函数,γ为点云数量,γi为实际表面点的置信度。
执行步骤b,对物理实体模型进行优化渲染,使用3d建模软件和渲染工具对物理实体模型进行物理实体模型渲染、贴图以及边缘优化。
执行步骤c,搭建仿真场景,将渲染后的所述物理实体模型导入到Unity 3D中,利用物理引擎的计算结果驱动图形渲染引擎进行渲染和绘制,构建铁路桥梁的可视化仿真模型,实现数字孪生体可视化建模与可展示。
执行步骤d,进行多源异构数据融合,基于分布式集群数仓,将物理实体的多源传感器数据作为输入,经数据清洗转换后实施进行数据分发,驱动物理实体与数字孪生体进行信息交互与数据同步,并将传感器实时数据、历史数据及物理模型进行分布式存储在RDBMS和NOSQL数据库。
执行步骤e,通过基于分布式架构的数据库接口,实现数字孪生体与物理实体的实时交互及同步反馈。
实施例二
本发明提出了一种基于机器视觉和图形学技术、利用图卷积和Nerf的深度学习技术的铁路桥梁数字孪生模型构建方法,旨在通过构建物理空间铁路桥梁在虚拟空间的数字孪生模型,实现数字孪生体与物理实体之间信息交互与虚拟监控。
如图3、4所示,本实施例中具体涉及一种基于图卷积神经网络与Nerf深度学习算法的铁路桥梁数字孪生模型构建方法,该模型由物理模型、逻辑模型、仿真模型和数据模型相互耦合和演化而成,包括感知层、网络层、数据层和表示层四部分。该模型的构建具体包括以下步骤:
(1)构建物理模型:建立物理实体的三维物理模型,基于输入的点云数据,利用球查询建立图结构,并通过图卷积算法提取物理实体的三维模型特征,挖掘点云模型的几何特征,以及隐藏的边缘信息。最后基于点的特征构建辐射场,利用Nerf算法建立三维模型。
(2)表示逻辑模型:将物理模型映射到逻辑模型,通过图形化、形式化描述逻辑模型的组成要素、组织结构和运行机制,并通过逻辑模型将各要素属性和行为反馈到物理模型,实现对物理模型的优化;
(3)实现仿真模型::基于OpenSceneGraph构建可视化的仿真模型,实现物理实体的孪生对象可视化、孪生结构可视化和孪生过程可视化;
(4)优化仿真模型:根据步骤3建立的仿真模型,基于多源数据,采用多目标优化蚁群算法对仿真模型进行训练和优化,并将仿真结果反馈到物理模型;
(5)验证仿真模型:对物理模型与仿真模型进行一致性与可靠性验证,若满足仿真模型的目标函数迭代优化条件,则执行步骤6,否则,执行步骤2;
(6)建立数据模型:构建可计算的数据模型,基于多源数据融合和神经网络算法,实现物理空间与虚拟空间信息流、控制流、数据流和决策流的数据清洗转换、共享汇聚、融合及迭代优化;
(7)生成数字孪生体:集成物理模型、逻辑模型、仿真模型和数据模型,通过映射重构和1∶1镜像,建立物理空间物理实体在虚拟空间的数字孪生体。
上述数字孪生模型的构建方法进一步细化,还包括以下步骤:
(1)物理实体建模:利用激光雷达和相机采集点云数据,根据图片生成点云并融合激光雷达采集的点云,通过图卷积网络提取点云的场景和几何特征,图卷积实现如下:然后利用提取的点云特征构建场景辐射场,使用可微分的raymarching实现高质量渲染建立铁路桥梁的物理实体三维模型。并引入如下loss函数对模型进行训练优化:
(2)优化渲染模型:使用3d建模软件和渲染工具对物理实体点云图进行渲染、贴图以及边缘优化;
(3)搭建仿真场景:将渲染后的铁路桥梁模型导入到Unity3D中,利用物理引擎的计算结果驱动图形渲染引擎进行渲染和绘制,构建铁路桥梁的可视化仿真模型,实现数字孪生体可视化建模与可展示。
(4)多源异构数据融合:基于分布式集群数仓,将物理实体的多源传感器数据作为输入,经数据清洗转换后实施进行数据分发,驱动物理实体与数字孪生体进行信息交互与数据同步,并将传感器实时数据、历史数据及物理模型进行分布式存储在RDBMS和NOSQL数据库;
(5)信息交互:通过OPC UA、Kafka、Web Service通信接口实现数据实时采集、数据清洗分发、异构数据动态更新,通过Kafak分布式集群平台,实现数字孪生体与物理实体的实时交互及同步反馈。
本发明具有以下优点和有益效果:
(1)本发明基于图卷积神经网络与Nerf三维重建算法,通过构建物理模型、逻辑模型、数据模型和仿真模型,实现了一种铁路桥梁的数字孪生模型构建方法,解决了现有铁路桥梁场景虚拟现实的仿真模型自学习、自优化能力弱、缺乏可计算性及信息交互能力,无法通过虚拟空间对物理空间铁路桥梁进行镜像重构、实时控制的问题。
(2)本发明提供的铁路桥梁数字孪生模型方法,高度精准的还原了桥梁施工现场环境的三维空间表达,不仅可以实时反应铁路桥梁的施工进度,还可以进行远程监控和指导。
(3)本发明打造的铁路桥梁数字孪生体在特大桥梁施工过程中的复杂环境科学规划、规避进度滞后风险、优化多方协同管理、严控施工安全、保障绿色施工等方面起到重要作用。
为了更好地理解本发明,以上结合本发明的具体实施例做了详细描述,但并非是对本发明的限制。凡是依据本发明的技术实质对以上实施例所做的任何简单修改,均仍属于本发明技术方案的范围。本说明书中每个实施例重点说明的都是与其它实施例的不同之处,各个实施例之间相同或相似的部分相互参见即可。对于方法实施例而言,由于其与方法实施例基本对应,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
Claims (10)
1.一种铁路桥梁数字孪生建模方法,包括建立物理实体的三维物理模型,其特征在于,还包括以下步骤:
步骤1:将所述物理模型映射到逻辑模型;
步骤2:基于开源图形场景OpenSceneGraph构建可视化的仿真模型;
步骤3:基于多源数据,采用多目标优化蚁群算法对所述仿真模型进行训练和优化,并将仿真结果反馈到所述物理模型;
步骤4:对所述物理模型与所述仿真模型进行一致性与可靠性验证;
步骤5:构建可计算的数据模型;
步骤6:集成所述物理模型、所述逻辑模型、所述仿真模型和所述数据模型,通过映射重构和1∶1镜像,建立物理空间物理实体在虚拟空间的数字孪生体。
2.如权利要求1所述的铁路桥梁数字孪生建模方法,其特征在于,所述建立物理实体的三维物理模型步骤包括基于输入的点云数据,利用球查询建立图结构,并通过图卷积算法提取物理实体的三维模型特征,挖掘点云模型的几何特征,以及隐藏的边缘信息。最后基于点的特征构建辐射场,利用神经辐射场(Nerf)算法建立三维模型。
3.如权利要求2所述的铁路桥梁数字孪生建模方法,其特征在于,所述步骤1包括通过图形化、形式化描述所述逻辑模型的组成要素、组织结构和运行机制,并通过所述逻辑模型将各要素属性和行为反馈到所述物理模型,实现对所述物理模型的优化。
4.如权利要求3所述的铁路桥梁数字孪生建模方法,其特征在于,所述步骤4包括若满足所述仿真模型的目标函数迭代优化条件,则执行所述步骤5,否则,执行所述步骤1。
5.如权利要求4所述的铁路桥梁数字孪生建模方法,其特征在于,所述步骤5包括基于多源异构数据融合和神经网络算法,实现物理空间与虚拟空间信息流、控制流、数据流和决策流的数据清洗转换、共享汇聚、融合及迭代优化。
6.如权利要求5所述的铁路桥梁数字孪生建模方法,其特征在于,所述数字孪生建模方法还包括以下步骤:
步骤a:进行物理实体建模;
步骤b:对物理实体模型进行优化渲染;
步骤c:搭建仿真场景;
步骤d:进行多源数据融合;
步骤e:通过基于分布式架构的数据库接口,实现数字孪生体与物理实体的实时交互及同步反馈。
7.如权利要求6所述的铁路桥梁数字孪生建模方法,其特征在于,所述步骤a包括以下子步骤:
步骤a1:利用激光雷达和相机采集点云数据,根据图片生成点云并融合激光雷达采集的点云,通过图卷积网络提取点云的场景和几何特征;
步骤a2:利用提取的点云特征构建场景辐射场,使用可微分的ray marching实现高质量渲染建立铁路桥梁的物理实体三维模型;
步骤a3:使用loss函数对模型进行训练优化。
10.如权利要求8所述的铁路桥梁数字孪生建模方法,其特征在于,所述步骤b包括使用3d建模软件和渲染工具对物理实体模型进行物理实体模型渲染、贴图以及边缘优化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211047193.7A CN115222792B (zh) | 2022-08-29 | 2022-08-29 | 一种铁路桥梁数字孪生建模方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211047193.7A CN115222792B (zh) | 2022-08-29 | 2022-08-29 | 一种铁路桥梁数字孪生建模方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115222792A true CN115222792A (zh) | 2022-10-21 |
CN115222792B CN115222792B (zh) | 2023-10-10 |
Family
ID=83617714
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211047193.7A Active CN115222792B (zh) | 2022-08-29 | 2022-08-29 | 一种铁路桥梁数字孪生建模方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115222792B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115688471A (zh) * | 2022-11-15 | 2023-02-03 | 内蒙古化工职业学院 | 一种数字孪生模型构建方法 |
CN116341396A (zh) * | 2023-05-30 | 2023-06-27 | 青岛理工大学 | 一种基于多源数据融合的复杂装备数字孪生建模方法 |
CN116612223A (zh) * | 2023-07-17 | 2023-08-18 | 金锐同创(北京)科技股份有限公司 | 数字孪生模拟空间的生成方法、装置、计算机设备和介质 |
CN117421814A (zh) * | 2023-12-18 | 2024-01-19 | 中国铁路设计集团有限公司 | 铁路桥梁工程虚拟施工可视化构建方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111161410A (zh) * | 2019-12-30 | 2020-05-15 | 中国矿业大学(北京) | 一种矿井数字孪生模型及其构建方法 |
CN111210359A (zh) * | 2019-12-30 | 2020-05-29 | 中国矿业大学(北京) | 面向智能矿山场景的数字孪生演化机理及方法 |
CN111815776A (zh) * | 2020-02-04 | 2020-10-23 | 山东水利技师学院 | 综合机载和车载三维激光点云及街景影像的三维建筑物精细几何重建方法 |
CN113628348A (zh) * | 2021-08-02 | 2021-11-09 | 聚好看科技股份有限公司 | 一种确定三维场景中视点路径的方法及设备 |
CN113705631A (zh) * | 2021-08-10 | 2021-11-26 | 重庆邮电大学 | 一种基于图卷积的3d点云目标检测方法 |
US20220083707A1 (en) * | 2020-09-11 | 2022-03-17 | International Business Machines Corporation | Resultant digital replica |
-
2022
- 2022-08-29 CN CN202211047193.7A patent/CN115222792B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111161410A (zh) * | 2019-12-30 | 2020-05-15 | 中国矿业大学(北京) | 一种矿井数字孪生模型及其构建方法 |
CN111210359A (zh) * | 2019-12-30 | 2020-05-29 | 中国矿业大学(北京) | 面向智能矿山场景的数字孪生演化机理及方法 |
CN111815776A (zh) * | 2020-02-04 | 2020-10-23 | 山东水利技师学院 | 综合机载和车载三维激光点云及街景影像的三维建筑物精细几何重建方法 |
US20220083707A1 (en) * | 2020-09-11 | 2022-03-17 | International Business Machines Corporation | Resultant digital replica |
CN113628348A (zh) * | 2021-08-02 | 2021-11-09 | 聚好看科技股份有限公司 | 一种确定三维场景中视点路径的方法及设备 |
CN113705631A (zh) * | 2021-08-10 | 2021-11-26 | 重庆邮电大学 | 一种基于图卷积的3d点云目标检测方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115688471A (zh) * | 2022-11-15 | 2023-02-03 | 内蒙古化工职业学院 | 一种数字孪生模型构建方法 |
CN116341396A (zh) * | 2023-05-30 | 2023-06-27 | 青岛理工大学 | 一种基于多源数据融合的复杂装备数字孪生建模方法 |
CN116341396B (zh) * | 2023-05-30 | 2023-08-11 | 青岛理工大学 | 一种基于多源数据融合的复杂装备数字孪生建模方法 |
CN116612223A (zh) * | 2023-07-17 | 2023-08-18 | 金锐同创(北京)科技股份有限公司 | 数字孪生模拟空间的生成方法、装置、计算机设备和介质 |
CN116612223B (zh) * | 2023-07-17 | 2023-10-17 | 金锐同创(北京)科技股份有限公司 | 数字孪生模拟空间的生成方法、装置、计算机设备和介质 |
CN117421814A (zh) * | 2023-12-18 | 2024-01-19 | 中国铁路设计集团有限公司 | 铁路桥梁工程虚拟施工可视化构建方法 |
CN117421814B (zh) * | 2023-12-18 | 2024-03-15 | 中国铁路设计集团有限公司 | 铁路桥梁工程虚拟施工可视化构建方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115222792B (zh) | 2023-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111210359B (zh) | 面向智能矿山场景的数字孪生演化机理及方法 | |
CN111161410B (zh) | 一种矿井数字孪生模型及其构建方法 | |
CN115222792B (zh) | 一种铁路桥梁数字孪生建模方法 | |
US11222465B2 (en) | Embedded urban design scene emulation method and system | |
Wang et al. | Pixel2Mesh: 3D mesh model generation via image guided deformation | |
CN111177942A (zh) | 矿井无人化综掘工作面数字孪生智能监控*** | |
CN110083119A (zh) | 一种基于数字孪生的可视化电力***机房监控***和方法 | |
CN115100339A (zh) | 图像生成方法、装置、电子设备和存储介质 | |
CN111950066B (zh) | 一种基于bim和gis技术的数字孪生数据驱动*** | |
CN115099075A (zh) | 一种基于智能化棒、线、型车间数字孪生方法 | |
CN115601511B (zh) | 三维重建方法、装置、计算机设备及计算机可读存储介质 | |
CN113570275A (zh) | 基于bim和数字高程模型的水资源实时监测*** | |
CN112069580A (zh) | 抽水蓄能电站数字化交付方法、平台、***、设备和介质 | |
CN115131498A (zh) | 一种水库智慧水利数字孪生模型快速构建方法 | |
CN116127551A (zh) | 一种基于数字孪生多维模型的桥梁施工进度精细化管控方法 | |
CN102646286B (zh) | 三维空间结构的数字图形介质模拟方法 | |
CN114147706A (zh) | 一种基于数字孪生的协作机器人远程监测***与方法 | |
CN113051637A (zh) | 一种关于公共医疗建筑的bim建模方法 | |
CN113593007A (zh) | 一种基于变分自编码的单视图三维点云重建方法及*** | |
Yabuki | Impact of Collaborative Virtual Environments on Design Process | |
Zhang et al. | Application analysis of particle swarm optimization convolutional neural network in industrial design | |
Branchaud et al. | Advancing environmental management through Digital Twin technology: A demonstration and future outlook for land and water resource development in Australia | |
CN116975971B (zh) | 一种基于bim数据的建筑数字模型构建方法及*** | |
Su et al. | An Efficient Modeling Method for CAD Data in Virtual Reality System | |
Qing et al. | Research on Application of 3D Laser Point Cloud Technology in 3D Geographic Location Information Modeling of Electric Power |
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 |