基于动态流场数据的虚拟港口建模方法

为了实现港口数字化升级，提出了一种基于动态流场数据的虚拟港口建模方法；采用三维重建模型从无人机倾斜摄影影像数据中重建了港口几何特征，获取高精度三维模型；引入了基于二次误差度量的边折叠算法简化模型，以避免数据量过大致使渲染效率低的问题；分析了欧拉法数值计算过程中的高耗时环节，建立了神经网络模型学习流场演化特征，加速投影项计算得到实时变化的流场数据，通过流场数据驱动水流动态渲染，结合光滑粒子流体动力学方法表现水流与船舶、陆地的交互动态，在保证渲染实时性的同时，提高渲染真实感。研究结果表明:重建的港口三维重建模型顶点数量可达3 320 937个，重建的网格模型在Meshlab中渲染频率为78.7 Hz；经过模型简化降低90.0%的模型顶点数量后，模型顶点数量缩减为332 836个，渲染频率提升至108.7 Hz，模型简化后几何误差小于2.0%；在256×256的流场网格下，采用神经网络加速的网格流体计算方法所得水流速度场平均更新间隔约为17 ms，平均仿真精度为88.6%；通过开源图像引擎驱动流场数据和港口三维模型，平均渲染频率可达50.5 Hz。可见，该方法可有效解决高精度实时渲染中的关键问题，以达到仿真精度与渲染效率间的动态平衡，在精度损失较小的情况下实现较高精度的虚拟港口建模与实时动态仿真。