CN116863094B - 一种虚拟场景交互方法及*** - Google Patents
一种虚拟场景交互方法及*** Download PDFInfo
- Publication number
- CN116863094B CN116863094B CN202310865444.0A CN202310865444A CN116863094B CN 116863094 B CN116863094 B CN 116863094B CN 202310865444 A CN202310865444 A CN 202310865444A CN 116863094 B CN116863094 B CN 116863094B
- Authority
- CN
- China
- Prior art keywords
- fire
- information
- area
- virtual scene
- dimensional model
- 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
- 230000003993 interaction Effects 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 46
- 238000010276 construction Methods 0.000 claims abstract description 43
- 238000000638 solvent extraction Methods 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims description 107
- 238000004364 calculation method Methods 0.000 claims description 26
- 238000010606 normalization Methods 0.000 claims description 18
- 239000000779 smoke Substances 0.000 claims description 18
- 230000007480 spreading Effects 0.000 claims description 14
- RNFJDJUURJAICM-UHFFFAOYSA-N 2,2,4,4,6,6-hexaphenoxy-1,3,5-triaza-2$l^{5},4$l^{5},6$l^{5}-triphosphacyclohexa-1,3,5-triene Chemical compound N=1P(OC=2C=CC=CC=2)(OC=2C=CC=CC=2)=NP(OC=2C=CC=CC=2)(OC=2C=CC=CC=2)=NP=1(OC=1C=CC=CC=1)OC1=CC=CC=C1 RNFJDJUURJAICM-UHFFFAOYSA-N 0.000 claims description 12
- 239000003063 flame retardant Substances 0.000 claims description 12
- 230000004927 fusion Effects 0.000 claims description 11
- 238000013439 planning Methods 0.000 claims description 8
- 230000008859 change Effects 0.000 claims description 6
- 238000013527 convolutional neural network Methods 0.000 claims description 6
- 239000008186 active pharmaceutical agent Substances 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 238000005516 engineering process Methods 0.000 claims description 4
- 238000010304 firing Methods 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 238000009423 ventilation Methods 0.000 claims description 3
- 238000009877 rendering Methods 0.000 claims description 2
- 238000004891 communication Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 4
- 230000005236 sound signal Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- KLDZYURQCUYZBL-UHFFFAOYSA-N 2-[3-[(2-hydroxyphenyl)methylideneamino]propyliminomethyl]phenol Chemical compound OC1=CC=CC=C1C=NCCCN=CC1=CC=CC=C1O KLDZYURQCUYZBL-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 201000001098 delayed sleep phase syndrome Diseases 0.000 description 1
- 208000033921 delayed sleep phase type circadian rhythm sleep disease Diseases 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000013316 zoning Methods 0.000 description 1
Classifications
-
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
-
- 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
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
- G06T17/205—Re-meshing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T19/00—Manipulating 3D models or images for computer graphics
- G06T19/006—Mixed reality
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Geometry (AREA)
- Computer Graphics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Human Computer Interaction (AREA)
- Marketing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Computer Hardware Design (AREA)
- Development Economics (AREA)
- Remote Sensing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及虚拟场景交互技术领域,提供了一种虚拟场景交互方法及***,所述方法包括获取建筑工地的施工图纸信息,施工图纸包括建筑工地的尺寸信息;根据施工图纸信息生成建筑工地的三维模型;将三维模型场景进行分区,得到分区后的三维模型;采集分区后的三维模型中每个区域的图像信息判断分区后的三维模型中每个区域是否发生火灾,得到判断结果;根据判断结果确定安全路线信息;基于三维模型和安全路线信息生成虚拟场景,虚拟场景用于与逃生人员进行交互,引导逃生人员撤离现场,本发明通过将三维模型和安全路线信息生成虚拟场景实现逃生人员与火灾现场的实时交互,从而引导逃生人员安全撤离现场。
Description
技术领域
本发明涉及虚拟场景交互技术领域,具体而言,涉及一种虚拟场景交互方法及***。
背景技术
随着经济的飞速发展,越来越多的建筑物需要进行建设,因此建筑工地的安全也越来越受到重视,火灾一直伴随着建筑工地的建设全过程,一旦发生火灾将会导致巨大的人员伤亡与经济损失,并且由于建筑工地环境复杂且面积庞大,如果发生火灾极易导致建筑工人选择错误的逃生路线难以及时撤离,危及人身安全,因此,亟需一种虚拟场景交互方法,可以实现火灾现场与建筑工人的实时交互,从而引导逃生人员安全撤离现场。
发明内容
本发明的目的在于提供一种虚拟场景交互方法及***,以改善上述问题。
为了实现上述目的,本申请实施例提供了如下技术方案:
一方面,本申请实施例提供了一种虚拟场景交互方法,所述方法包括:
获取建筑工地的施工图纸信息,所述施工图纸包括建筑工地的尺寸信息;
根据所述施工图纸信息生成建筑工地的三维模型;
将所述三维模型场景进行分区,得到分区后的三维模型;
采集所述分区后的三维模型中每个区域的图像信息判断所述分区后的三维模型中每个区域是否发生火灾,得到判断结果;
根据所述判断结果确定安全路线信息;
基于所述三维模型和所述安全路线信息生成虚拟场景,所述虚拟场景用于与逃生人员进行交互,引导逃生人员撤离现场。
第二方面,本申请实施例提供了一种虚拟场景交互***,所述***包括:
获取模块,用于获取建筑工地的施工图纸信息,所述施工图纸包括建筑工地的尺寸信息;
第一处理模块,用于根据所述施工图纸信息生成建筑工地的三维模型;
第二处理模块,用于将所述三维模型场景进行分区,得到分区后的三维模型;
第三处理模块,用于采集所述分区后的三维模型中每个区域的图像信息判断所述分区后的三维模型中每个区域是否发生火灾,得到判断结果;
第四处理模块,用于根据所述判断结果确定安全路线信息;
第五处理模块,用于基于所述三维模型和所述安全路线信息生成虚拟场景,所述虚拟场景用于与逃生人员进行交互,引导逃生人员撤离现场。
第三方面,本申请实施例提供了一种虚拟场景交互设备,所述设备包括存储器和处理器。存储器用于存储计算机程序;处理器用于执行所述计算机程序时实现上述虚拟场景交互方法的步骤。
第四方面,本申请实施例提供了一种可读存储介质,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虚拟场景交互方法的步骤。
本发明的有益效果为:
本发明通过建筑工地的尺寸信息和结构信息生成建筑工地的三维模型,对建筑工地的三维模型进行分区,实现对每个区域是否发生火灾的精细判断,再根据判断结果确定逃生人员的安全路线信息,将三维模型和安全路线信息生成虚拟场景实现逃生人员与火灾现场的实时交互,从而引导逃生人员安全撤离现场。
本发明的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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,还可以根据这些附图获得其他相关的附图。
图1为本发明实施例中所述的虚拟场景交互方法流程示意图。
图2为本发明实施例中所述的虚拟场景交互***结构示意图。
图3为本发明实施例中所述的虚拟场景交互设备结构示意图。
图中标注:901、获取模块;902、第一处理模块;903、第二处理模块;904、第三处理模块;905、第四处理模块;906、第五处理模块;9051、第一处理单元;9052、第二处理单元;9053、第三处理单元;9061、第三获取单元;9062、第十一处理单元;9063、第十二处理单元;9064、第十三处理单元;9065、第十四处理单元;9066、第十五处理单元;90511、第四处理单元;90512、第一获取单元;90513、第五处理单元;90514、第六处理单元;90521、第二获取单元;90522、第七处理单元;90523、第八处理单元;90524、第九处理单元;90525、第十处理单元;800、虚拟场景交互设备;801、处理器;802、存储器;803、多媒体组件;804、I/O接口;805、通信组件。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作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。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本发明的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
实施例1:
本实施例提供了一种虚拟场景交互方法,可以理解的是,在本实施例中可以铺设一个场景,例如:在建筑工地的工作人员需要佩戴VR设备逃离发生火灾的施工现场。
参见图1,图中示出了本方法包括步骤S1、步骤S2、步骤S3、步骤S4、步骤S5以及步骤S6,其中具体为:
步骤S1、获取建筑工地的施工图纸信息,所述施工图纸包括建筑工地的尺寸信息;
可以理解的是,施工图纸信息中包括整个建筑工地的施工图纸,从其中可以获知建筑工地的各个结构与建筑的尺寸数据。
步骤S2、根据所述施工图纸信息生成建筑工地的三维模型;
可以理解的是,本步骤通过生成建筑工地的三维模型便于后续对建筑工地的三维模型进行分区处理。
步骤S3、将所述三维模型场景进行分区,得到分区后的三维模型;
可以理解的是,由于建筑工地环境复杂且面积庞大通过对三维模型进行分区,可以准确的确定每个区域发生火灾的情况。
步骤S4、采集所述分区后的三维模型中每个区域的图像信息判断所述分区后的三维模型中每个区域是否发生火灾,得到判断结果;
可以理解的是,根据每个区域的图像信息判断所述分区后的三维模型中每个区域是否发生火灾前需要对每个区域的图像信息进行增强处理,以增强火苗特征,便于精确的识别火灾是否发生,需要说明的是本发明不限定对图像信息进行增强处理的技术方案。
步骤S5、根据所述判断结果确定安全路线信息;
可以理解的是,所述步骤S5中还包括步骤S51、步骤S52以及步骤S53,其中具体为:
步骤S51、当所述判断结果为发生火灾,则根据所述图像信息对当前区域的火灾类型进行判断,得到火灾类型信息,并根据火灾类型信息预测火灾蔓延趋势,得到预测结果;
可以理解的是,由于火灾的蔓延速度与火灾的类型相关,因此利用在单位采样时间内采集的图像信息对当前发生火灾的区域的火灾类型进行判断,根据单位采样时间内采集的图像信息获取状态S与状态S+1的图像信息;根据两个状态下的图像信息计算火灾蔓延变化率,其中具体为:
上式中,分别为状态S+1图像中灰度值为255的像素数与状态S图像中
灰度值为255的像素数,T为采样时间,R为火灾蔓延变化率,通过该公式可以分辨出火灾的
类型。
可以理解的是,所述步骤S51中还包括步骤S511、步骤S512、步骤S513以及步骤S514,其中具体为:
步骤S511、将每个区域进行网格划分,得到至少一个网格划分后的区域;
可以理解的是,将每个区域进一步的进行网格划分,一个网格对应建筑工地1m2的面积,通过将每个区域进行网格划分可以精确的确定火灾的蔓延趋势。
步骤S512、获取气流特征信息、每个网格的风口状态和每个网格的耐燃状态;
可以理解的是,气流特征信息包括风向特征与风速特征,网格的风口状态包括网格位于上风口或下风口,耐燃状态为当前网格是否有耐热物阻挡的状态。
需要说明的是耐燃状态的具体计算公式为:
上式中,t1为耐火物的受火时间,t2为耐火物的等效耐火时间,其中,t2的计算公式具体为:
上式中,Q为着火区域的火灾载荷密度、K为边界材料的热惯性系数,W为通风因子,根据上述公式即可计算出耐热状态H。
步骤S513、将所述火灾类型信息、所述气流特征信息、每个网格的所述网格风口状态和每个网格的所述耐燃状态发送至卷积神经网络进行预测,得到区域中每个网格的状态信息;
可以理解的是,将火灾类型信息、气流特征信息、每个网格的网格风口状态、每个网格的耐燃状态以及每个网格的原始状态发送至训练后的卷积神经网络进行预测,即可输出每个网格下一个状态的网格状态,需要说明的是,卷积神经网络的训练过程为本领域技术人员所熟知的技术方案,故不在此赘述。
步骤S514、基于每个所述网格的状态信息预测火灾蔓延趋势。
可以理解的是,根据每个网格的状态信息对网格进行更新,即可精确的对火灾蔓延趋势进行预测,从而为逃生人员规划安全路线,远离火灾蔓延的方向。
步骤S52、当所述判断结果为未发生火灾,则对当前区域发生火灾的概率进行计算,得到计算结果;
可以理解的是,所述步骤S52中还包括步骤521、步骤S522、步骤S523、步骤S524以及步骤S525,其中具体为:
步骤521、获取当前区域的火灾特征数据,所述火灾特征数据包括烟雾浓度和温度;
步骤S522、将所述火灾特征数据进行归一化处理,得到归一化处理后的火灾特征数据;
步骤S523、利用DS证据理论融合计算归一化处理后的烟雾浓度和归一化处理后的温度,得到第一火灾概率;
可以理解的是,根据归一化后的温度数据可以得到此时发生火灾的第一可信度和第一不可信度;根据归一化后的烟雾浓度数据可以得到此时发生火灾的第二可信度和第二不可信度;根据第一可信度、第一不可信度、第二可信度和第二不可信度进行计算,得到第一火灾概率,其中具体计算公式为:
上式中,F为第一火灾概率,为第一可信度与第二可信度的乘积值,
和分别为第一不可信度和第二可信度的乘积值,第一可信度和第二不可信度的乘
积值。
步骤S524、利用Vague模糊集理论融合计算所述归一化处理后的烟雾浓度和所述归一化处理后的温度,得到第二火灾概率;
可以理解的是,将归一化处理后的温度数据和CO浓度数据转化为Vague模糊集的表达形式,得到第一模糊集和第二模糊集,所述第一模糊集为温度数据对应的模糊集,所述第二模糊集为烟雾浓度对应的模糊集;根据第一权重、第二权重、第一模糊集和第二模糊集进行计算,得到第三模糊集,所述第一权重包括为温度传感器分配的权重,所述第二权重包括为烟雾传感器分配的权重;将第三模糊集中的不确定部分划分至支持部分,得到第二火灾概率。
步骤S525、根据所述第一火灾概率和所述第二火灾概率进行计算,得到计算结果。
在本实施例中,由于建筑工地环境复杂,通过单一维度数据难以对建筑工地的火灾发生概率进行准确地计算,因此本发明通过采集每个区域的烟雾浓度和温度两个维度的数据可以有效地提高火灾发生概率的准确性,降低误报的可能,需要说明的是,分别利用DS证据理论融合计算归一化处理后的烟雾浓度和归一化处理后的温度和利用Vague模糊集理论融合计算所述归一化处理后的烟雾浓度和所述归一化处理后的温度,得到第一火灾概率和第二火灾概率为本领域技术人员所熟知的技术方案,故不在此赘述,求取第一火灾概率和第二火灾概率的平均值,得到计算结果,将每个区域计算得到的计算结果作为每个区域的火灾发生概率即可实现每个区域火灾发生概率的精准预测,以便后续为逃生人员规划安全路线。
步骤S53、基于每个区域的火灾趋势的预测结果和每个区域发生火灾的计算结果规划安全路线信息。
可以理解的是,根据每个区域的火灾趋势的预测结果和每个区域发生火灾的概率即可为逃生人员规划多条避开火灾蔓延方向和火灾发生概率高的区域的安全路线,确保逃生人员安全撤离施工现场。
步骤S6、基于所述三维模型和所述安全路线信息生成虚拟场景,所述虚拟场景用于与逃生人员进行交互,引导逃生人员撤离现场。
可以理解的是,所述步骤S6中还包括步骤S61、步骤S62、步骤S63、步骤S64、步骤S65以及步骤S66,其中具体为:
步骤S61、获取阈值信息和逃生人员的位置信息;
步骤S62、判断当前区域的火灾发生概率是否大于所述阈值信息,其中,若大于,则将当前区域作为危险逃生区域;若小于则将当前区域作为第一安全逃生区域;
可以理解的是,将火灾发生概率大于50%的区域作为危险逃生区域,将火灾发生概率小于50%的区域作为第一安全逃生区域。
步骤S63、根据所述火灾蔓延趋势确定第二安全逃生区域;
步骤S64、根据所述逃生人员的位置信息、所述第一安全逃生区域和所述第二安全逃生区域规划逃生人员的安全路线;
可以理解的是,在规划安全路线时,选择第一安全区域和第二安全区域进行规划,可以有效地避免逃生人员逃至火灾易发生区域和火灾蔓延方向,根据第一安全逃生区域和第二安全逃生区域可以规划多条安全路线,基于逃生人员的位置信息确定一条最短路径的安全路线作为当前逃生人员的安全路线,引导其进行撤离,可以有效地提高逃生人员的逃生概率。
步骤S65、利用虚实融合技术将所述安全路线和所述三维模型实时渲染至真实空间中,生成虚拟场景;
可以理解的是,利用虚实融合的技术将三维模型和安全路线实施渲染至真实空间中,然后将生成的虚拟场景通过逃生人员佩戴的VR设备进行显示,通过VR设备生成的虚拟场景实现与逃生人员的实时交互,可以使逃生人员实时了解火灾现场的情况,有效地降低逃生人员的恐慌心理,并根据规划的逃生路线快速撤离现场,需要说明的是,利用虚实融合技术生成虚拟场景为本领域技术人员所熟知的技术方案,故不在此赘述。
步骤S66、利用实时获取的第一安全逃生区域和第二安全逃生区域对所述虚拟场景中的安全路线进行同步更新。
可以理解的是,通过实时获取的第一安全逃生区域和第二安全逃生区域可以对安全路线进行实时更新,并将更新后的安全路线通过后台服务器发送至后台服务器,后台服务器接收到更新后的安全路线,AR设备不断轮询后台服务器缓存池新型的过程中,根据缓存池更新的更新后的安全路线在AR设备上实现同步更新。
实施例2:
如图2所示,本实施例提供了一种虚拟场景交互***,所述***包括获取模块901、第一处理模块902、第二处理模块903、第三处理模块904、第四处理模块905以及第五处理模块906,其中具体为:
获取模块901,用于获取建筑工地的施工图纸信息,所述施工图纸包括建筑工地的尺寸信息;
第一处理模块902,用于根据所述施工图纸信息生成建筑工地的三维模型;
第二处理模块903,用于将所述三维模型场景进行分区,得到分区后的三维模型;
第三处理模块904,用于采集所述分区后的三维模型中每个区域的图像信息判断所述分区后的三维模型中每个区域是否发生火灾,得到判断结果;
第四处理模块905,用于根据所述判断结果确定安全路线信息;
第五处理模块906,用于基于所述三维模型和所述安全路线信息生成虚拟场景,所述虚拟场景用于与逃生人员进行交互,引导逃生人员撤离现场。
在本公开的一种具体实施方式中,所述第四处理模块905中还包括第一处理单元9051、第二处理单元9052以及第三处理单元9053,其中具体为:
第一处理单元9051,用于当所述判断结果为发生火灾,则根据所述图像信息对当前区域的火灾类型进行判断,得到火灾类型信息,并根据火灾类型信息预测火灾蔓延趋势,得到预测结果;
第二处理单元9052,用于当所述判断结果为未发生火灾,则对当前区域发生火灾的概率进行计算,得到计算结果;
第三处理单元9053,用于基于每个区域的火灾趋势的预测结果和每个区域发生火灾的计算结果规划安全路线信息。
在本公开的一种具体实施方式中,所述第一处理单元9051中还包括第四处理单元90511、第一获取单元90512、第五处理单元90513以及第六处理单元90514,其中具体为:
第四处理单元90511,用于将每个区域进行网格划分,得到至少一个网格划分后的区域;
第一获取单元90512,用于获取气流特征信息、每个网格的风口状态和每个网格的耐燃状态;
第五处理单元90513,用于将所述火灾类型信息、所述气流特征信息、每个网格的所述网格风口状态和每个网格的所述耐燃状态发送至卷积神经网络进行预测,得到区域中每个网格的状态信息;
第六处理单元90514,用于基于每个所述网格的状态信息预测火灾蔓延趋势。
在本公开的一种具体实施方式中,所述第二处理单元9052中还包括第二获取单元90521、第七处理单元90522、第八处理单元90523、第九处理单元90524以及第十处理单元90525,其中具体为:
第二获取单元90521,用于获取当前区域的火灾特征数据,所述火灾特征数据包括烟雾浓度和温度;
第七处理单元90522,用于将所述火灾特征数据进行归一化处理,得到归一化处理后的火灾特征数据;
第八处理单元90523,用于利用DS证据理论融合计算归一化处理后的烟雾浓度和归一化处理后的温度,得到第一火灾概率;
第九处理单元90524,用于利用Vague模糊集理论融合计算所述归一化处理后的烟雾浓度和所述归一化处理后的温度,得到第二火灾概率;
第十处理单元90525,用于根据所述第一火灾概率和所述第二火灾概率进行计算,得到计算结果。
在本公开的一种具体实施方式中,所述第五处理模块906中还包括第三获取单元9061、第十一处理单元9062、第十二处理单元9063、第十三处理单元9064、第十四处理单元9065以及第十五处理单元9066,其中具体为:
第三获取单元9061,用于获取阈值信息和逃生人员的位置信息;
第十一处理单元9062,用于判断当前区域的火灾发生概率是否大于所述阈值信息,其中,若大于,则将当前区域作为危险逃生区域;若小于则将当前区域作为第一安全逃生区域;
第十二处理单元9063,用于根据所述火灾蔓延趋势确定第二安全逃生区域;
第十三处理单元9064,用于根据所述逃生人员的位置信息、所述第一安全逃生区域和所述第二安全逃生区域规划逃生人员的安全路线;
第十四处理单元9065,用于利用虚实融合技术将所述安全路线和所述三维模型实时渲染至真实空间中,生成虚拟场景;
第十五处理单元9066,用于利用实时获取的第一安全逃生区域和第二安全逃生区域对所述虚拟场景中的安全路线进行同步更新。
需要说明的是,关于上述实施例中的***,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
实施例3:
相应于上面的方法实施例,本实施例中还提供了一种虚拟场景交互设备,下文描述的一种虚拟场景交互设备与上文描述的一种虚拟场景交互方法可相互对应参照。
图3是根据示例性实施例示出的一种虚拟场景交互设备800的框图。如图3所示,该虚拟场景交互设备800可以包括:处理器801,存储器802。该虚拟场景交互设备800还可以包括多媒体组件803, I/O接口804,以及通信组件805中的一者或多者。
其中,处理器801用于控制该虚拟场景交互设备800的整体操作,以完成上述的虚拟场景交互方法中的全部或部分步骤。存储器802用于存储各种类型的数据以支持在该虚拟场景交互设备800的操作,这些数据例如可以包括用于在该虚拟场景交互设备800上操作的任何应用程序或方法的指令,以及应用程序相关的数据,例如联系人数据、收发的消息、图片、音频、视频等等。该存储器802可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,例如静态随机存取存储器(Static Random Access Memory,简称SRAM),电可擦除可编程只读存储器(Electrically Erasable Programmable Read-Only Memory,简称EEPROM),可擦除可编程只读存储器(Erasable Programmable Read-Only Memory,简称EPROM),可编程只读存储器(Programmable Read-Only Memory,简称PROM),只读存储器(Read-Only Memory,简称ROM),磁存储器,快闪存储器,磁盘或光盘。多媒体组件803可以包括屏幕和音频组件。其中屏幕例如可以是触摸屏,音频组件用于输出和/或输入音频信号。例如,音频组件可以包括一个麦克风,麦克风用于接收外部音频信号。所接收的音频信号可以被进一步存储在存储器802或通过通信组件805发送。音频组件还包括至少一个扬声器,用于输出音频信号。I/O接口804为处理器801和其他接口模块之间提供接口,上述其他接口模块可以是键盘,鼠标,按钮等。这些按钮可以是虚拟按钮或者实体按钮。通信组件805用于该虚拟场景交互设备800与其他设备之间进行有线或无线通信。无线通信,例如Wi-Fi,蓝牙,近场通信(Near FieldCommunication,简称NFC),2G、3G或4G,或它们中的一种或几种的组合,因此相应的该通信组件805可以包括:Wi-Fi模块,蓝牙模块,NFC模块。
在一示例性实施例中,虚拟场景交互设备800可以被一个或多个应用专用集成电路(Application Specific Integrated Circuit,简称ASIC)、数字信号处理器(DigitalSignal Processor,简称DSP)、数字信号处理设备(Digital Signal ProcessingDevice,简称DSPD)、可编程逻辑器件(Programmable Logic Device,简称PLD)、现场可编程门阵列(Field Programmable Gate Array,简称FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述的虚拟场景交互方法。
在另一示例性实施例中,还提供了一种包括程序指令的计算机可读存储介质,该程序指令被处理器执行时实现上述的虚拟场景交互方法的步骤。例如,该计算机可读存储介质可以为上述包括程序指令的存储器802,上述程序指令可由虚拟场景交互设备800的处理器801执行以完成上述的虚拟场景交互方法。
实施例4:
相应于上面的方法实施例,本实施例中还提供了一种可读存储介质,下文描述的一种可读存储介质与上文描述的一种虚拟场景交互方法可相互对应参照。
一种可读存储介质,可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述方法实施例的虚拟场景交互方法的步骤。
该可读存储介质具体可以为U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可存储程序代码的可读存储介质。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (6)
1.一种虚拟场景交互方法,其特征在于,包括:
获取建筑工地的施工图纸信息,所述施工图纸包括建筑工地的尺寸信息;
根据所述施工图纸信息生成建筑工地的三维模型;
将所述三维模型场景进行分区,得到分区后的三维模型;
采集所述分区后的三维模型中每个区域的图像信息判断所述分区后的三维模型中每个区域是否发生火灾,得到判断结果;
根据所述判断结果确定安全路线信息;
基于所述三维模型和所述安全路线信息生成虚拟场景,所述虚拟场景用于与逃生人员进行交互,引导逃生人员撤离现场;
其中,根据所述判断结果确定安全路线信息,包括:
当所述判断结果为发生火灾,则根据所述图像信息对当前区域的火灾类型进行判断,得到火灾类型信息,并根据火灾类型信息预测火灾蔓延趋势,得到预测结果;
当所述判断结果为未发生火灾,则对当前区域发生火灾的概率进行计算,得到计算结果;
基于每个区域的火灾趋势的预测结果和每个区域发生火灾的计算结果规划安全路线信息;
其中,根据火灾类型信息预测火灾蔓延趋势,得到预测结果,包括:
将每个区域进行网格划分,得到至少一个网格划分后的区域,一个网格对应建筑工地1m2的面积;
获取气流特征信息、每个网格的风口状态和每个网格的耐燃状态;
将所述火灾类型信息、所述气流特征信息、每个网格的所述网格风口状态和每个网格的所述耐燃状态发送至卷积神经网络进行预测,得到区域中每个网格的状态信息;
基于每个所述网格的状态信息预测火灾蔓延趋势;
其中,火灾蔓延变化率计算公式为:
;
上式中,和分别为状态S+1图像中灰度值为255的像素数与状态S图像中灰度值为255的像素数,T为采样时间,R为火灾蔓延变化率,通过该公式可以分辨出火灾的类型;
其中,耐燃状态的具体计算公式为:
;
上式中,t1为耐火物的受火时间,t2为耐火物的等效耐火时间,其中,t2的计算公式具体为:
;
上式中,Q为着火区域的火灾载荷密度、K为边界材料的热惯性系数,W为通风因子。
2.根据权利要求1所述的虚拟场景交互方法,其特征在于,对当前区域发生火灾的概率进行计算,得到计算结果,包括:
获取当前区域的火灾特征数据,所述火灾特征数据包括烟雾浓度和温度;
将所述火灾特征数据进行归一化处理,得到归一化处理后的火灾特征数据;
利用DS证据理论融合计算归一化处理后的烟雾浓度和归一化处理后的温度,得到第一火灾概率;
利用Vague模糊集理论融合计算所述归一化处理后的烟雾浓度和所述归一化处理后的温度,得到第二火灾概率;
根据所述第一火灾概率和所述第二火灾概率进行计算,得到计算结果。
3.根据权利要求1所述的虚拟场景交互方法,其特征在于,基于所述三维模型和所述安全路线信息生成虚拟场景,包括:
获取阈值信息和逃生人员的位置信息;
判断当前区域的火灾发生概率是否大于所述阈值信息,其中,若大于,则将当前区域作为危险逃生区域;若小于则将当前区域作为第一安全逃生区域;
根据所述火灾蔓延趋势确定第二安全逃生区域;
根据所述逃生人员的位置信息、所述第一安全逃生区域和所述第二安全逃生区域规划逃生人员的安全路线;
利用虚实融合技术将所述安全路线和所述三维模型实时渲染至真实空间中,生成虚拟场景;
利用实时获取的第一安全逃生区域和第二安全逃生区域对所述虚拟场景中的安全路线进行同步更新。
4.一种虚拟场景交互***,其特征在于,包括:
获取模块,用于获取建筑工地的施工图纸信息,所述施工图纸包括建筑工地的尺寸信息;
第一处理模块,用于根据所述施工图纸信息生成建筑工地的三维模型;
第二处理模块,用于将所述三维模型场景进行分区,得到分区后的三维模型;
第三处理模块,用于采集所述分区后的三维模型中每个区域的图像信息判断所述分区后的三维模型中每个区域是否发生火灾,得到判断结果;
第四处理模块,用于根据所述判断结果确定安全路线信息;
第五处理模块,用于基于所述三维模型和所述安全路线信息生成虚拟场景,所述虚拟场景用于与逃生人员进行交互,引导逃生人员撤离现场;
其中,所述第四处理模块,包括:
第一处理单元,用于当所述判断结果为发生火灾,则根据所述图像信息对当前区域的火灾类型进行判断,得到火灾类型信息,并根据火灾类型信息预测火灾蔓延趋势,得到预测结果;
第二处理单元,用于当所述判断结果为未发生火灾,则对当前区域发生火灾的概率进行计算,得到计算结果;
第三处理单元,用于基于每个区域的火灾趋势的预测结果和每个区域发生火灾的计算结果规划安全路线信息;
其中,所述第一处理单元,包括:
第四处理单元,用于将每个区域进行网格划分,得到至少一个网格划分后的区域,一个网格对应建筑工地1m2的面积;
第一获取单元,用于获取气流特征信息、每个网格的风口状态和每个网格的耐燃状态;
第五处理单元,用于将所述火灾类型信息、所述气流特征信息、每个网格的所述网格风口状态和每个网格的所述耐燃状态发送至卷积神经网络进行预测,得到区域中每个网格的状态信息;
第六处理单元,用于基于每个所述网格的状态信息预测火灾蔓延趋势;
其中,火灾蔓延变化率计算公式为:
;
上式中,和分别为状态S+1图像中灰度值为255的像素数与状态S图像中灰度值为255的像素数,T为采样时间,R为火灾蔓延变化率,通过该公式可以分辨出火灾的类型;
其中,所述耐燃状态的具体计算公式为:
;
上式中,t1为耐火物的受火时间,t2为耐火物的等效耐火时间,其中,t2的计算公式具体为:
;
上式中,Q为着火区域的火灾载荷密度、K为边界材料的热惯性系数,W为通风因子。
5.根据权利要求4所述的虚拟场景交互***,其特征在于,所述第二处理单元,包括:
第二获取单元,用于获取当前区域的火灾特征数据,所述火灾特征数据包括烟雾浓度和温度;
第七处理单元,用于将所述火灾特征数据进行归一化处理,得到归一化处理后的火灾特征数据;
第八处理单元,用于利用DS证据理论融合计算归一化处理后的烟雾浓度和归一化处理后的温度,得到第一火灾概率;
第九处理单元,用于利用Vague模糊集理论融合计算所述归一化处理后的烟雾浓度和所述归一化处理后的温度,得到第二火灾概率;
第十处理单元,用于根据所述第一火灾概率和所述第二火灾概率进行计算,得到计算结果。
6.根据权利要求4所述的虚拟场景交互***,其特征在于,所述第五处理模块,包括:
第三获取单元,用于获取阈值信息和逃生人员的位置信息;
第十一处理单元,用于判断当前区域的火灾发生概率是否大于所述阈值信息,其中,若大于,则将当前区域作为危险逃生区域;若小于则将当前区域作为第一安全逃生区域;
第十二处理单元,用于根据所述火灾蔓延趋势确定第二安全逃生区域;
第十三处理单元,用于根据所述逃生人员的位置信息、所述第一安全逃生区域和所述第二安全逃生区域规划逃生人员的安全路线;
第十四处理单元,用于利用虚实融合技术将所述安全路线和所述三维模型实时渲染至真实空间中,生成虚拟场景;
第十五处理单元,用于利用实时获取的第一安全逃生区域和第二安全逃生区域对所述虚拟场景中的安全路线进行同步更新。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310865444.0A CN116863094B (zh) | 2023-07-14 | 2023-07-14 | 一种虚拟场景交互方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310865444.0A CN116863094B (zh) | 2023-07-14 | 2023-07-14 | 一种虚拟场景交互方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116863094A CN116863094A (zh) | 2023-10-10 |
CN116863094B true CN116863094B (zh) | 2024-06-28 |
Family
ID=88233814
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310865444.0A Active CN116863094B (zh) | 2023-07-14 | 2023-07-14 | 一种虚拟场景交互方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116863094B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117689843A (zh) * | 2023-11-03 | 2024-03-12 | 大湾区大学(筹) | 一种三维空间的智能逃生引导方法、装置、***和介质 |
CN117455270A (zh) * | 2023-12-22 | 2024-01-26 | 成都理工大学 | 一种火灾应急处理方法、***、电子设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105741474A (zh) * | 2016-04-11 | 2016-07-06 | 泉州师范学院 | 一种基于多传感器的火灾预警方法 |
CN108710976A (zh) * | 2018-05-30 | 2018-10-26 | 深圳市城市公共安全技术研究院有限公司 | 动态逃生路线生成方法、服务器、及*** |
CN109646830A (zh) * | 2019-01-21 | 2019-04-19 | 长安大学 | 一种基于bim和ar技术的逃生救援辅助装置 |
CN115408941A (zh) * | 2022-08-26 | 2022-11-29 | 李云 | 基于多源数据的火情智能预警*** |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN204518164U (zh) * | 2015-04-14 | 2015-07-29 | 南京万鸿威视信息技术有限公司 | 一种绿色节能安全住宅智能管理*** |
CN104778900B (zh) * | 2015-05-05 | 2017-05-10 | 曾仲林 | 一种三维仿真场景图像展示方法 |
-
2023
- 2023-07-14 CN CN202310865444.0A patent/CN116863094B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105741474A (zh) * | 2016-04-11 | 2016-07-06 | 泉州师范学院 | 一种基于多传感器的火灾预警方法 |
CN108710976A (zh) * | 2018-05-30 | 2018-10-26 | 深圳市城市公共安全技术研究院有限公司 | 动态逃生路线生成方法、服务器、及*** |
CN109646830A (zh) * | 2019-01-21 | 2019-04-19 | 长安大学 | 一种基于bim和ar技术的逃生救援辅助装置 |
CN115408941A (zh) * | 2022-08-26 | 2022-11-29 | 李云 | 基于多源数据的火情智能预警*** |
Also Published As
Publication number | Publication date |
---|---|
CN116863094A (zh) | 2023-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116863094B (zh) | 一种虚拟场景交互方法及*** | |
US11143521B2 (en) | System and method for aiding responses to an event detected by a monitoring system | |
Wu et al. | An intelligent tunnel firefighting system and small-scale demonstration | |
KR102124067B1 (ko) | 사물인터넷 센서를 이용한 연기확산과 피난로 예측 시스템 및 그 방법 | |
KR101442658B1 (ko) | 대피시뮬레이션을 제공하는 재난대피 시스템 및 방법 | |
CN112862153A (zh) | 基于bim的火灾救援方法、设备、存储介质及装置 | |
CN116884167B (zh) | 智能消防视频监测与报警联动控制*** | |
WO2009038563A1 (en) | Model-based egress support system | |
GB2609518A (en) | A method and system for the computational modelling of fire and occupant safety | |
KR102213204B1 (ko) | 인공 신경망을 이용하여, gis 기반의 소방 시설을 관리하고 화재를 예방하는 방법 및 장치 | |
Mirahadi et al. | EvacuSafe: Building evacuation strategy selection using route risk index | |
CN111079722A (zh) | 一种吊装过程人员安全监测方法及*** | |
Shaharuddin et al. | The role of IoT sensor in smart building context for indoor fire hazard scenario: A systematic review of interdisciplinary articles | |
CN115577574A (zh) | 一种导流栏杆位置计算方法、装置、设备及可读存储介质 | |
TWI821994B (zh) | 一種使用數位分身之區域災害防治系統、方法及其電腦可讀媒介 | |
CN115439997B (zh) | 一种火灾预警方法、装置、设备及可读存储介质 | |
Safayet et al. | Development of building information modeling (BIM)-based real-time fire alert system to reduce fire impact in Bangladesh | |
JP5531242B2 (ja) | 安全監視システム | |
KR102495864B1 (ko) | 디지털 트윈 모델을 도출하는 장치, 방법 및 컴퓨터 프로그램 | |
KR20230102342A (ko) | 스마트하우징 플랫폼 기반 화재 관리 시스템 및 방법 | |
JP4144202B2 (ja) | 住宅避難安全性評価システム | |
KR102059579B1 (ko) | 재난 발생 신고의 수보 정보에 따른 재난 대응 정보 관리 시스템 | |
KR20220165393A (ko) | 수소가스 위험시설물 관리장치 및 그 장치의 구동방법 | |
KR20220103572A (ko) | 무인 매장에서의 출입 고객을 모니터링하기 위한 무인 매장 출입 고객 모니터링 장치 및 그 동작 방법 | |
Yusuf et al. | An autoregressive exogenous neural network to model fire behavior via a naïve bayes filter |
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 |