CN116468838B - 一种区域资源渲染方法、***、计算机及可读存储介质 - Google Patents
一种区域资源渲染方法、***、计算机及可读存储介质 Download PDFInfo
- Publication number
- CN116468838B CN116468838B CN202310692747.7A CN202310692747A CN116468838B CN 116468838 B CN116468838 B CN 116468838B CN 202310692747 A CN202310692747 A CN 202310692747A CN 116468838 B CN116468838 B CN 116468838B
- Authority
- CN
- China
- Prior art keywords
- pixel
- polygon
- preset
- land block
- land
- 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.)
- Active
Links
- 238000009877 rendering Methods 0.000 title claims abstract description 86
- 238000000034 method Methods 0.000 title claims abstract description 45
- 230000011218 segmentation Effects 0.000 claims abstract description 62
- 238000012545 processing Methods 0.000 claims abstract description 25
- 239000013598 vector Substances 0.000 claims description 110
- 239000011159 matrix material Substances 0.000 claims description 32
- 238000006243 chemical reaction Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000012360 testing method Methods 0.000 claims description 10
- 238000000605 extraction Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 239000002699 waste material Substances 0.000 abstract description 4
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- 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
- G06T15/00—3D [Three Dimensional] image rendering
- G06T15/10—Geometric effects
- G06T15/30—Clipping
-
- 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
- G06T17/05—Geographic models
-
- 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
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
-
- 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
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computer Graphics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Remote Sensing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种区域资源渲染方法、***、计算机及可读存储介质，所述方法包括获取区域的数字背景底板，对所述数字背景底板进行第一虚拟分割或第二虚拟分割，以得到若干预设形状地块；基于所述预设形状地块对所述数字背景底板进行像素聚类迭代处理，以得到分割地块；提取所述分割地块的特征边，并根据所述特征边确定网格顶点集，基于所述网格顶点集生成网格模型；对所述网格模型进行流式加载以及渲染处理，以生成区域资源渲染模型，本发明能够提高模型的加载速度同时控制帧率保持在稳定的输出值，不会对性能产生额外的负担和浪费。
Description
技术领域
本发明属于三维模型渲染的技术领域，具体地涉及一种区域资源渲染方法、***、计算机及可读存储介质。
背景技术
在针对大面积区域的资源渲染时，Cpu计算出了所有对象的位置信息，并决定了哪些对象要参与渲染，之后就需要进行实际渲染，实际渲染的第一个部分就是渲染几何体，几何体渲染是渲染流程中占比较大的一部分，对性能有着主要的影响，但在渲染几何体之前会面临一个问题，已知参与渲染的对象，但是执行渲染的顺序未知，且渲染是对每个模型执行的，以预设区域范围为例，先渲染背景底板的模型，然后渲染了预设区域模型，接着是预设区域模型内的轮廓、河流等，对于整个界面其实是渲染了3次。
整体呈现出来的所有内容都是最后是显示在背景上边的，预设区域模型挡住了背景模型上的一部分，也就是说在渲染背景模型的时候，渲染器把后来会被预设区域模型给挡住的那部分也渲染了（执行了相关的像素计算），然后渲染预设区域模型时，把预设区域的像素又计算了一遍，因此当一个画面中有成百上千个模型时，上述重复的像素计算将会对性能产生极大的浪费，且严重影响渲染加载速度。
发明内容
为了解决上述技术问题，本发明提供了一种区域资源渲染方法、***、计算机及可读存储介质，用于解决现有技术中存在的技术问题。
第一方面，该发明提供以下技术方案，一种区域资源渲染方法，所述方法包括：
获取区域的数字背景底板，对所述数字背景底板进行第一虚拟分割或第二虚拟分割，以得到若干预设形状地块；
基于所述预设形状地块对所述数字背景底板进行像素聚类迭代处理，以得到分割地块；
提取所述分割地块的特征边，并根据所述特征边确定网格顶点集，基于所述网格顶点集生成网格模型；
对所述网格模型进行流式加载以及渲染处理，以生成区域资源渲染模型；
所述基于所述预设形状地块对所述数字背景底板进行像素聚类迭代处理，以得到分割地块的步骤包括：
设定超像素数目，给每个所述预设形状地块分配若干初始聚类中心，计算所述初始聚类中心第一预设邻域内所有像素的梯度值，并选取所述梯度值最小时对应的像素作为新聚类中心；
在所述新聚类中心的第二预设邻域内计算每个像素与所述新聚类中心之间的像素距离，对每个像素选取所述像素距离最小对应的新聚类中心作为该像素的像素聚类中心，并为该像素分配对应的像素聚类中心的类标签；
对于若干个超像素，分别计算每个超像素包含所有像素的平均向量，以得到迭代聚类中心，并将所述迭代聚类中心替换所述新聚类中心并反复迭代直至收敛，以得到若干分割地块。
相比现有技术，本申请的有益效果为：本申请首先获取区域的数字背景底板，对所述数字背景底板进行第一虚拟分割或第二虚拟分割，以得到若干预设形状地块；而后基于所述预设形状地块对所述数字背景底板进行像素聚类迭代处理，以得到分割地块；之后提取所述分割地块的特征边，并根据所述特征边确定网格顶点集，基于所述网格顶点集生成网格模型；最后对所述网格模型进行流式加载以及渲染处理，以生成区域资源渲染模型，本发明在实际渲染前执行一个虚拟分割时的预渲染，即进行一个比较轻量的渲染计算，进而计算出旋绕对象的渲染顺序，并将明知会被后渲染对象所遮挡住的像素区域进行一个遮挡，以此提高区域资源渲染过程的效果以及效率，同时本发明针对于精度更高的级别场景和范围更大的场景来说，能够提高模型的加载速度同时控制帧率保持在稳定的输出值，不会对性能产生额外的负担和浪费。
较佳的，所述对所述数字背景底板进行第一虚拟分割，以得到预设形状地块的步骤包括：
基于所述数字背景底板，建立FOCUSON焦点多边形数据集；
基于所述FOCUSON焦点多边形数据集拾取与存储若干多边形点，并对多边形点进行距离计算，以得到若干虚拟多边形；
为每个所述虚拟多边形的边赋予向量值，以得到边向量，计算每个所述虚拟多边形中相邻两边向量的叉乘结果，并判断是否存在叉乘结果小于预设值的边向量；
若不存在叉乘结果小于预设值的边向量，则该边向量对应的所述虚拟多边形为凸多边形，以得到若干预设形状地块；
若存在叉乘结果小于预设值的边向量，则该边向量对应的所述虚拟多边形为凹多边形，将所述虚拟多边形作为待处理多边形，对所述待处理多边形进行分割转换与凹凸测试，以得到若干预设形状地块。
较佳的，所述对所述待处理多边形进行分割转换与凹凸测试，以得到若干预设形状地块的步骤包括：
在所述待处理多边形中选取叉乘结果小于预设值所对应的边向量作为分割向量，并将所述待处理多边形输入至二维坐标系中；
将所述待处理多边形与所述分割向量相邻的一个边向量移动至与横坐标轴重合，并将该边向量的起点移动至所述二维坐标系的原点位置；
基于所述分割向量将所述待处理多边形进行分割，以得到第一多边形，顺时针旋转所述第一多边形，以使所述分割向量与所述横坐标轴重合，并判断所述分割向量的相邻下一边向量的终点是否位于横坐标轴下方；
若所述分割向量的相邻下一边向量的终点位于横坐标轴下方，则所述第一多边形为凹多边形，重复对所述第一多边形进行分割转换与凹凸测试，直至得到若干预设形状地块，若所述分割向量的相邻下一边向量的终点不位于横坐标轴下方，则所述第一多边形为凸多边形，将所述第一多边形作为预设形状地块。
较佳的，所述对所述数字背景底板进行第二虚拟分割，以得到若干预设形状地块的步骤包括：
在所述数字背景底板的区域地块中输入预设三角形，并基于所述预设三角形对所述区域地块进行三角形切割，以在所述区域地块内生成第一切割地块并在所述区域地块外生成第二切割地块，将所述第二切割地块进行舍弃并基于所述第一切割地块得到若干预设形状地块。
较佳的，所述提取所述分割地块的特征边的步骤包括：
对所述分割地块进行高斯滤波处理，并利用Sobel算子分别计算所述分割地块在X方向上的第一像素梯度矩阵以及在Y方向上的第二像素梯度矩阵；
根据所述第一像素梯度矩阵与所述第二像素梯度矩阵计算梯度强度矩阵，基于所述梯度强度矩阵确定当前像素梯度强度，并判断当前像素梯度强度对比与沿正负梯度方向上相邻像素的像素梯度强度是否为极大值；
若当前像素梯度强度对比与沿正负梯度方向上相邻像素的像素梯度强度为极大值，则保留对应的像素边缘点，若当前像素梯度强度对比与沿正负梯度方向上相邻像素的像素梯度强度不为极大值，则舍去对应的像素点；
将低于第一预设强度阈值的像素边缘点剔除，将介于第一预设强度阈值与第二预设强度阈值的像素边缘点作为弱边缘像素点，将高于第二预设强度阈值的像素边缘点作为强边缘像素点，并基于所述强边缘像素点确定所述分割地块的特征边。
较佳的，所述根据所述特征边确定网格顶点集，基于所述网格顶点集生成网格模型的步骤包括：
利用8邻域边界跟踪法提取所述超像素的像素边界，并将所述像素边界上的点作为第一网格顶点；
基于所述像素边界，提取相邻所述超像素的交点作为第二网格顶点；
提取所述分割地块的特征边上的第一点集合以及所述像素边界的2-邻域集的第二点集合，计算所述第一点集合与所述第二点集合之间的点差集，并对所述点差集进行均匀采样，以得到第三网格顶点；
根据所述第一网格顶点、所述第二网格顶点与所述第三网格顶点确定网格顶点集，并基于所述网格顶点集中的点将所述分割地块分解为若干三角形簇，以得到网格模型。
第二方面，该发明提供以下技术方案，一种区域资源渲染***，所述***包括：
分割模块，用于获取区域的数字背景底板，对所述数字背景底板进行第一虚拟分割或第二虚拟分割，以得到若干预设形状地块；
迭代模块，用于基于所述预设形状地块对所述数字背景底板进行像素聚类迭代处理，以得到分割地块；
提取模块，用于提取所述分割地块的特征边，并根据所述特征边确定网格顶点集，基于所述网格顶点集生成网格模型；
渲染模块，用于对所述网格模型进行流式加载以及渲染处理，以生成区域资源渲染模型；
所述迭代模块包括：
分配子模块，用于设定超像素数目，给每个所述预设形状地块分配若干初始聚类中心，计算所述初始聚类中心第一预设邻域内所有像素的梯度值，并选取所述梯度值最小时对应的像素作为新聚类中心；
像素距离子模块，用于在所述新聚类中心的第二预设邻域内计算每个像素与所述新聚类中心之间的像素距离，对每个像素选取所述像素距离最小对应的新聚类中心作为该像素的像素聚类中心，并为该像素分配对应的像素聚类中心的类标签；
迭代子模块，用于对于若干个超像素，分别计算每个超像素包含所有像素的平均向量，以得到迭代聚类中心，并将所述迭代聚类中心替换所述新聚类中心并反复迭代直至收敛，以得到若干分割地块。
第三方面，该发明提供以下技术方案，一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的区域资源渲染方法。
第四方面，该发明提供以下技术方案，一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述的区域资源渲染方法。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术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为本发明第一实施例提供的区域资源渲染方法的流程图；
图2为本发明第一实施例提供的区域资源渲染方法中步骤S11的详细流程图；
图3为本发明第一实施例提供的区域资源渲染方法中步骤S115的详细流程图；
图4为本发明第一实施例提供的区域资源渲染方法中步骤S2的详细流程图；
图5为本发明第一实施例提供的区域资源渲染方法中步骤S31的详细流程图；
图6为本发明第一实施例提供的区域资源渲染方法中步骤S32的详细流程图；
图7为本发明第二实施例提供的区域资源渲染***的结构框图；
图8为本发明另一实施例提供的计算机的硬件结构框图。
以下将结合附图对本发明实施例作进一步说明。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的若干实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及／或”包括一个或多个相关的所列项目的任意的和所有的组合。
实施例一
如图1所示，在本发明的第一个实施例中，该发明提供以下技术方案，一种区域资源渲染方法，所述方法包括：
S1、获取区域的数字背景底板，对所述数字背景底板进行第一虚拟分割或第二虚拟分割，以得到若干预设形状地块；
具体的，在本实施例中，数字背景底板具体为背景三维模型，在本实施例中，以预设区域作为范围，因此数字背景底板为预设区域的三维模型，以便于在数字背景底板上进行地块分割、贴图与渲染；
同时，在本实施例中，步骤S1包括：步骤S11、对所述数字背景底板进行第一虚拟分割，以得到若干预设形状地块以及步骤S12、对所述数字背景底板进行第二虚拟分割，以得到若干预设形状地块，其中第一虚拟分割为凸多边形切割，第二虚拟分割为三角形切割，两种切割方式可择一使用，根据模型的精度要求而定，采用第一虚拟分割方式进行分割的方式精度较低，且分割时间短，采用第二虚拟分割方式进行分割的方式精度较高细节丰富，且分割时间长，因此预设形状地块可为三角形地块也可为凸多边形地块。
如图2所示，其中，所述步骤S11包括：
S111、基于所述数字背景底板，建立FOCUSON焦点多边形数据集。
S112、基于所述FOCUSON焦点多边形数据集拾取与存储若干多边形点，并对多边形点进行距离计算，以得到若干虚拟多边形；
具体的，在拾取了若干个多边形点之后，拾取的若干点会形成一个个由三条边以上组成的多边形，且通过判断拾取点与边长延长线处于同一侧还是另一侧即可判断多边形的凹凸性。
S113、为每个所述虚拟多边形的边赋予向量值，以得到边向量，计算每个所述虚拟多边形中相邻两边向量的叉乘结果，并判断是否存在叉乘结果小于预设值的边向量；
具体的，将虚拟多边形的每个边转换为边向量，通过判断连续的变向量之间的叉乘的结果，通过判断叉乘结果的正负性即可判断多边形的凹凸性，且如果三个连续的顶点共线，则相邻两边向量之间的叉乘结果为0；
例如，对于一个虚拟多边形来说，该虚拟多边形的边向量即为E1、E2、E3、E4、E5、E6，其中E1=(1，0，0)、E2=(1，1，0)、E3=(1，-1，0)、E4=(0，2，0)、E5=(-3，0，0)、E6=(0，-2，0)，因此对相邻两个边向量进行叉乘，得到了若干叉乘结果E1*E2、E2*E3、E3*E4、E4*E5、E5*E6、E6*E1，其中存在E2*E3的结果为负值，因此判定该虚拟多边形为凹向量。
S114、若不存在叉乘结果小于预设值的边向量，则该边向量对应的所述虚拟多边形为凸多边形，以得到若干预设形状地块；
具体的，其中预设值为0，如不存在叉乘结果小于预设值的边向量，即所有边向量的叉乘结果均不为负值，因此该虚拟多边形为凸多边形，而凸多边形符合预设形状地块的要求。
S115、若存在叉乘结果小于预设值的边向量，则该边向量对应的所述虚拟多边形为凹多边形，将所述虚拟多边形作为待处理多边形，对所述待处理多边形进行分割转换与凹凸测试，以得到若干预设形状地块；
具体的，如果存在叉乘结果小于0的边向量，因此该边向量对应的虚拟多边形为凹多边形，但凹多边形不符合预设形状地块的要求，因此需要对待处理多边形进行分割转换，将其转换为凸多边形，并继续进行凹凸测试以及分割转换，直至所有凹多边形均转换为了凸多边形。
如图3所示，其中，所述步骤S115包括：
S1151、在所述待处理多边形中选取叉乘结果小于预设值所对应的边向量作为分割向量，并将所述待处理多边形输入至二维坐标系中。
S1152、将所述待处理多边形与所述分割向量相邻的一个边向量移动至与横坐标轴重合，并将该边向量的起点移动至所述二维坐标系的原点位置。
S1153、基于所述分割向量将所述待处理多边形进行分割，以得到第一多边形，顺时针旋转所述第一多边形，以使所述分割向量与所述横坐标轴重合，并判断所述分割向量的相邻下一边向量的终点是否位于横坐标轴下方。
S1154、若所述分割向量的相邻下一边向量的终点位于横坐标轴下方，则所述第一多边形为凹多边形，重复对所述第一多边形进行分割转换与凹凸测试，直至得到若干预设形状地块，若所述分割向量的相邻下一边向量的终点不位于横坐标轴下方，则所述第一多边形为凸多边形，将所述第一多边形作为预设形状地块；
具体的，如上文所列的虚拟多边形为例，虚拟多边形的边向量即为E1、E2、E3、E4、E5、E6，其中E1=(1，0，0)、E2=(1，1，0)、E3=(1，-1，0)、E4=(0，2，0)、E5=(-3，0，0)、E6=(0，-2，0)，叉乘结果为E1*E2、E2*E3、E3*E4、E4*E5、E5*E6、E6*E1，其中E2*E3的结果为负值，该虚拟多边形具有六个顶点，分别即为V1、V2、V3、V4、V5、V6，其中E1=V2-V1、E2=V3-V2、E3=V4-V3、E4=V5-V4、E5=V6-V5、E6=V1-V6，其余边向量依次类推；
分割向量即为E2，因此将边向量E1移动至与横坐标轴重合，且将V1与坐标原点重合，沿着分割向量E2，即一条斜率为1截距为-1的直线将待处理多边形进行分割，得到了第一多边形，之后将第一多边形沿着E1进行旋转，使得分割向量E2与横坐标轴重合，因此可知，如第一多边形为凸多边形，则点V4则会处于横坐标轴的上方或者落与横坐标轴上，如果第一多边形为凹多边形，则点V4则会处于横坐标轴的下方，后不断利用横坐标轴进行分割以及凹凸设置，直至所有的凹多边形转换为凸多边形，以满足预设形状地块的要求。
其中，所述步骤S12包括：
在所述数字背景底板的区域地块中输入预设三角形，并基于所述预设三角形对所述区域地块进行三角形切割，以在所述区域地块内生成第一切割地块并在所述区域地块外生成第二切割地块，将所述第二切割地块进行舍弃并基于所述第一切割地块得到若干预设形状地块；
具体的，首先对于矩形的区域地块来说，输入一个三角形，该三角形的三个顶点处于区域地块之外，因此通过该三角形切割之后，会存在两种地块，一种为处于区域地块的范围之内的地块，另一种为处于区域地块范围之外的地块，保留第一切割地块并舍去第二切割地块，即可实现第二虚拟切割。
S2、基于所述预设形状地块对所述数字背景底板进行像素聚类迭代处理，以得到分割地块；
具体的，生成网格模型的过程在模型导入与模型修改阶段的图像分割处理流程，首先对预分割后的预设形状地块进行超像素分割，之后进行特征边的提取，即可将虚拟分割后的数字背景底板转换为带有若干三角簇的高精度模型，以便于进行渲染。
如图4所示，其中，所述步骤S2包括：
S21、设定超像素数目，给每个所述预设形状地块分配若干初始聚类中心，计算所述初始聚类中心第一预设邻域内所有像素的梯度值，并选取所述梯度值最小时对应的像素作为新聚类中心；
具体的，对于一张包含N个像素的预设形状地块，将其预分割为K个大小相同的超像素，因此每两个相邻的初始聚类中心的距离近似为，且第一预设邻域为3×3的邻域范围。
S22、在所述新聚类中心的第二预设邻域内计算每个像素与所述新聚类中心之间的像素距离，对每个像素选取所述像素距离最小对应的新聚类中心作为该像素的像素聚类中心，并为该像素分配对应的像素聚类中心的类标签；
具体的，第二预设邻域为2S× 2S的邻域范围，且像素距离为：
式中，为颜色距离，/>为空间距离，/>为常数。
S23、对于若干个超像素，分别计算每个超像素包含所有像素的平均向量，以得到迭代聚类中心，并将所述迭代聚类中心替换所述新聚类中心并反复迭代直至收敛，以得到若干分割地块；
具体的，在迭代聚类中心替换掉初始聚类中心之后，返回执行步骤S22，反复迭代直至收敛。
具体的，在步骤S23之后，为了增强连通性，使用连通域算法为“孤立”像素分配距离其最近的聚类中心的类标签来强制连通，以保证生成的超像素分割能较好地贴合对象边界且形状较为规则。
S3、提取所述分割地块的特征边，并根据所述特征边确定网格顶点集，基于所述网格顶点集生成网格模型；
所述步骤S3包括步骤S31、利用边缘检测算法提取所述分割地块的特征边以及步骤S32、根据所述特征边确定网格顶点集，基于所述网格顶点集生成网格模型。
如图5所示，所述步骤S31包括：
S311、对所述分割地块进行高斯滤波处理，并利用Sobel算子分别计算所述分割地块在X方向上的第一像素梯度矩阵以及在Y方向上的第二像素梯度矩阵；
其中，用Sobel算子为两个3×3的矩阵，分别为Sx和Sy，因此第一像素梯度矩阵Gx与第二像素梯度矩阵Gy为：
；
；
式中，为灰度矩阵，*为互相关运算，（卷积运算可视为将卷积核旋转180°后的互相关运算）。
S312、根据所述第一像素梯度矩阵与所述第二像素梯度矩阵计算梯度强度矩阵，基于所述梯度强度矩阵确定当前像素梯度强度，并判断当前像素梯度强度对比与沿正负梯度方向上相邻像素的像素梯度强度是否为极大值。
S313、若当前像素梯度强度对比与沿正负梯度方向上相邻像素的像素梯度强度为极大值，则保留对应的像素边缘点，若当前像素梯度强度对比与沿正负梯度方向上相邻像素的像素梯度强度不为极大值，则舍去对应的像素点。
S314、将低于第一预设强度阈值的像素边缘点剔除，将介于第一预设强度阈值与第二预设强度阈值的像素边缘点作为弱边缘像素点，将高于第二预设强度阈值的像素边缘点作为强边缘像素点，并基于所述强边缘像素点确定所述分割地块的特征边；
具体的，图像矩阵坐标系原点在左上角，且x正方向为从左到右，y正方向为从上到下，基于第一像素梯度矩阵Gx与第二像素梯度矩阵Gy，可确定得到梯度强度矩阵Gxy，并且由，可得到当前像素梯度强度；
中心像素点的第一像素梯度强度为、第二像素梯度强度为/>、当前像素梯度强度为/>，第一像素梯度强度为x方向的梯度强度，第二像素梯度强度为y方向的梯度强度，则根据/>和/>的正负和大小可判断出其梯度方向所属区域，进而根据其像素梯度方向以及相邻点的像素梯度线性插值得到正负梯度方向的两个参与比较的梯度强度/>和/>：
；
；
其中，t为比例因子，若第一像素梯度强度等于第二像素梯度强度，则说明该点像素梯度为0，因此该像素不为边缘像素点。
如图6所示，其中，所述步骤S32包括：
S321、利用8邻域边界跟踪法提取所述超像素的像素边界，并将所述像素边界上的点作为第一网格顶点；
S322、基于所述像素边界，提取相邻所述超像素的交点作为第二网格顶点；
S323、提取所述分割地块的特征边上的第一点集合以及所述像素边界的2-邻域集的第二点集合，计算所述第一点集合与所述第二点集合之间的点差集，并对所述点差集进行均匀采样，以得到第三网格顶点；
S324、根据所述第一网格顶点、所述第二网格顶点与所述第三网格顶点确定网格顶点集，并基于所述网格顶点集中的点将所述分割地块分解为若干三角形簇，以得到网格模型。
S4、对所述网格模型进行流式加载以及渲染处理，以生成区域资源渲染模型；
具体的，在得到了网格模型之后，便可将其转换集成为流式加载数据并设置对应的预览场景单位，同时基于流式渲染部分对其进行渲染，以得到区域资源渲染模型。
本实施例一的好处在于：本申请首先获取区域的数字背景底板，对所述数字背景底板进行第一虚拟分割或第二虚拟分割，以得到若干预设形状地块；而后基于所述预设形状地块对所述数字背景底板进行像素聚类迭代处理，以得到分割地块；之后提取所述分割地块的特征边，并根据所述特征边确定网格顶点集，基于所述网格顶点集生成网格模型；最后对所述网格模型进行流式加载以及渲染处理，以生成区域资源渲染模型，本发明在实际渲染前执行一个虚拟分割时的预渲染，即进行一个比较轻量的渲染计算，进而计算出旋绕对象的渲染顺序，并将明知会被后渲染对象所遮挡住的像素区域进行一个遮挡，以此提高区域资源渲染过程的效果以及效率，同时本发明针对于精度更高的级别场景和范围更大的场景来说，能够提高模型的加载速度同时控制帧率保持在稳定的输出值，不会对性能产生额外的负担和浪费。
实施例二
如图7所示，在本发明的第二个实施例提供了一种区域资源渲染***，所述***包括：
分割模块1，用于获取区域的数字背景底板，对所述数字背景底板进行第一虚拟分割或第二虚拟分割，以得到若干预设形状地块；
迭代模块2，用于基于所述预设形状地块对所述数字背景底板进行像素聚类迭代处理，以得到分割地块；
提取模块3，用于提取所述分割地块的特征边，并根据所述特征边确定网格顶点集，基于所述网格顶点集生成网格模型；
渲染模块4，用于对所述网格模型进行流式加载以及渲染处理，以生成区域资源渲染模型。
所述分割模块1包括：
数据集子模块，用于基于所述数字背景底板，建立FOCUSON焦点多边形数据集；
距离计算子模块，用于基于所述FOCUSON焦点多边形数据集拾取与存储若干多边形点，并对多边形点进行距离计算，以得到若干虚拟多边形；
向量赋予子模块，用于为每个所述虚拟多边形的边赋予向量值，以得到边向量，计算每个所述虚拟多边形中相邻两边向量的叉乘结果，并判断是否存在叉乘结果小于预设值的边向量；
地块确定子模块，用于若不存在叉乘结果小于预设值的边向量，则该边向量对应的所述虚拟多边形为凸多边形，以得到若干预设形状地块；
转换子模块，用于若存在叉乘结果小于预设值的边向量，则该边向量对应的所述虚拟多边形为凹多边形，将所述虚拟多边形作为待处理多边形，对所述待处理多边形进行分割转换与凹凸测试，以得到若干预设形状地块。
所述转换子模块包括：
坐标转换单元，用于在所述待处理多边形中选取叉乘结果小于预设值所对应的边向量作为分割向量，并将所述待处理多边形输入至二维坐标系中；
移动单元，用于将所述待处理多边形与所述分割向量相邻的一个边向量移动至与横坐标轴重合，并将该边向量的起点移动至所述二维坐标系的原点位置；
分割单元，用于基于所述分割向量将所述待处理多边形进行分割，以得到第一多边形，顺时针旋转所述第一多边形，以使所述分割向量与所述横坐标轴重合，并判断所述分割向量的相邻下一边向量的终点是否位于横坐标轴下方；
地块确定单元，用于若所述分割向量的相邻下一边向量的终点位于横坐标轴下方，则所述第一多边形为凹多边形，重复对所述第一多边形进行分割转换与凹凸测试，直至得到若干预设形状地块，若所述分割向量的相邻下一边向量的终点不位于横坐标轴下方，则所述第一多边形为凸多边形，将所述第一多边形作为预设形状地块。
所述分割模块1还包括：
三角分割子模块，用于在所述数字背景底板的区域地块中输入预设三角形，并基于所述预设三角形对所述区域地块进行三角形切割，以在所述区域地块内生成第一切割地块并在所述区域地块外生成第二切割地块，将所述第二切割地块进行舍弃并基于所述第一切割地块得到若干预设形状地块。
所述迭代模块2包括：
分配子模块，用于设定超像素数目，给每个所述预设形状地块分配若干初始聚类中心，计算所述初始聚类中心第一预设邻域内所有像素的梯度值，并选取所述梯度值最小时对应的像素作为新聚类中心；
像素距离子模块，用于在所述新聚类中心的第二预设邻域内计算每个像素与所述新聚类中心之间的像素距离，对每个像素选取所述像素距离最小对应的新聚类中心作为该像素的像素聚类中心，并为该像素分配对应的像素聚类中心的类标签；
迭代子模块，用于对于若干个超像素，分别计算每个超像素包含所有像素的平均向量，以得到迭代聚类中心，并将所述迭代聚类中心替换所述新聚类中心并反复迭代直至收敛，以得到若干分割地块。
所述提取模块3包括：
滤波子模块，用于对所述分割地块进行高斯滤波处理，并利用Sobel算子分别计算所述分割地块在X方向上的第一像素梯度矩阵以及在Y方向上的第二像素梯度矩阵；
强度计算子模块，用于根据所述第一像素梯度矩阵与所述第二像素梯度矩阵计算梯度强度矩阵，基于所述梯度强度矩阵确定当前像素梯度强度，并判断当前像素梯度强度对比与沿正负梯度方向上相邻像素的像素梯度强度是否为极大值；
舍去子模块，用于若当前像素梯度强度对比与沿正负梯度方向上相邻像素的像素梯度强度为极大值，则保留对应的像素边缘点，若当前像素梯度强度对比与沿正负梯度方向上相邻像素的像素梯度强度不为极大值，则舍去对应的像素点；
特征边提取子模块，用于将低于第一预设强度阈值的像素边缘点剔除，将介于第一预设强度阈值与第二预设强度阈值的像素边缘点作为弱边缘像素点，将高于第二预设强度阈值的像素边缘点作为强边缘像素点，并基于所述强边缘像素点确定所述分割地块的特征边。
所述提取模块3还包括：
第一顶点确定子模块，用于利用8邻域边界跟踪法提取所述超像素的像素边界，并将所述像素边界上的点作为第一网格顶点；
第二顶点确定子模块，用于基于所述像素边界，提取相邻所述超像素的交点作为第二网格顶点；
第三顶点确定子模块，用于提取所述分割地块的特征边上的第一点集合以及所述像素边界的2-邻域集的第二点集合，计算所述第一点集合与所述第二点集合之间的点差集，并对所述点差集进行均匀采样，以得到第三网格顶点；
顶点集确定子模块，用于根据所述第一网格顶点、所述第二网格顶点与所述第三网格顶点确定网格顶点集，并基于所述网格顶点集中的点将所述分割地块分解为若干三角形簇，以得到网格模型。
在本发明的另一些实施例中，本发明实施例提供以下技术方案，一种计算机，包括存储器102、处理器101以及存储在所述存储器102上并可在所述处理器101上运行的计算机程序，所述处理器101执行所述计算机程序时实现上所述的区域资源渲染方法。
具体的，上述处理器101可以包括中央处理器（CPU），或者特定集成电路（Application Specific Integrated Circuit，简称为ASIC），或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中，存储器102可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器102可包括硬盘驱动器（Hard Disk Drive，简称为HDD）、软盘驱动器、固态驱动器（Solid State Drive，简称为SSD）、闪存、光盘、磁光盘、磁带或通用串行总线（UniversalSerial Bus，简称为USB）驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器102可包括可移除或不可移除（或固定）的介质。在合适的情况下，存储器102可在数据处理装置的内部或外部。在特定实施例中，存储器102是非易失性（Non-Volatile）存储器。在特定实施例中，存储器102包括只读存储器（Read-Only Memory，简称为ROM）和随机存取存储器（Random Access Memory，简称为RAM）。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM（Programmable Read-Only Memory，简称为PROM）、可擦除PROM（ErasableProgrammable Read-Only Memory，简称为EPROM）、电可擦除PROM（Electrically ErasableProgrammable Read-Only Memory，简称为EEPROM）、电可改写ROM（ElectricallyAlterable Read-Only Memory，简称为EAROM）或闪存（FLASH）或者两个或更多个以上这些的组合。在合适的情况下，该RAM可以是静态随机存取存储器（Static Random-AccessMemory，简称为SRAM）或动态随机存取存储器（Dynamic Random Access Memory，简称为DRAM），其中，DRAM可以是快速页模式动态随机存取存储器（Fast Page Mode DynamicRandom Access Memory，简称为FPMDRAM）、扩展数据输出动态随机存取存储器（ExtendedDate Out Dynamic Random Access Memory，简称为EDODRAM）、同步动态随机存取内存（Synchronous Dynamic Random-Access Memory，简称SDRAM）等。
存储器102可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器101所执行的可能的计算机程序指令。
处理器101通过读取并执行存储器102中存储的计算机程序指令，以实现上述区域资源渲染方法。
在其中一些实施例中，计算机还可包括通信接口103和总线100。其中，如图8所示，处理器101、存储器102、通信接口103通过总线100连接并完成相互间的通信。
通信接口103用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。通信接口103还可以实现与其他部件例如：外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。
总线100包括硬件、软件或两者，将计算机的部件彼此耦接在一起。总线100包括但不限于以下至少之一：数据总线（Data Bus）、地址总线（Address Bus）、控制总线（ControlBus）、扩展总线（Expansion Bus）、局部总线（Local Bus）。举例来说而非限制，总线100可包括图形加速接口（Accelerated Graphics Port，简称为AGP）或其他图形总线、增强工业标准架构（Extended Industry Standard Architecture，简称为EISA）总线、前端总线（FrontSide Bus，简称为FSB）、超传输（Hyper Transport，简称为HT）互连、工业标准架构（Industry Standard Architecture，简称为ISA）总线、无线带宽（InfiniBand）互连、低引脚数（Low Pin Count，简称为LPC）总线、存储器总线、微信道架构（Micro ChannelArchitecture，简称为MCA）总线、***组件互连（Peripheral Component Interconnect，简称为PCI）总线、PCI-Express（PCI-X）总线、串行高级技术附件（Serial AdvancedTechnology Attachment，简称为SATA）总线、视频电子标准协会局部（Video ElectronicsStandards Association Local Bus，简称为VLB）总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线100可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。
该计算机可以基于获取到区域资源渲染***，执行本申请的区域资源渲染方法，从而实现区域资源的渲染。
在本发明的再一些实施例中，结合上述的区域资源渲染方法，本发明实施例提供以下技术方案，一种可读存储介质，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述的区域资源渲染方法。
本领域技术人员可以理解，在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行***、装置或设备（如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***）使用，或结合这些指令执行***、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。
可读介质的更具体的示例（非穷尽性列表）包括以下：具有一个或多个布线的电连接部（电子装置），便携式计算机盘盒（磁装置），随机存取存储器（RAM），只读存储器（ROM），可擦除可编辑只读存储器（EPROM或闪速存储器），光纤装置，以及便携式光盘只读存储器（CDROM）。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或它们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。
以上所述实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。
Claims (6)
1.一种区域资源渲染方法，其特征在于，所述方法包括：
获取区域的数字背景底板，对所述数字背景底板进行第一虚拟分割或第二虚拟分割，以得到若干预设形状地块；
基于所述预设形状地块对所述数字背景底板进行像素聚类迭代处理，以得到分割地块；
提取所述分割地块的特征边，并根据所述特征边确定网格顶点集，基于所述网格顶点集生成网格模型；
对所述网格模型进行流式加载以及渲染处理，以生成区域资源渲染模型；
所述基于所述预设形状地块对所述数字背景底板进行像素聚类迭代处理，以得到分割地块包括：
设定超像素数目，给每个所述预设形状地块分配若干初始聚类中心，计算所述初始聚类中心第一预设邻域内所有像素的梯度值，并选取所述梯度值最小时对应的像素作为新聚类中心；
在所述新聚类中心的第二预设邻域内计算每个像素与所述新聚类中心之间的像素距离，对每个像素选取所述像素距离最小对应的新聚类中心作为该像素的像素聚类中心，并为该像素分配对应的像素聚类中心的类标签；
对于若干个超像素，分别计算每个超像素包含所有像素的平均向量，以得到迭代聚类中心，并将所述迭代聚类中心替换所述新聚类中心并反复迭代直至收敛，以得到若干分割地块；
所述对所述数字背景底板进行第一虚拟分割，以得到预设形状地块的步骤包括：
基于所述数字背景底板，建立FOCUSON焦点多边形数据集；
基于所述FOCUSON焦点多边形数据集拾取与存储若干多边形点，并对多边形点进行距离计算，以得到若干虚拟多边形；
为每个所述虚拟多边形的边赋予向量值，以得到边向量，计算每个所述虚拟多边形中相邻两边向量的叉乘结果，并判断是否存在叉乘结果小于预设值的边向量；
若不存在叉乘结果小于预设值的边向量，则该边向量对应的所述虚拟多边形为凸多边形，以得到若干预设形状地块；
若存在叉乘结果小于预设值的边向量，则该边向量对应的所述虚拟多边形为凹多边形，将所述虚拟多边形作为待处理多边形，对所述待处理多边形进行分割转换与凹凸测试，以得到若干预设形状地块；
所述对所述数字背景底板进行第二虚拟分割，以得到若干预设形状地块的步骤包括：
在所述数字背景底板的区域地块中输入预设三角形，并基于所述预设三角形对所述区域地块进行三角形切割，以在所述区域地块内生成第一切割地块并在所述区域地块外生成第二切割地块，将所述第二切割地块进行舍弃并基于所述第一切割地块得到若干预设形状地块；
所述根据所述特征边确定网格顶点集，基于所述网格顶点集生成网格模型的步骤包括：
利用8邻域边界跟踪法提取所述超像素的像素边界，并将所述像素边界上的点作为第一网格顶点；
基于所述像素边界，提取相邻所述超像素的交点作为第二网格顶点；
提取所述分割地块的特征边上的第一点集合以及所述像素边界的2-邻域集的第二点集合，计算所述第一点集合与所述第二点集合之间的点差集，并对所述点差集进行均匀采样，以得到第三网格顶点；
根据所述第一网格顶点、所述第二网格顶点与所述第三网格顶点确定网格顶点集，并基于所述网格顶点集中的点将所述分割地块分解为若干三角形簇，以得到网格模型。
2.根据权利要求1所述的区域资源渲染方法，其特征在于，所述对所述待处理多边形进行分割转换与凹凸测试，以得到若干预设形状地块的步骤包括：
在所述待处理多边形中选取叉乘结果小于预设值所对应的边向量作为分割向量，并将所述待处理多边形输入至二维坐标系中；
将所述待处理多边形与所述分割向量相邻的一个边向量移动至与横坐标轴重合，并将该边向量的起点移动至所述二维坐标系的原点位置；
基于所述分割向量将所述待处理多边形进行分割，以得到第一多边形，顺时针旋转所述第一多边形，以使所述分割向量与所述横坐标轴重合，并判断所述分割向量的相邻下一边向量的终点是否位于横坐标轴下方；
若所述分割向量的相邻下一边向量的终点位于横坐标轴下方，则所述第一多边形为凹多边形，重复对所述第一多边形进行分割转换与凹凸测试，直至得到若干预设形状地块，若所述分割向量的相邻下一边向量的终点不位于横坐标轴下方，则所述第一多边形为凸多边形，将所述第一多边形作为预设形状地块。
3.根据权利要求1所述的区域资源渲染方法，其特征在于，所述提取所述分割地块的特征边的步骤包括：
对所述分割地块进行高斯滤波处理，并利用Sobel算子分别计算所述分割地块在X方向上的第一像素梯度矩阵以及在Y方向上的第二像素梯度矩阵；
根据所述第一像素梯度矩阵与所述第二像素梯度矩阵计算梯度强度矩阵，基于所述梯度强度矩阵确定当前像素梯度强度，并判断当前像素梯度强度对比与沿正负梯度方向上相邻像素的像素梯度强度是否为极大值；
若当前像素梯度强度对比与沿正负梯度方向上相邻像素的像素梯度强度为极大值，则保留对应的像素边缘点，若当前像素梯度强度对比与沿正负梯度方向上相邻像素的像素梯度强度不为极大值，则舍去对应的像素点；
将低于第一预设强度阈值的像素边缘点剔除，将介于第一预设强度阈值与第二预设强度阈值的像素边缘点作为弱边缘像素点，将高于第二预设强度阈值的像素边缘点作为强边缘像素点，并基于所述强边缘像素点确定所述分割地块的特征边。
4.一种区域资源渲染***，其特征在于，所述***包括：
分割模块，用于获取区域的数字背景底板，对所述数字背景底板进行第一虚拟分割或第二虚拟分割，以得到若干预设形状地块；
迭代模块，用于基于所述预设形状地块对所述数字背景底板进行像素聚类迭代处理，以得到分割地块；
提取模块，用于提取所述分割地块的特征边，并根据所述特征边确定网格顶点集，基于所述网格顶点集生成网格模型；
渲染模块，用于对所述网格模型进行流式加载以及渲染处理，以生成区域资源渲染模型；
所述迭代模块包括：
分配子模块，用于设定超像素数目，给每个所述预设形状地块分配若干初始聚类中心，计算所述初始聚类中心第一预设邻域内所有像素的梯度值，并选取所述梯度值最小时对应的像素作为新聚类中心；
像素距离子模块，用于在所述新聚类中心的第二预设邻域内计算每个像素与所述新聚类中心之间的像素距离，对每个像素选取所述像素距离最小对应的新聚类中心作为该像素的像素聚类中心，并为该像素分配对应的像素聚类中心的类标签；
迭代子模块，用于对于若干个超像素，分别计算每个超像素包含所有像素的平均向量，以得到迭代聚类中心，并将所述迭代聚类中心替换所述新聚类中心并反复迭代直至收敛，以得到若干分割地块；
所述分割模块包括：
数据集子模块，用于基于所述数字背景底板，建立FOCUSON焦点多边形数据集；
距离计算子模块，用于基于所述FOCUSON焦点多边形数据集拾取与存储若干多边形点，并对多边形点进行距离计算，以得到若干虚拟多边形；
向量赋予子模块，用于为每个所述虚拟多边形的边赋予向量值，以得到边向量，计算每个所述虚拟多边形中相邻两边向量的叉乘结果，并判断是否存在叉乘结果小于预设值的边向量；
地块确定子模块，用于若不存在叉乘结果小于预设值的边向量，则该边向量对应的所述虚拟多边形为凸多边形，以得到若干预设形状地块；
转换子模块，用于若存在叉乘结果小于预设值的边向量，则该边向量对应的所述虚拟多边形为凹多边形，将所述虚拟多边形作为待处理多边形，对所述待处理多边形进行分割转换与凹凸测试，以得到若干预设形状地块；
所述分割模块还包括：
三角分割子模块，用于在所述数字背景底板的区域地块中输入预设三角形，并基于所述预设三角形对所述区域地块进行三角形切割，以在所述区域地块内生成第一切割地块并在所述区域地块外生成第二切割地块，将所述第二切割地块进行舍弃并基于所述第一切割地块得到若干预设形状地块；
所述提取模块包括：
第一顶点确定子模块，用于利用8邻域边界跟踪法提取所述超像素的像素边界，并将所述像素边界上的点作为第一网格顶点；
第二顶点确定子模块，用于基于所述像素边界，提取相邻所述超像素的交点作为第二网格顶点；
第三顶点确定子模块，用于提取所述分割地块的特征边上的第一点集合以及所述像素边界的2-邻域集的第二点集合，计算所述第一点集合与所述第二点集合之间的点差集，并对所述点差集进行均匀采样，以得到第三网格顶点；
顶点集确定子模块，用于根据所述第一网格顶点、所述第二网格顶点与所述第三网格顶点确定网格顶点集，并基于所述网格顶点集中的点将所述分割地块分解为若干三角形簇，以得到网格模型。
5.一种计算机，包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至3任一项所述的区域资源渲染方法。
6.一种可读存储介质，其特征在于，所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至3任一项所述的区域资源渲染方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310692747.7A CN116468838B (zh) | 2023-06-13 | 2023-06-13 | 一种区域资源渲染方法、***、计算机及可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310692747.7A CN116468838B (zh) | 2023-06-13 | 2023-06-13 | 一种区域资源渲染方法、***、计算机及可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116468838A CN116468838A (zh) | 2023-07-21 |
| CN116468838B true CN116468838B (zh) | 2023-08-18 |
Family
ID=87182847
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310692747.7A Active CN116468838B (zh) | 2023-06-13 | 2023-06-13 | 一种区域资源渲染方法、***、计算机及可读存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116468838B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117058292B (zh) * | 2023-07-28 | 2024-04-26 | 北京透彻未来科技有限公司 | 基于数字病理图像的色阶图渲染*** |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101417714B1 (ko) * | 2014-03-04 | 2014-07-16 | 인하대학교 산학협력단 | 이중 모드의 정점 분할 기법을 이용한 실시간 지형 렌더링을 위한 사진트리 삼각화의 가속화 방법 |
| WO2016092588A1 (ja) * | 2014-12-09 | 2016-06-16 | 三菱電機株式会社 | 描画装置、および描画方法 |
| CN112836694A (zh) * | 2021-02-05 | 2021-05-25 | 广州华多网络科技有限公司 | 图像文字提取方法、装置、计算机设备及存储介质 |
| CN113034662A (zh) * | 2021-03-29 | 2021-06-25 | 网易（杭州）网络有限公司 | 虚拟场景渲染方法、装置、存储介质及电子设备 |
| CN114708414A (zh) * | 2022-04-19 | 2022-07-05 | 中铁二院工程集团有限责任公司 | 一种工程三维地形数据切割融合方法与*** |
| CN115193034A (zh) * | 2022-06-29 | 2022-10-18 | 网易（杭州）网络有限公司 | 虚拟场景中水流区域的渲染方法、装置以及计算机设备 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5562075B2 (ja) * | 2010-03-09 | 2014-07-30 | カルソニックカンセイ株式会社 | 表面加工データの作成方法および装置 |
-
2023
- 2023-06-13 CN CN202310692747.7A patent/CN116468838B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101417714B1 (ko) * | 2014-03-04 | 2014-07-16 | 인하대학교 산학협력단 | 이중 모드의 정점 분할 기법을 이용한 실시간 지형 렌더링을 위한 사진트리 삼각화의 가속화 방법 |
| WO2016092588A1 (ja) * | 2014-12-09 | 2016-06-16 | 三菱電機株式会社 | 描画装置、および描画方法 |
| CN112836694A (zh) * | 2021-02-05 | 2021-05-25 | 广州华多网络科技有限公司 | 图像文字提取方法、装置、计算机设备及存储介质 |
| CN113034662A (zh) * | 2021-03-29 | 2021-06-25 | 网易（杭州）网络有限公司 | 虚拟场景渲染方法、装置、存储介质及电子设备 |
| CN114708414A (zh) * | 2022-04-19 | 2022-07-05 | 中铁二院工程集团有限责任公司 | 一种工程三维地形数据切割融合方法与*** |
| CN115193034A (zh) * | 2022-06-29 | 2022-10-18 | 网易（杭州）网络有限公司 | 虚拟场景中水流区域的渲染方法、装置以及计算机设备 |
Non-Patent Citations (1)
| Title |
|---|
| A hierarchical tiling algorithm for tile based rendering with Global Scratch Counter under multi core environment;Jun-Seo Kim;《TENCON 2011 - 2011 IEEE Region 10 Conference》;全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116468838A (zh) | 2023-07-21 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109978839B (zh) | 晶圆低纹理缺陷的检测方法 | |
| CN111210429B (zh) | 点云数据划分方法及装置、障碍物检测方法及装置 | |
| Jancosek et al. | Multi-view reconstruction preserving weakly-supported surfaces | |
| WO2019119567A1 (en) | Systems and methods for block based edgel detection with false edge elimination | |
| US20130300735A1 (en) | Mesh boundary smoothing | |
| CN110349092B (zh) | 一种点云滤波方法及设备 | |
| CN111582054B (zh) | 点云数据处理方法及装置、障碍物检测方法及装置 | |
| CN110751620B (zh) | 估算体积和重量的方法、电子设备及计算机可读存储介质 | |
| CN116468838B (zh) | 一种区域资源渲染方法、***、计算机及可读存储介质 | |
| CN111275633A (zh) | 基于图像分割的点云去噪方法、***、装置和存储介质 | |
| CN110046623B (zh) | 一种图像特征点提取方法和相机 | |
| CN109377552B (zh) | 图像遮挡计算方法、装置、计算设备及存储介质 | |
| CN111127622B (zh) | 基于图像分割的三维点云离群点剔除方法 | |
| CN110738719A (zh) | 一种基于视距分层优化的Web3D模型渲染方法 | |
| CN104239874B (zh) | 一种器官血管识别方法及装置 | |
| Mahmoudpour et al. | Superpixel-based depth map estimation using defocus blur | |
| CN111932566A (zh) | 一种模型轮廓图生成方法、装置和*** | |
| CN112802175B (zh) | 大规模场景遮挡剔除方法、装置、设备及存储介质 | |
| CN114596195A (zh) | 一种地形数据处理方法、***、装置及计算机存储介质 | |
| CN113593036A (zh) | 一种参照网格参数化模型的成像***、方法、设备及程序 | |
| CN112862726B (zh) | 图像处理方法、装置及计算机可读存储介质 | |
| CN117455936B (zh) | 点云数据处理方法、装置及电子设备 | |
| RU2555238C1 (ru) | Способ сегментации цифрового изображения (варианты) | |
| CN113920125A (zh) | 激光点云文件的生成方法、装置、电子设备及存储介质 | |
| CN111178413A (zh) | 一种3d点云语义分割的方法、装置及*** |
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 |