CN116702657A - 一种针对大规模网格的人机交互方法、装置、设备及介质 - Google Patents
一种针对大规模网格的人机交互方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN116702657A CN116702657A CN202310981558.1A CN202310981558A CN116702657A CN 116702657 A CN116702657 A CN 116702657A CN 202310981558 A CN202310981558 A CN 202310981558A CN 116702657 A CN116702657 A CN 116702657A
- Authority
- CN
- China
- Prior art keywords
- bounding box
- capture
- tree
- grid
- capturing
- 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
- 230000003993 interaction Effects 0.000 title claims abstract description 92
- 238000000034 method Methods 0.000 title claims abstract description 47
- 230000000007 visual effect Effects 0.000 claims abstract description 149
- 238000001514 detection method Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 239000012530 fluid Substances 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 18
- 238000004422 calculation algorithm Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 4
- 238000009877 rendering Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/28—Design optimisation, verification or simulation using fluid dynamics, e.g. using Navier-Stokes equations or computational fluid dynamics [CFD]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/12—Geometric CAD characterised by design entry means specially adapted for CAD, e.g. graphical user interfaces [GUI] specially adapted for CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/20—Configuration CAD, e.g. designing by assembling or positioning modules selected from libraries of predesigned modules
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- 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)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Fluid Mechanics (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Algebra (AREA)
- Architecture (AREA)
- Human Computer Interaction (AREA)
- Computational Mathematics (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本申请公开了一种针对大规模网格的人机交互方法、装置、设备及介质，涉及计算流体力学领域，包括：获取待进行人机交互的模型文件，并根据模型文件对应的网格数据创建捕获包围盒，并将捕获包围盒与固定深度的R树绑定；根据网格数据创建可视化数据对象并将其添加到固定深度的R树的叶子节点中；将固定深度的R树上每个节点绑定的捕获包围盒作为捕获对象，并将捕获对象添加到OpenGL中，以对可视化数据对象进行捕获拾取，并将捕获到的可视化数据对象反馈到用户界面。本申请根据模型对应的网格数据的尺寸创建捕获包围盒，并与固定深度的R树绑定，能够在满足不同用户显卡配置的基础上，实现大规模网格的高效人机交互。
Description
技术领域
本申请涉及计算流体力学领域，特别涉及一种针对大规模网格的人机交互方法、装置、设备及介质。
背景技术
随着人机交互技术（Human-Computer Interaction Techniques）的蓬勃发展，人机交互软件得到了广泛的应用，尤其是CFD（Computational Fluid Dynamics，计算流体力学）领域数据量达到千万级甚至亿级且交互频繁的人机交互软件，而创建有效的视觉交流是人机交互软件的核心。
目前，在数据量达到千万级甚至亿级的人机交互软件中，为了创建有效的视觉交流，通常利用实时渲染***对模型中的大规模网格进行实时渲染。在实时渲染***中，针对物体间的交互主要基于动态碰撞检测算法实现，当前主流的动态碰撞检测算法分为两类，一类是连续碰撞检测算法，另一类是离散碰撞检测算法。其中，离散碰撞检测算法用于解决经过一段时间间隔后，物体间的碰撞检测问题，但该方法在复杂场景中存在穿模现象；而连续碰撞检测算法虽然能够很好的检测运动中物体间的碰撞，但计算速度较慢。基于实时性的要求，目前在实时渲染***中主要使用离散碰撞检测算法，但离散碰撞检测算法中的大部分算法都依赖于空间数据结构进行加速，而主流的空间数据结构，如BSP（Binary SpacePartitioning，二叉空间分割）树及其变体、八叉树等用于动态三维场景的空间数据结构是基于“空间分制思想”的空间数据结构，是从整个空间的角度进行细分，当数据量达到千万级甚至亿级时，依然做不到高效捕获拾取。另外，由于不同用户的电脑显卡配置高低参差不齐，因此导致了人机交互软件的使用受到限制。
综上，如何对大规模网格进行人机交互是本领域目前还有待进一步解决的问题。
发明内容
有鉴于此，本申请的目的在于提供一种针对大规模网格的人机交互方法、装置、设备及介质，应用于人机交互软件，能够在满足不同用户显卡配置的基础上，实现大规模网格的高效人机交互。其具体方案如下：
第一方面，本申请公开了一种针对大规模网格的人机交互方法，应用于人机交互软件，包括：
获取待进行人机交互的模型文件，并根据所述模型文件对应的网格数据创建捕获包围盒，再将所述捕获包围盒与固定深度的R树绑定；
根据所述网格数据创建可视化数据对象，并将所述可视化数据对象添加到与所述捕获包围盒绑定的所述固定深度的R树的叶子节点中；
将所述固定深度的R树上每个节点绑定的所述捕获包围盒作为捕获对象，并将所述捕获对象添加到OpenGL中，以对所述可视化数据对象进行捕获拾取，并将捕获到的所述可视化数据对象反馈到用户界面。
可选的，所述根据所述模型文件对应的网格数据创建捕获包围盒，包括：
根据所述模型文件生成对应的网格数据，并根据所述网格数据的尺寸创建捕获包围盒。
可选的，所述将所述可视化数据对象添加到与所述捕获包围盒绑定的所述固定深度的R树的叶子节点中，包括：
获取所述可视化数据对象对应的最小包围盒，得到可视化包围盒；
将所述可视化包围盒与所述捕获包围盒进行相交检测，得到相交可视化数据对象，并将所述相交可视化数据对象添加到与所述捕获包围盒绑定的所述固定深度的R树的叶子节点中。
可选的，所述针对大规模网格的人机交互方法，还包括：
确定所述网格数据中待更新的网格数据，并将所述待更新的网格数据的ID上传至所述固定深度的R树；
获取与所述ID对应的可视化包围盒，得到待更新可视化包围盒；
将所述待更新可视化包围盒与所述固定深度的R树中的所述捕获包围盒进行相交检测，得到待更新可视化数据对象，并将所述待更新可视化数据对象从所述固定深度的R树中删除得到更新后的R树；
获取当前所述人机交互软件中记录的底层物理数据，并为所述底层物理数据创建对应的可视化数据对象得到新的可视化数据对象；其中，所述底层物理数据为用户对所述网格数据进行操作后所述人机交互软件记录的网格数据；
将所述新的可视化数据对象添加到与所述捕获包围盒绑定的所述固定深度的R树的叶子节点中。
可选的，所述将所述捕获对象添加到OpenGL中，以对所述可视化数据对象进行捕获拾取，并将捕获到的所述可视化数据对象反馈到用户界面，包括：
将所述捕获对象添加到OpenGL中，并按照所述固定深度的R树的深度信息逐层对所述可视化数据对象进行捕获拾取；
将捕获到的所述可视化数据对象进行去重，得到去重后可视化数据对象，并将所述去重后可视化数据对象反馈到用户界面。
可选的，所述将所述去重后可视化数据对象反馈到用户界面，包括：
根据所述可视化数据对象在所述OpenGL中的深度信息对所述去重后可视化数据对象进行排序，得到排序后可视化数据对象，并根据用户需求将所述排序后可视化数据对象反馈到用户界面。
可选的，所述根据所述模型文件对应的网格数据创建捕获包围盒之前，还包括：
判断所述人机交互软件中是否存在捕获包围盒；
若不存在，则执行所述根据所述模型文件对应的网格数据创建捕获包围盒的步骤；
若存在，则判断当前所述捕获包围盒对应的网格数据的尺寸是否大于或等于所述模型文件对应的网格数据的尺寸；
若当前所述捕获包围盒对应的网格数据的尺寸大于或等于所述模型文件对应的网格数据的尺寸，则执行所述根据所述网格数据创建可视化数据对象，并将所述可视化数据对象添加到与所述捕获包围盒绑定的所述固定深度的R树的叶子节点中的步骤；
若当前所述捕获包围盒对应的网格数据的尺寸小于所述模型文件对应的网格数据的尺寸，则执行所述根据所述模型文件对应的网格数据创建捕获包围盒的步骤。
第二方面，本申请公开了一种针对大规模网格的人机交互装置，包括：
模型文件获取模块，用于获取待进行人机交互的模型文件；
包围盒创建模块，用于根据所述模型文件对应的网格数据创建捕获包围盒；
绑定模块，用于将所述捕获包围盒与固定深度的R树绑定；
对象创建模块，用于根据所述网格数据创建可视化数据对象；
可视化对象添加模块，用于将所述可视化数据对象添加到与所述捕获包围盒绑定的所述固定深度的R树的叶子节点中；
捕获对象添加模块，用于将所述固定深度的R树上每个节点绑定的所述捕获包围盒作为捕获对象，并将所述捕获对象添加到OpenGL中，以对所述可视化数据对象进行捕获拾取，并将捕获到的所述可视化数据对象反馈到用户界面。
第三方面，本申请公开了一种电子设备，包括处理器和存储器；其中，所述处理器执行所述存储器中保存的计算机程序时实现前述的针对大规模网格的人机交互方法。
第四方面，本申请公开了一种计算机可读存储介质，用于存储计算机程序；其中，所述计算机程序被处理器执行时实现前述的针对大规模网格的人机交互方法。
可见，本申请应用于人机交互软件，先获取待进行人机交互的模型文件，并根据所述模型文件对应的网格数据创建捕获包围盒，然后将所述捕获包围盒与固定深度的R树绑定，接着根据所述网格数据创建可视化数据对象，并将所述可视化数据对象添加到与所述捕获包围盒绑定的所述固定深度的R树的叶子节点中，再将所述固定深度的R树上每个节点绑定的所述捕获包围盒作为捕获对象，并将所述捕获对象添加到OpenGL中，以对所述可视化数据对象进行捕获拾取，并将捕获到的所述可视化数据对象反馈到用户界面。本申请根据模型对应的网格数据的尺寸创建捕获包围盒，并与固定深度的R树绑定，同时将固定深度的R树与OpenGL结合，能够在满足不同用户显卡配置的基础上，实现大规模网格的高效人机交互。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，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申请的实施例，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，还可以根据提供的附图获得其他的附图。
图1为本申请公开的一种针对大规模网格的人机交互方法流程图；
图2为本申请公开的一种具体的固定深度的R树结构图；
图3为本申请公开的一种具体的模型文件示意图；
图4为本申请公开的一种具体的模型文件对应的网格示意图；
图5为本申请公开的一种具体的模型表面网格示意图；
图6为本申请公开的一种具体的网格点对象示意图；
图7为本申请公开的一种具体的网格线对象示意图；
图8为本申请公开的一种具体的网格面对象示意图；
图9为本申请公开的一种具体的网格块对象示意图；
图10为本申请公开的一种具体的网格耗时比值示意图；
图11为本申请公开的一种具体的针对大规模网格的人机交互方法流程图；
图12为本申请公开的一种具体的模型文件示意图；
图13为本申请公开的一种具体的模型文件对应的网格示意图；
图14为本申请公开的一种具体的模型表面网格示意图；
图15为本申请公开的一种具体的网格点对象示意图；
图16为本申请公开的一种具体的网格线对象示意图；
图17为本申请公开的一种具体的网格面对象示意图；
图18为本申请公开的一种具体的网格块对象示意图；
图19为本申请公开的一种具体的更新前模型表面网格示意图；
图20为本申请公开的一种模型表面网格更新涉及的可视化数据对象示意图；
图21为本申请公开的一种具体的更新后模型表面网格示意；
图22为本申请公开的一种针对大规模网格的人机交互装置结构示意图；
图23为本申请公开的一种电子设备结构图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
本申请实施例公开了一种针对大规模网格的人机交互方法，应用于人机交互软件，参见图1所示，该方法包括：
步骤S11：获取待进行人机交互的模型文件，并根据所述模型文件对应的网格数据创建捕获包围盒，再将所述捕获包围盒与固定深度的R树绑定。
本实施例中，首先对用户导入到CFD人机交互软件中的模型文件进行获取，然后根据获取到的上述模型文件对应的网格数据创建捕获包围盒，再将上述捕获包围盒与固定深度的R树绑定。参见图2所示，图2示出了一种固定3层深度的R树结构，优选的，所述固定深度的R树的每个节点中包含27个子节点。可以理解的是，所有子节点捕获包围盒的体积之和等于对应父节点捕获包围盒的体积。
具体的，所述根据所述模型文件对应的网格数据创建捕获包围盒，可以包括：根据所述模型文件生成对应的网格数据，并根据所述网格数据的尺寸创建捕获包围盒。也即，根据网格尺寸创建捕获包围盒。例如，参见图3和图4所示，先获取用户导入到人机交互软件中的如图3所示的球形模型文件，然后根据上述球形模型文件对应的如图4所示的网格生成如图5所示的表面网格数据，再根据上述表面网格数据的尺寸创建捕获包围盒；其中，图5为在球形模型表面生成的网格。
步骤S12：根据所述网格数据创建可视化数据对象，并将所述可视化数据对象添加到与所述捕获包围盒绑定的所述固定深度的R树的叶子节点中。
本实施例中，将所述捕获包围盒与固定深度的R树绑定之后，进一步的，根据上述网格数据创建可视化数据对象，然后将上述可视化数据对象添加到与上述捕获包围盒绑定的所述固定深度的R树的叶子节点中。参见图6至图9所示，其中，图6、图7、图8、图9分别示出了为球形网格数据创建的可视化点对象、可视化线对象、可视化面对象及可视化块对象。
在一种具体的实施方式中，所述将所述可视化数据对象添加到与所述捕获包围盒绑定的所述固定深度的R树的叶子节点中，具体可以包括：获取所述可视化数据对象对应的最小包围盒，得到可视化包围盒；将所述可视化包围盒与所述捕获包围盒进行相交检测，得到相交可视化数据对象，并将所述相交可视化数据对象添加到与所述捕获包围盒绑定的所述固定深度的R树的叶子节点中。也即，先获取可视化数据对象，如点对象、线对象、面对象等的最小包围盒，得到相应的可视化包围盒，然后将所述可视化包围盒与上述捕获包围盒进行相交检测得到相交可视化数据对象，再将上述相交可视化数据对象添加到与上述捕获包围盒绑定的固定深度的R树的叶子节点中。
步骤S13：将所述固定深度的R树上每个节点绑定的所述捕获包围盒作为捕获对象，并将所述捕获对象添加到OpenGL中，以对所述可视化数据对象进行捕获拾取，并将捕获到的所述可视化数据对象反馈到用户界面。
本实施例中，将所述可视化数据对象添加到与所述捕获包围盒绑定的所述固定深度的R树的叶子节点中之后，将上述固定深度的R树上每个节点上绑定的所述捕获包围盒作为捕获对象，然后将上述捕获对象添加到OpenGL中，以便利用所述OpenGL（Open GraphicsLibrary，开放图形库）对上述可视化数据对象进行捕获拾取，再将捕获到的上述可视化数据对象发送到用户界面，即在用户的屏幕上显示出相应的图形或图像。具体的，参见图10所示，图10示出了采用传统网格处理耗时与本方案网格处理耗时的比值，可以看出本方案在进行人机交互时的网格处理时间有着明显的降低。
在一种具体的实施方式中，所述将所述捕获对象添加到OpenGL中，以对所述可视化数据对象进行捕获拾取，并将捕获到的所述可视化数据对象反馈到用户界面，具体可以包括：将所述捕获对象添加到OpenGL中，并按照所述固定深度的R树的深度信息逐层对所述可视化数据对象进行捕获拾取；将捕获到的所述可视化数据对象进行去重，得到去重后可视化数据对象，并将所述去重后可视化数据对象反馈到用户界面。本实施例中，将固定深度的R树中每个节点上绑定的捕获包围盒作为捕获对象，然后将上述捕获对象添加到OpenGL接口中，接着按照上述固定深度的R树的深度信息逐层地对上述可视化数据对象进行捕获拾取，再将捕获到的上述可视化数据对象进行去重操作，得到去重后可视化数据对象，最后将上述去重后可视化数据对象发送到用户界面上进行显示，从而实现与用户的人机交互。
具体的，所述将所述去重后可视化数据对象反馈到用户界面，可以包括：根据所述可视化数据对象在所述OpenGL中的深度信息对所述去重后可视化数据对象进行排序，得到排序后可视化数据对象，并根据用户需求将所述排序后可视化数据对象反馈到用户界面。本实施例中，为了提高人机交互的速度，可以先根据可视化数据对象在OpenGL中的深度信息对上述去重后可视化数据对象进行排序，得到相应的排序后可视化数据对象，然后根据用户的需求将上述排序后可视化数据对象显示在用户的屏幕上。
本实施例中，为了实现大规模网格的高效人机交互，可以对上次人机交互软件中创建的捕获包围盒进行再次使用，从而节省捕获包围盒的创建时间。具体的，所述根据所述模型文件对应的网格数据创建捕获包围盒之前，还可以包括：判断所述人机交互软件中是否存在捕获包围盒；若不存在，则执行所述根据所述模型文件对应的网格数据创建捕获包围盒的步骤；若存在，则判断当前所述捕获包围盒对应的网格数据的尺寸是否大于或等于所述模型文件对应的网格数据的尺寸；若当前所述捕获包围盒对应的网格数据的尺寸大于或等于所述模型文件对应的网格数据的尺寸，则执行所述根据所述网格数据创建可视化数据对象，并将所述可视化数据对象添加到与所述捕获包围盒绑定的所述固定深度的R树的叶子节点中的步骤；若当前所述捕获包围盒对应的网格数据的尺寸小于所述模型文件对应的网格数据的尺寸，则执行所述根据所述模型文件对应的网格数据创建捕获包围盒的步骤。本实施例中，当需要进行人机交互时，先判断当前人机交互软件中是否已经存在捕获包围盒，如果不存在，则根据当前用户导入的模型文件创建捕获包围盒；如果存在，则进一步的判断当前人机交互软件中已经存在的捕获包围盒对应的网格数据的尺寸是否大于或等于用户导入的模型文件对应的网格数据的尺寸，如果当前捕获包围盒对应的网格数据的尺寸大于或等于模型文件对应的网格数据的尺寸，则直接利用已经存在的捕获包围盒，并根据已经存在的捕获包围盒对应的网格数据创建可视化数据对象，然后将上述可视化数据对象添加到与上述捕获包围盒绑定的固定深度的R树的叶子节点中；如果当前捕获包围盒对应的网格数据的尺寸小于模型文件对应的网格数据的尺寸，则表明当前已经存在的捕获包围盒的数量不足，需重新根据模型文件对应的网格数据创建捕获包围盒。
可见，本申请实施例应用于人机交互软件，先获取待进行人机交互的模型文件，并根据所述模型文件对应的网格数据创建捕获包围盒，然后将所述捕获包围盒与固定深度的R树绑定，接着根据所述网格数据创建可视化数据对象，并将所述可视化数据对象添加到与所述捕获包围盒绑定的所述固定深度的R树的叶子节点中，再将所述固定深度的R树上每个节点绑定的所述捕获包围盒作为捕获对象，并将所述捕获对象添加到OpenGL中，以对所述可视化数据对象进行捕获拾取，并将捕获到的所述可视化数据对象反馈到用户界面。本申请实施例根据模型对应的网格数据的尺寸创建捕获包围盒，并与固定深度的R树绑定，同时将固定深度的R树与OpenGL结合，能够在满足不同用户显卡配置的基础上，实现大规模网格的高效人机交互。
本申请实施例公开了一种具体的针对大规模网格的人机交互方法，应用于人机交互软件，参见图11所示，该方法包括：
步骤S21：获取待进行人机交互的模型文件，并根据所述模型文件生成对应的网格数据，然后根据所述网格数据的尺寸创建捕获包围盒，再将所述捕获包围盒与固定深度的R树绑定。
本实施例中，先获取如图12所示的待进行人机交互的飞机模型文件，然后根据上述飞机模型文件对应的如图13所示的网格生成如图14所示的表面网格数据，接着根据上述表面网格数据的尺寸创建捕获包围盒，再将上述捕获包围盒与固定深度的R树结合。
步骤S22：根据所述网格数据创建可视化数据对象，并获取所述可视化数据对象对应的最小包围盒，得到可视化包围盒。
本实施例中，将所述捕获包围盒与固定深度的R树绑定之后，可以进一步的根据上述网格数据创建如图15至图18所示的可视化数据对象，其中，图15、图16、图17、图18分别为网格点对象、网格线对象、网格面对象、网格块对象，接着获取上述可视化数据对象对应的最小包围盒，得到可视化包围盒。
步骤S23：将所述可视化包围盒与所述捕获包围盒进行相交检测，得到相交可视化数据对象，并将所述相交可视化数据对象添加到与所述捕获包围盒绑定的所述固定深度的R树的叶子节点中。
进一步的，将所述相交可视化数据对象添加到与所述捕获包围盒绑定的所述固定深度的R树的叶子节点中之后，还可以包括：确定所述网格数据中待更新的网格数据，并将所述待更新的网格数据的ID上传至所述固定深度的R树；获取与所述ID对应的可视化包围盒，得到待更新可视化包围盒；将所述待更新可视化包围盒与所述固定深度的R树中的所述捕获包围盒进行相交检测，得到待更新可视化数据对象，并将所述待更新可视化数据对象从所述固定深度的R树中删除得到更新后的R树；获取当前所述人机交互软件中记录的底层物理数据，并为所述底层物理数据创建对应的可视化数据对象得到新的可视化数据对象；其中，所述底层物理数据为用户对所述网格数据进行操作后所述人机交互软件记录的网格数据；将所述新的可视化数据对象添加到与所述捕获包围盒绑定的所述固定深度的R树的叶子节点中。需要指出的是，数据的刷新效率是评价一款软件是否好用的一个重要指标，在数据量达到千万级甚至亿级的CFD人机交互软件中，目前的刷新是对全部网格数据的刷新，为了提高网格数据刷新的效率，先从上述网格数据中确定出待更新的网格数据，然后将上述待更新的网格数据的ID上传至上述固定深度的R树中。进一步的，将所述待更新的网格数据的ID上传至所述固定深度的R树之后，进一步的，在所述固定深度的R树中获取与上述ID对应的可视化包围盒，然后将该可视化包围盒作为待更新可视化包围盒；接着，将上述待更新可视化包围盒与上述固定深度的R树中的所述捕获包围盒进行相交检测，得到的相交可视化数据对象即为待更新可视化数据对象，接着将上述待更新可视化数据对象从上述固定深度的R树中删除，即将需要更新可视化数据对象从固定深度的R树中删除，进而得到更新后的R树；再将所述待更新可视化数据对象从所述固定深度的R树中删除得到更新后的R树之后，获取当前所述人机交互软件中记录的底层物理数据，然后为上述底层物理数据创建对应的可视化数据对象，得到新的可视化数据对象；其中，所述底层物理数据为用户对上述网格数据进行操作后所述人机交互软件中记录的网格数据；最后，为所述底层物理数据创建对应的可视化数据对象得到新的可视化数据对象之后，将上述新的可视化数据对象添加到与上述捕获包围盒绑定的所述固定深度的R树的叶子节点中，从而实现网格数据的局部刷新。例如，先确定出图19所示的更新前模型表面网格涉及的如图20所示的可视化数据对象，然后对上述可视化数据对象进行局部更新，得到如图21所示的更新后模型表面网格。
步骤S24：将所述固定深度的R树上每个节点绑定的所述捕获包围盒作为捕获对象，并将所述捕获对象添加到OpenGL中，再按照所述固定深度的R树的深度信息逐层对所述可视化数据对象进行捕获拾取。
步骤S25：将捕获到的所述可视化数据对象进行去重，得到去重后可视化数据对象，并将所述去重后可视化数据对象反馈到用户界面。
其中，关于上述步骤S24、S25更加具体的处理过程可以参考前述实施例中公开的相应内容，在此不再进行赘述。
可见，本申请实施例根据模型文件生成对应的网格数据，然后根据所述网格数据的尺寸创建捕获包围盒，并将所述捕获包围盒与固定深度的R树绑定，接着根据所述网格数据创建可视化数据对象，并获取所述可视化数据对象对应的最小包围盒得到可视化包围盒，进一步的，将所述可视化包围盒与所述捕获包围盒进行相交检测得到相交可视化数据对象，并将所述相交可视化数据对象添加到与所述捕获包围盒绑定的所述固定深度的R树的叶子节点中，从而实现了网格数据的快速分流；再者，本申请实施例将固定深度的R树与OpenGL结合，能够对千万级甚至亿级网格量的网格数据进行高效捕获；另外，本申请实施例将底层网格数据中待更新的局部网格数据做处理，转换为可视化数据对象，然后将每个可视化数据对象的最小包围盒与捕获包围盒作相交检测，再将相交的可视化数据对象添加到与捕获包围盒绑定R树的叶子节点中，从而实现了网格数据的局部更新。
相应的，本申请实施例还公开了一种针对大规模网格的人机交互装置，参见图22所示，该装置包括：
模型文件获取模块11，用于获取待进行人机交互的模型文件；
包围盒创建模块12，用于根据所述模型文件对应的网格数据创建捕获包围盒；
绑定模块13，用于将所述捕获包围盒与固定深度的R树绑定；
对象创建模块14，用于根据所述网格数据创建可视化数据对象；
可视化对象添加模块15，用于将所述可视化数据对象添加到与所述捕获包围盒绑定的所述固定深度的R树的叶子节点中；
捕获对象添加模块16，用于将所述固定深度的R树上每个节点绑定的所述捕获包围盒作为捕获对象，并将所述捕获对象添加到OpenGL中，以对所述可视化数据对象进行捕获拾取，并将捕获到的所述可视化数据对象反馈到用户界面。
其中，关于上述各个模块的具体工作流程可以参考前述实施例中公开的相应内容，在此不再进行赘述。
可见，本申请实施例中，先获取待进行人机交互的模型文件，并根据所述模型文件对应的网格数据创建捕获包围盒，然后将所述捕获包围盒与固定深度的R树绑定，接着根据所述网格数据创建可视化数据对象，并将所述可视化数据对象添加到与所述捕获包围盒绑定的所述固定深度的R树的叶子节点中，再将所述固定深度的R树上每个节点绑定的所述捕获包围盒作为捕获对象，并将所述捕获对象添加到OpenGL中，以对所述可视化数据对象进行捕获拾取，并将捕获到的所述可视化数据对象反馈到用户界面。本申请实施例根据模型对应的网格数据的尺寸创建捕获包围盒，并与固定深度的R树绑定，同时将固定深度的R树与OpenGL结合，能够在满足不同用户显卡配置的基础上，实现大规模网格的高效人机交互。
在一些具体实施例中，所述包围盒创建模块12，具体可以包括：
网格数据生成单元，用于根据所述模型文件生成对应的网格数据；
包围盒创建单元，用于根据所述网格数据的尺寸创建捕获包围盒。
在一些具体实施例中，所述可视化对象添加模块15，具体可以包括：
最小包围盒获取单元，用于获取所述可视化数据对象对应的最小包围盒，得到可视化包围盒；
第一相交检测单元，用于将所述可视化包围盒与所述捕获包围盒进行相交检测，得到相交可视化数据对象；
第一对象添加单元，用于将所述相交可视化数据对象添加到与所述捕获包围盒绑定的所述固定深度的R树的叶子节点中。
在一些具体实施例中，所述针对大规模网格的人机交互装置，还可以包括：
待更新数据确定单元，用于确定所述网格数据中待更新的网格数据；
ID上传单元，用于将所述待更新的网格数据的ID上传至所述固定深度的R树；
可视化包围盒获取单元，用于获取与所述ID对应的可视化包围盒，得到待更新可视化包围盒；
第二相交检测单元，用于将所述待更新可视化包围盒与所述固定深度的R树中的所述捕获包围盒进行相交检测，得到待更新可视化数据对象；
对象删除单元，用于将所述待更新可视化数据对象从所述固定深度的R树中删除得到更新后的R树；
底层物理数据获取单元，用于获取当前所述人机交互软件中记录的底层物理数据；
可视化数据对象创建单元，用于为所述底层物理数据创建对应的可视化数据对象得到新的可视化数据对象；其中，所述底层物理数据为用户对所述网格数据进行操作后所述人机交互软件记录的网格数据；
第二对象添加单元，用于将所述新的可视化数据对象添加到与所述捕获包围盒绑定的所述固定深度的R树的叶子节点中。
在一些具体实施例中，所述捕获对象添加模块16，具体可以包括：
捕获对象添加单元，用于将所述捕获对象添加到OpenGL中；
捕获拾取单元，用于按照所述固定深度的R树的深度信息逐层对所述可视化数据对象进行捕获拾取；
对象去重单元，用于将捕获到的所述可视化数据对象进行去重，得到去重后可视化数据对象；
第一反馈单元，用于将所述去重后可视化数据对象反馈到用户界面。
在一些具体实施例中，所述第一反馈单元，具体可以包括：
数据对象排序单元，用于根据所述可视化数据对象在所述OpenGL中的深度信息对所述去重后可视化数据对象进行排序，得到排序后可视化数据对象；
第二反馈单元，用于根据用户需求将所述排序后可视化数据对象反馈到用户界面。
在一些具体实施例中，所述包围盒创建模块12之前，还可以包括：
第一判断单元，用于判断所述人机交互软件中是否存在捕获包围盒；
第一执行单元，用于如果所述人机交互软件中不存在捕获包围盒，则执行所述根据所述模型文件对应的网格数据创建捕获包围盒的步骤；
第二判断单元，用于如果所述人机交互软件中存在捕获包围盒，则判断当前所述捕获包围盒对应的网格数据的尺寸是否大于或等于所述模型文件对应的网格数据的尺寸；
第二执行单元，用于如果当前所述捕获包围盒对应的网格数据的尺寸大于或等于所述模型文件对应的网格数据的尺寸，则执行所述根据所述网格数据创建可视化数据对象，并将所述可视化数据对象添加到与所述捕获包围盒绑定的所述固定深度的R树的叶子节点中的步骤；
第三执行单元，用于如果当前所述捕获包围盒对应的网格数据的尺寸小于所述模型文件对应的网格数据的尺寸，则执行所述根据所述模型文件对应的网格数据创建捕获包围盒的步骤。
进一步的，本申请实施例还公开了一种电子设备，图23是根据一示例性实施例示出的电子设备20结构图，图中的内容不能认为是对本申请的使用范围的任何限制。
图23为本申请实施例提供的一种电子设备20的结构示意图。该电子设备20，具体可以包括：至少一个处理器21、至少一个存储器22、电源23、通信接口24、输入输出接口25和通信总线26。其中，所述存储器22用于存储计算机程序，所述计算机程序由所述处理器21加载并执行，以实现前述任一实施例公开的针对大规模网格的人机交互方法中的相关步骤。另外，本实施例中的电子设备20具体可以为电子计算机。
本实施例中，电源23用于为电子设备20上的各硬件设备提供工作电压；通信接口24能够为电子设备20创建与外界设备之间的数据传输通道，其所遵循的通信协议是能够适用于本申请技术方案的任意通信协议，在此不对其进行具体限定；输入输出接口25，用于获取外界输入数据或向外界输出数据，其具体的接口类型可以根据具体应用需要进行选取，在此不进行具体限定。
另外，存储器22作为资源存储的载体，可以是只读存储器、随机存储器、磁盘或者光盘等，其上所存储的资源可以包括操作***221、计算机程序222等，存储方式可以是短暂存储或者永久存储。
其中，操作***221用于管理与控制电子设备20上的各硬件设备以及计算机程序222，其可以是Windows Server、Netware、Unix、Linux等。计算机程序222除了包括能够用于完成前述任一实施例公开的由电子设备20执行的针对大规模网格的人机交互方法的计算机程序之外，还可以进一步包括能够用于完成其他特定工作的计算机程序。
进一步的，本申请还公开了一种计算机可读存储介质，用于存储计算机程序；其中，所述计算机程序被处理器执行时实现前述公开的针对大规模网格的人机交互方法。关于该方法的具体步骤可以参考前述实施例中公开的相应内容，在此不再进行赘述。
本说明书中各个实施例采用递进的方式描述，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部分互相参见即可。对于实施例公开的装置而言，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。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器（RAM）、内存、只读存储器（ROM）、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本申请所提供的一种针对大规模网格的人机交互方法、装置、设备及介质进行了详细介绍，本文中应用了具体个例对本申请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申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，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申请的限制。
Claims (10)
1.一种针对大规模网格的人机交互方法，应用于人机交互软件，其特征在于，包括：
获取待进行人机交互的模型文件，并根据所述模型文件对应的网格数据创建捕获包围盒，再将所述捕获包围盒与固定深度的R树绑定；
根据所述网格数据创建可视化数据对象，并将所述可视化数据对象添加到与所述捕获包围盒绑定的所述固定深度的R树的叶子节点中；
将所述固定深度的R树上每个节点绑定的所述捕获包围盒作为捕获对象，并将所述捕获对象添加到OpenGL中，以对所述可视化数据对象进行捕获拾取，并将捕获到的所述可视化数据对象反馈到用户界面。
2.根据权利要求1所述的针对大规模网格的人机交互方法，其特征在于，所述根据所述模型文件对应的网格数据创建捕获包围盒，包括：
根据所述模型文件生成对应的网格数据，并根据所述网格数据的尺寸创建捕获包围盒。
3.根据权利要求2所述的针对大规模网格的人机交互方法，其特征在于，所述将所述可视化数据对象添加到与所述捕获包围盒绑定的所述固定深度的R树的叶子节点中，包括：
获取所述可视化数据对象对应的最小包围盒，得到可视化包围盒；
将所述可视化包围盒与所述捕获包围盒进行相交检测，得到相交可视化数据对象，并将所述相交可视化数据对象添加到与所述捕获包围盒绑定的所述固定深度的R树的叶子节点中。
4.根据权利要求3所述的针对大规模网格的人机交互方法，其特征在于，还包括：
确定所述网格数据中待更新的网格数据，并将所述待更新的网格数据的ID上传至所述固定深度的R树；
获取与所述ID对应的可视化包围盒，得到待更新可视化包围盒；
将所述待更新可视化包围盒与所述固定深度的R树中的所述捕获包围盒进行相交检测，得到待更新可视化数据对象，并将所述待更新可视化数据对象从所述固定深度的R树中删除得到更新后的R树；
获取当前所述人机交互软件中记录的底层物理数据，并为所述底层物理数据创建对应的可视化数据对象得到新的可视化数据对象；其中，所述底层物理数据为用户对所述网格数据进行操作后所述人机交互软件记录的网格数据；
将所述新的可视化数据对象添加到与所述捕获包围盒绑定的所述固定深度的R树的叶子节点中。
5.根据权利要求1所述的针对大规模网格的人机交互方法，其特征在于，所述将所述捕获对象添加到OpenGL中，以对所述可视化数据对象进行捕获拾取，并将捕获到的所述可视化数据对象反馈到用户界面，包括：
将所述捕获对象添加到OpenGL中，并按照所述固定深度的R树的深度信息逐层对所述可视化数据对象进行捕获拾取；
将捕获到的所述可视化数据对象进行去重，得到去重后可视化数据对象，并将所述去重后可视化数据对象反馈到用户界面。
6.根据权利要求5所述的针对大规模网格的人机交互方法，其特征在于，所述将所述去重后可视化数据对象反馈到用户界面，包括：
根据所述可视化数据对象在所述OpenGL中的深度信息对所述去重后可视化数据对象进行排序，得到排序后可视化数据对象，并根据用户需求将所述排序后可视化数据对象反馈到用户界面。
7.根据权利要求1至6任一项所述的针对大规模网格的人机交互方法，其特征在于，所述根据所述模型文件对应的网格数据创建捕获包围盒之前，还包括：
判断所述人机交互软件中是否存在捕获包围盒；
若不存在，则执行所述根据所述模型文件对应的网格数据创建捕获包围盒的步骤；
若存在，则判断当前所述捕获包围盒对应的网格数据的尺寸是否大于或等于所述模型文件对应的网格数据的尺寸；
若当前所述捕获包围盒对应的网格数据的尺寸大于或等于所述模型文件对应的网格数据的尺寸，则执行所述根据所述网格数据创建可视化数据对象，并将所述可视化数据对象添加到与所述捕获包围盒绑定的所述固定深度的R树的叶子节点中的步骤；
若当前所述捕获包围盒对应的网格数据的尺寸小于所述模型文件对应的网格数据的尺寸，则执行所述根据所述模型文件对应的网格数据创建捕获包围盒的步骤。
8.一种针对大规模网格的人机交互装置，其特征在于，包括：
模型文件获取模块，用于获取待进行人机交互的模型文件；
包围盒创建模块，用于根据所述模型文件对应的网格数据创建捕获包围盒；
绑定模块，用于将所述捕获包围盒与固定深度的R树绑定；
对象创建模块，用于根据所述网格数据创建可视化数据对象；
可视化对象添加模块，用于将所述可视化数据对象添加到与所述捕获包围盒绑定的所述固定深度的R树的叶子节点中；
捕获对象添加模块，用于将所述固定深度的R树上每个节点绑定的所述捕获包围盒作为捕获对象，并将所述捕获对象添加到OpenGL中，以对所述可视化数据对象进行捕获拾取，并将捕获到的所述可视化数据对象反馈到用户界面。
9.一种电子设备，其特征在于，包括处理器和存储器；其中，所述处理器执行所述存储器中保存的计算机程序时实现如权利要求1至7任一项所述的针对大规模网格的人机交互方法。
10.一种计算机可读存储介质，其特征在于，用于存储计算机程序；其中，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的针对大规模网格的人机交互方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310981558.1A CN116702657B (zh) | 2023-08-07 | 2023-08-07 | 一种针对大规模网格的人机交互方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310981558.1A CN116702657B (zh) | 2023-08-07 | 2023-08-07 | 一种针对大规模网格的人机交互方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116702657A true CN116702657A (zh) | 2023-09-05 |
| CN116702657B CN116702657B (zh) | 2023-10-20 |
Family
ID=87824331
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310981558.1A Active CN116702657B (zh) | 2023-08-07 | 2023-08-07 | 一种针对大规模网格的人机交互方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116702657B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050122323A1 (en) * | 2003-12-09 | 2005-06-09 | Electronic Data Systems Corporation | System and method for transparency rendering |
| CN101533529A (zh) * | 2009-01-23 | 2009-09-16 | 北京建筑工程学院 | 基于深度图像的三维空间数据处理方法与装置 |
| CN105303605A (zh) * | 2015-10-26 | 2016-02-03 | 哈尔滨理工大学 | 一种基于力反馈的骨外科手术仿真*** |
| CN110599580A (zh) * | 2019-09-20 | 2019-12-20 | 西南石油大学 | 基于希尔伯特空间填充曲线索引的多地震数学数据快速交叉显示 |
| CN111009033A (zh) * | 2019-12-06 | 2020-04-14 | 北京国润健康医学投资有限公司 | 一种基于OpenGL的病灶区域的可视化方法和*** |
| CN112767535A (zh) * | 2020-12-31 | 2021-05-07 | 刘秀萍 | 插件式架构的大规模三维点云可视化平台 |
| CN113379929A (zh) * | 2021-05-25 | 2021-09-10 | 西南交通大学 | 一种基于物理仿真的骨组织修复虚拟现实解决方法 |
| CN115098907A (zh) * | 2022-05-07 | 2022-09-23 | 济南大学 | 基于虚拟现实的变电站4d-bim可视化方法及*** |
-
2023
- 2023-08-07 CN CN202310981558.1A patent/CN116702657B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20050122323A1 (en) * | 2003-12-09 | 2005-06-09 | Electronic Data Systems Corporation | System and method for transparency rendering |
| CN101533529A (zh) * | 2009-01-23 | 2009-09-16 | 北京建筑工程学院 | 基于深度图像的三维空间数据处理方法与装置 |
| CN105303605A (zh) * | 2015-10-26 | 2016-02-03 | 哈尔滨理工大学 | 一种基于力反馈的骨外科手术仿真*** |
| CN110599580A (zh) * | 2019-09-20 | 2019-12-20 | 西南石油大学 | 基于希尔伯特空间填充曲线索引的多地震数学数据快速交叉显示 |
| CN111009033A (zh) * | 2019-12-06 | 2020-04-14 | 北京国润健康医学投资有限公司 | 一种基于OpenGL的病灶区域的可视化方法和*** |
| CN112767535A (zh) * | 2020-12-31 | 2021-05-07 | 刘秀萍 | 插件式架构的大规模三维点云可视化平台 |
| CN113379929A (zh) * | 2021-05-25 | 2021-09-10 | 西南交通大学 | 一种基于物理仿真的骨组织修复虚拟现实解决方法 |
| CN115098907A (zh) * | 2022-05-07 | 2022-09-23 | 济南大学 | 基于虚拟现实的变电站4d-bim可视化方法及*** |
Non-Patent Citations (1)
| Title |
|---|
| 胡文辉: "基于R树加速的三角网格快速布尔运算算法研究", 山东大学 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116702657B (zh) | 2023-10-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110706341B (zh) | 一种城市信息模型的高性能渲染方法、装置及存储介质 | |
| CN111161406B (zh) | Gim文件可视化处理方法、***、可读存储介质及计算机 | |
| CN111931097B (zh) | 信息展示方法、装置、电子设备以及存储介质 | |
| CN110378063B (zh) | 基于智慧建筑空间的设备部署方法、装置、以及电子设备 | |
| Kharroubi et al. | Classification and integration of massive 3d points clouds in a virtual reality (VR) environment | |
| KR101546705B1 (ko) | Bim데이터 처리단말 장치의 건물내부 bim데이터 가시화 방법 | |
| CN105378792A (zh) | 三维对象建模 | |
| CN112598793B (zh) | 三维地图瓦片矢栅一体化***和方法 | |
| CN106611438B (zh) | 三维仿真地图的局部区域更新切图方法及装置 | |
| CN112732255B (zh) | 渲染方法、装置、设备和存储介质 | |
| CN114429528A (zh) | 图像处理方法、装置、设备、计算机程序及存储介质 | |
| CN116340260A (zh) | 建筑模型数据渲染方法、装置、电子设备及可读存储介质 | |
| CN110310361B (zh) | 建筑模型实时传输方法、存储介质、设备及*** | |
| CN112381947B (zh) | 一种建筑物三维变化信息提取及语义识别方法和终端 | |
| CN110309239B (zh) | 一种可视化地图编辑方法和装置 | |
| CN116702657B (zh) | 一种针对大规模网格的人机交互方法、装置、设备及介质 | |
| JP3369734B2 (ja) | ３次元計算機支援設計装置及び方法 | |
| CN112750182A (zh) | 一种动效实现方法、装置和计算机可读存储介质 | |
| Bai et al. | VCMM: A visual tool for continuum molecular modeling | |
| CN113538562B (zh) | 室内面积确定方法、装置以及电子设备、存储介质 | |
| CN114797109A (zh) | 对象编辑方法、装置、电子设备和存储介质 | |
| CN114564268A (zh) | 一种设备管理方法、装置、电子设备和存储介质 | |
| CN114781029A (zh) | 一种三维信息模型转换为二维图的方法、***、存储介质 | |
| CN114153631A (zh) | 一种WebGIS数据共享方法、装置和*** | |
| CN110837707B (zh) | 一种有限元分析***、方法、计算机设备及存储介质 |
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 |