沉浸式环境下的流场可视化协同交互系统设计与实现

来源 :西南科技大学 | 被引量 : 0次 | 上传用户:xiamen88
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
流场数据中往往包含了速度、涡量、压力和温度等多方面的流场信息,它们之间的关系是理解流体流动问题的关键,并且不同空间区域的流场特征、规律存在差异,致使单个用户进行流场数据分析的质量和效率不容乐观,需要团队共同提供新的思路和解决方案,以提高流场分析的效率和结果的正确性。现有工业级流场可视化软件(Ensight,Paraview等)虽然具备一定的团队协同能力,但是其支持的协同模式单一,不能满足现阶段流场可视化协同分析的需求。基于CAVE环境的沉浸式虚拟现实流场可视化协同分析系统,不仅搭建耗费的时间和成本高,而且存在远程专家派遣到本地进行协同的问题。因此本文针对现有流场协同分析应用协同模式单一、协同环境搭建成本高等问题,提出了面向流场可视化的沉浸式虚拟现实协作框架,实现了沉浸式环境下的流场可视化协同交互系统。主要工作如下:(1)通过与流场领域专家多次交流讨论,对流场可视化团队协同分析的实际需求进行深入分析,提出了沉浸式环境下的流场可视化协同交互系统的实现目标和关键问题。另外从流场可视化领域出发,明确了系统的功能需求和非功能需求,阐述了系统涉及的相关技术。(2)根据需求分析,设计了系统架构,由协同分析应用层、功能模块层和物理设备层组成。接着提出了面向流场可视化的沉浸式虚拟现实协作框架,阐述了框架中房间管理模块、身份管理模块、协同管线树模块、演示协同分析模块、自由协同分析模块、协同消息模块、多通道人机交互模块和沉浸式虚拟现实显示模块的设计目的和方法。(3)基于面向流场可视化的沉浸式虚拟现实协作框架、Leap Motion手势采集设备和HTC Vive头戴式显示设备实现了沉浸式环境下的流场可视化协同交互系统的基本功能。阐明了系统的网络拓扑结构和通信协议,系统由客户端和服务器组成,并详细说明了每个功能模块的具体实现。最后通过对系统进行功能测试和实时性测试,验证了系统的功能模块实现情况和交互实时性。(4)通过具体的协同分析案例,阐述了系统中多用户进行协同交互的协同流程,根据特权用户和普通用户在沉浸式虚拟现实环境下的观察视角,完整地呈现了多个用户在沉浸式虚拟现实环境下进行演示协同分析和自由协同分析的全过程,验证了本文系统的可行性和实用性。
其他文献
图像生成指计算机通过人工智能领域的相关算法,自主产生和真实图片相近的生成图片。其在计算机视觉领域有着重要的地位,主要用于计算机辅助设计、图像编辑、艺术设计、信息转换等领域。然而,目前多数生成图像的实际使用并不普遍,这主要是因为生成图像的质量较低,与真实图片比有较大的差距,特别是在复杂图片的生成任务中,这个缺陷会进一步放大,这使得生成图片难以投入实际的使用。为了进一步提升生成图片的质量,一套合理的质
学位
图像修复是指将图像缺失内容进行重建的一个过程,其主要手段是通过退化图像中还能够获取到的语义信息、纹理信息、结构信息等进行缺失区域的语义预测、纹理预测、结构预测。最后使填充的结果与图像未丢失部分保持相同的风格,连贯的内容。并且,修复结果需要人眼看起来真实,自然。传统的图像修复方法在解决一些简单的小面积缺失区域图像时,修复结果尚可,但是由于其本身的限制,在修复复杂图像、大面积缺失图像时,往往得不到令人
学位
随着基建技术的发展,越来越多的大型构筑物被投入使用,并且伴随着使用年限的增长及使用过程中的疲劳使用和自然灾害等一系列因素,造成构筑物表面或多或少的会出现一些损伤,传统检测手段往往是利用人工完成,对工人的人身安全有着极大的考验,并且还存在部分大型构筑物的巡检部位人工很难到达,因此现代化、智能化检测方式的需求变得日益迫切。本文以数字图象为基础,研究构筑物表面损伤检测技术,利用深度学习方法实现构筑物表面
学位
近年来,深度学习技术的快速发展为图像处理带来了新的机遇,特别是在图像分割、图像识别、图像理解等方面。图像分割是将图像中边缘、区域等特征提取出来,支撑图像处理下游任务,在学术界和工业界受到广泛关注。全景分割融合了图像分割的语义分割与实例分割结果,在图像深入理解场景,如视频监控、自动驾驶、医学图像诊断等发挥了重要作用。全景分割完成对图中的所有物体的背景进行检测与分割,主要分为特征提取、语义与实例分割、
学位
图表示学习将图中节点从高维、稀疏的网络空间映射到低维、稠密的向量空间,映射过程中保持原始的网络结构并支持图推理。通过图嵌入得到的向量规范性更强,可直接作为下游如节点分类、链接预测或可视化等机器学习任务的输入。图表示学习在链接预测任务上效果良好,但在节点分类任务中表现不佳,这是由于节点类别通常与领域内节点的拓扑结构、重要性特征、属性特征及其类别标签信息密切相关。针对节点分类的图表示学习做了如下研究:
学位
开放关系抽取能在不预设关系词表的情况下,对语料进行灵活的关系抽取,快速对知识进行有效的组织、整理。然而开放关系抽取的语料通常包含大量结构复杂的文本。现有的开放关系抽取方法在抽取这类复杂文本时,效果较差,主要存在如下问题。一是句子结构复杂,难以分析出准确的句法分析结果为开放关系抽取提供数据支持。二是复杂文本中的实体词通常是由多个词语构成的名词短语,识别难度较大。三是复杂文本存在关系重叠的现象,以往的
学位
自从进入21世纪以来,全球变暖一直是人们讨论的热门话题,全球年均气温在十年间仅仅上升0.03℃,正是这个极小数据的出现,使人们对“全球变暖”持怀疑态度。研究全球温度变化需要有长时间的观测数据做支撑,目前主要存在如下问题:一是气候数据搜集面临数据体量大,质量低,技术、勘测等种种困难;二是影响气候属性成分越来越复杂,现有模型难以准确预测气候变化;三是极端天气气温相对整体平均温度差别较大,处理困难,对全
学位
目前大量涉及自动驾驶汽车的事故,表明自动驾驶系统软件仍然存在严重的可靠性和安全性问题,对其进行充分有效的测试具有重要的研究意义。对现有自动驾驶系统测试方法的调研发现,很多测试方法并没有完全覆盖真实的驾驶场景,同时合成测试场景图像质量也有待提高。为此,本文利用深度学习技术合成接近真实的复杂场景图像,应用蜕变测试检测被测试自动驾驶系统的潜在缺陷,以达到有效保障自动驾驶系统软件质量的目标。本文的主要研究
学位
聚类算法是机器学习中最常见的无监督学习算法之一,在现代数据科学中发挥着重要的作用。传统聚类算法的主要任务是根据某些特定的规则将相似度高的数据对象划分到相同的簇。当数据对象的某些属性(例如性别,种族等)需要在每个簇中保持平衡时,传统的聚类算法不再适用,这种聚类任务被称为公平聚类。尽管机器学习界近些年在算法公平性问题上做了大量的研究工作,但是对于聚类算法公平性的认识仍处于起步阶段。针对当前公平聚类研究
学位
根据2021年《全球移动市场报告》调查所示,2021年全球的手机用户达到了39亿。大量的手机用户,产生了大规模的通信数据;主要包括网络接入数据、呼叫详情记录(Call Detail Record,CDR)等。其中CDR数据中包含了用户的时间和空间信息。这些为研究城市中公民的移动行为分析提供了基础。但是CDR数据有着规模大、时间跨度长、离散程度大等特点,很难直接进行研究分析。可视分析技术可以将数据映
学位