关键词:
流线可视化
WebAR
位姿估计
聚类算法
摘要:
计算流体力学(Computational Fluid Dynamics,CFD)仿真模拟的数据具备维度高、数据量大和非线性等特点,为了直观而高效地理解和分析数据,流线可视化技术应运而生。随着可视化技术的长期发展和应用,增强现实应用(Augmented Reality,AR)为流线可视化带来了新的选择。得益于手持移动设备数量的快速增长,移动AR(mobile AR,MAR)得以快速发展,而作为MAR重要分支的基于网络的增强现实应用(Web-based Augmented Reality,WebAR),凭借易于访问、无需下载和低用户门槛等优势,成为当下的主流研究方向。因此聚焦于WebAR技术在科学数据可视化领域的应用,探究将流场可视化与WebAR技术相结合的新方法。该方法具备两者技术的优势,能有效呈现虚拟三维流线与现实物体叠加的增强现实场景,并提供多样化的交互方式。本研究为科学数据可视化的发展提供了新的研究思路,展示了WebAR技术在流线可视化领域的应用潜力和重要价值。
本文主要围绕以下三个研究目标展开了具体研究:
1)针对现有的AR跟踪注册技术存在的三维目标识别慢、识别结果缺乏姿态信息等问题,引入六自由度(6 degrees of freedom,6D)位姿估计方法来同时识别目标的位置和姿态信息,提升跟踪注册效果。为减少深度学习模型体积、提升算法对尺度变化目标的识别能力,基于像素投票网络设计了一种轻量级6D位姿估计方法。该方法在明显减少模型参数和计算量条件下,经在具有弱纹理、尺度变化和光照变换等特征的三维目标数据集上实验,实验结果展现了较高的识别鲁棒性和较快的识别速度。
2)针对仿真数据维度高、数据量大等特点,造成流线可视化结果存在杂乱、遮挡等问题,提出了一种基于密度的噪声应用空间聚类算法(Density Based Spatial Clustering of Applications with Noise,DBSCAN)的三维流线生成方法。该方法首先通过CFD仿真软件生成密集流线;然后通过DBSCAN基于流线的曲率特征进行聚类,实验表明聚类参数自适应的方法聚类效果更佳,可以更有效地从众多复杂流线数据中提取关键流线;最后结合样条插值方法绘制流线,从而实现高效且高拟合度的流线渲染效果。
3)基于改进的6D位姿估计方法和流线聚类可视化技术,构建了一个面向流线可视化的WebAR系统,为用户提供了一个多视角、可交互的新型流线可视化方案,对推动相关领域的科学研究和技术创新有重要价值。